【技术实现步骤摘要】
本专利技术涉及区块链,尤其涉及基于动态时间图对比学习的以太坊网络钓鱼诈骗检测方法和系统。
技术介绍
1、目前,现有的以太坊网络钓鱼诈骗检测方法主要分为手动特征工程和图表示学习两类,二者均以学习节点表示为目标,从而完成节点分类任务。特征工程方法依赖人工设计特征,例如节点度、交易金额和交易次数等,这些手工特征尽管能够为模型提供先验信息,但缺乏自动化能力且效率较低。相比之下,图表示学习方法通过随机游走生成节点的局部嵌入,或利用图神经网络提取深层特征表示,更有效地挖掘了网络结构中的潜在模式,大幅提升了检测效果。然而,现有研究多集中在静态图分析,未能充分考虑交易网络的动态变化特性,尤其在网络钓鱼诈骗的早期检测方面存在不足,而早期检测对于减少用户损失、防止金融欺诈具有重要意义。此外,钓鱼节点与正常节点的不平衡性问题也是检测的主要挑战之一。尽管部分研究尝试通过数据采样或其他技术来缓解该问题,但这些方法可能扭曲数据分布,导致关键细节丢失或引入冗余信息,从而降低模型的性能与可靠性。因此,在动态图环境下探索更高效且鲁棒的以太坊网络钓鱼检测方法仍是亟待解决的
<本文档来自技高网...【技术保护点】
1.基于动态时间图对比学习的以太坊网络钓鱼诈骗检测方法,其特征在于,包括:
2.根据权利要求1所述的基于动态时间图对比学习的以太坊网络钓鱼诈骗检测方法,其特征在于,构建所述时间多边有向图,包括:
3.根据权利要求2所述的基于动态时间图对比学习的以太坊网络钓鱼诈骗检测方法,其特征在于,基于所述时间切片划分生成一阶时间切片图和二阶时间切片图,包括:
4.根据权利要求1所述的基于动态时间图对比学习的以太坊网络钓鱼诈骗检测方法,其特征在于,执行所述特征掩码,包括:
5.根据权利要求4所述的基于动态时间图对比学习的以太坊网络钓鱼诈
...【技术特征摘要】
1.基于动态时间图对比学习的以太坊网络钓鱼诈骗检测方法,其特征在于,包括:
2.根据权利要求1所述的基于动态时间图对比学习的以太坊网络钓鱼诈骗检测方法,其特征在于,构建所述时间多边有向图,包括:
3.根据权利要求2所述的基于动态时间图对比学习的以太坊网络钓鱼诈骗检测方法,其特征在于,基于所述时间切片划分生成一阶时间切片图和二阶时间切片图,包括:
4.根据权利要求1所述的基于动态时间图对比学习的以太坊网络钓鱼诈骗检测方法,其特征在于,执行所述特征掩码,包括:
5.根据权利要求4所述的基于动态时间图对比学习的以太坊网络钓鱼诈骗检测方法,其特征在于,执行所述边扰动技术,包括:
6.根据权利要求1所述的基于动态时间图对比学习的以太坊网络钓鱼诈骗检测方法,其特征...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。