基于图神经网络的账户余额模型区块链地址分类方法

TP301; 为了监管账户余额模型公链上的交易,有必要对该类区块链上的交易进行地址分类研究.基于此,提出了一种基于图神经网络的账户余额模型区块链地址分类方法(简称 AJKGS-ABCM)以实现区块链地址的分类,为区块链交易追踪提供有效的支持.该方法将区块链交易数据建模为图结构,以地址为节点,交易为边,提出AJK-GraphSAGE 算法学习图的嵌入表示,模型的输入只需要节点及其采样的邻居节点集合.同时,模型引入注意力机制及跳跃知识结合策略,自适应地为不同层的表示分配权重,并在不同层间共享信息,提高了训练速度和泛化能力.最后进行了实验对比,结果表明该模型在准确度、召回率和F1分数上性能优于其他方...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	通信学报 2023-09, Vol.44 (9), p.115-126
Hauptverfasser:	李致远, 徐丙磊, 周颖仪
Format:	Artikel
Sprache:	chi
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Beschreibung
Zusammenfassung:	TP301; 为了监管账户余额模型公链上的交易,有必要对该类区块链上的交易进行地址分类研究.基于此,提出了一种基于图神经网络的账户余额模型区块链地址分类方法(简称 AJKGS-ABCM)以实现区块链地址的分类,为区块链交易追踪提供有效的支持.该方法将区块链交易数据建模为图结构,以地址为节点,交易为边,提出AJK-GraphSAGE 算法学习图的嵌入表示,模型的输入只需要节点及其采样的邻居节点集合.同时,模型引入注意力机制及跳跃知识结合策略,自适应地为不同层的表示分配权重,并在不同层间共享信息,提高了训练速度和泛化能力.最后进行了实验对比,结果表明该模型在准确度、召回率和F1分数上性能优于其他方法.
ISSN:	1000-436X
DOI:	10.11959/j.issn.1000-436x.2023173