典型文献
基于网络表示学习的区块链异常交易检测
文献摘要：
由于具有巨大的流通市值、庞大的用户量和账户匿名性的特点,区块链交易频繁受到盗窃、庞氏骗局、欺诈等异常行为的威胁.针对区块链异常交易,提出一种网络表示学习模型DeepWalk-Ba用于特征提取,以比特币为例,对区块链交易的网络结构和属性进行学习,从交易的邻域结构中挖掘隐含信息作为节点特征,再使用5种有监督和1种无监督的机器学习算法进行异常检测.实验表明,有监督模型随机森林表现最好,达到了99.3％的精确率和86.4％的召回率,比使用传统的特征提取方法的异常检测模型具有更好的检测效果.
文献关键词：
区块链;异常检测;网络表示学习;随机游走;机器学习
中图分类号：
作者姓名：
张晓琦;白雪;李光松;王永娟
作者机构：
信息工程大学 网络空间安全学院,河南 郑州 450001;中国船舶工业综合技术经济研究院,北京 100081;河南省网络密码重点实验室,河南 郑州 450001
文献出处：
引用格式：
[1]张晓琦;白雪;李光松;王永娟-.基于网络表示学习的区块链异常交易检测)[J].网络安全与数据治理,2022(10):11-20
A类：
B类：
网络表示学习,异常交易检测,市值,用户量,账户,匿名性,盗窃,庞氏骗局,欺诈,异常行为,DeepWalk,Ba,比特币,邻域结构,隐含信息,节点特征,有监督,无监督,机器学习算法,异常检测,林表,精确率,召回率,检测模型,检测效果,随机游走
AB值：
0.414264
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。
