基于子空间图聚类检测以太坊恶意账户的方法

信息安全研究 ›› 2023, Vol. 9 ›› Issue (E1): 68-.

• 第38次全国计算机安全学术交流会入选论文 • 上一篇下一篇

基于子空间图聚类检测以太坊恶意账户的方法

梁飞1卫兰2林文成3

1(北京市公安局经济犯罪侦查总队北京100089)
2(国家卫星气象中心北京100081)
3(河北省秦皇岛市公安局河北秦皇岛066000)

出版日期:2023-10-17 发布日期:2023-10-28
通讯作者: 梁飞工程师.主要研究方向为人工智能、区块链技术. 475662476@qq.com
作者简介:梁飞工程师.主要研究方向为人工智能、区块链技术. 475662476@qq.com 卫兰高级工程师.主要研究方向为卫星网络安全、区块链技术. weilan@cma.gov.cn 林文成硕士，副高级工程师.主要研究方向为网络信息安全、区块链安全数据分析. edward5559@hotmail.com

Online:2023-10-17 Published:2023-10-28

摘要/Abstract

摘要： 利用以太坊从事黑客攻击、毒品买卖、网络钓鱼、庞氏骗局、洗钱等犯罪行为逐年增加，因此智能化检测以太坊恶意账户地址成为破解新型犯罪的有效手段.提出了GCNClustering模型，模型使用了无监督的图结构聚类信息构建了关系邻接矩阵，从而使得传统的GCN模型具备了依据聚类信息挖掘节点特征之间相关性的能力，实现了节点地址的最终嵌入表达.实验表明GCNClustering模型在评价指标精准率、召回率和F1三个指标上显著优于现有的图神经网络模型.

中图分类号:

TP309

梁飞, 卫兰, 林文成, . 基于子空间图聚类检测以太坊恶意账户的方法[J]. 信息安全研究, 2023, 9(E1): 68-.

[1]	闫一非, 文斌, 张逢, . 基于图神经网络的智能合约源码漏洞检测[J]. 信息安全研究, 2023, 9(E1): 55-.
[2]	喻晓伟, 陈丹伟, . 基于注意力机制的图神经网络加密流量分类研究[J]. 信息安全研究, 2023, 9(1): 13-.
[3]	陈华钧耿玉霞叶志权邓淑敏. “知识图谱+深度学习”赋能内容安全[J]. 信息安全研究, 2019, 5(11): 975-980.

基于子空间图聚类检测以太坊恶意账户的方法

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 3

编辑推荐

Metrics