典型文献
基于交易特征对以太网多类型非法账户的分析与预测
文献摘要：
日益频繁的非法交易行为妨害以太坊安全交易,针对电子货币的匿名性使得非法交易行为难于跟踪分析问题.将以太坊平台交易数据作为数据源,以被标记的非法账户和未标记的正常账户数据集作为训练集,利用交易数据的特征属性为构造基础,通过CatBoost算法对其中包含多种类型的非法账户进行整体预测.其过程通过T-SNE算法实现交易特征的降维可视化,采用多倍交叉验证,引入SHAP value因子判断特征影响的正负属性,所建立模型的预测效果准确率达到了94.29％,感受者曲线下面积(AUC)数值的评估度量达到了0.9846.该方案能较为准确地预测以太坊交易平台上存在的非法行为,有效改善基于区块链的交易环境.
文献关键词：
区块链;机器学习;以太坊;非法账户;交易特征
中图分类号：
作者姓名：
周健;闫石;张杰;黄世华
作者机构：
安徽财经大学 管理科学与工程学院,安徽 蚌埠233040;北京邮电大学 计算机学院,北京 100876
文献出处：
引用格式：
[1]周健;闫石;张杰;黄世华-.基于交易特征对以太网多类型非法账户的分析与预测)[J].计算机应用研究,2022(10):2923-2928
A类：
非法账户
B类：
交易特征,以太网,多类型,日益频繁,非法交易,交易行为,妨害,以太坊,电子货币,匿名性,为难,难于,跟踪分析,分析问题,平台交易,交易数据,数据源,户数,训练集,特征属性,CatBoost,多种类型,SNE,算法实现,多倍,交叉验证,SHAP,value,正负,建立模型,受者,交易平台,非法行为,交易环
AB值：
0.398783
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
