基于多维度特征融合的区块链交易欺诈检测方法

摘要

针对区块链交易欺诈行为中地址伪匿名性增强、智能合约交互复杂及多跳资金分层转移等结构性特征导致的识别难题，本文提出一种多维特征协同建模的区块链交易欺诈检测方法。构建涵盖交易数值、行为时序、合约交互及资金流图结构的四维特征体系，引入图注意力网络刻画地址间结构关联，采用门控循环单元建模交易行为演化过程，利用预训练语言模型（BERT）挖掘合约语义信息，并通过门控机制实现多源特征自适应融合。同时引入Focal Loss缓解类别不平衡问题，提升对少数欺诈样本的识别能力，最终输出地址级欺诈概率实现精准判别。实验结果表明，该方法在精确率、召回率、F₁值及精确率-召回率（PR）曲线下面积等指标上均优于传统的启发式识别方法、XGBoost及图神经网络（GNN）模型，验证了多维协同建模在区块链欺诈检测中的有效性与稳健性。

关键词

多维度特征融合 / 区块链 / 交易欺诈 / 检测方法

基金资助

云南省教育厅科学研究基金项目(2024J1122); 滇西应用技术大学区块链教育评价工程研究中心(2022KYPT0003)