摘要为了高效地进行区块链异常交易检测,提出了一种基于Stacking集成学习的区块链异常交易检测方法.首先,采用XGBoost,LightGBM,CatBoost,LCE作为基分类器,采用MLP作为元分类器,设计了MLP_Stacking集成学习算法;其次,利用SUNDO进行数据扩充,解决数据集中严重类不均衡问题;最后,设计多模型联合特征排序算法,生成最优特征子集,将得到的最优特征子集作为MLP_Stacking输入数据集进行分类训练,通过网格搜索优化参数实现模型优化.实验采用Kaggle平台提供的开源数据集,实验结果显示采用SUNDO数据生成方法能有效提高各分类器性能,在此基础上,设计的集成模型训练效果明显优于单个模型.