基于LightGBM的以太坊恶意账户检测方法

摘要：

由于区块链匿名性的特点,以太坊逐渐成为恶意账户利用漏洞攻击、网络钓鱼等手段实施欺诈的平台.针对上述问题,文章提出了一种基于LightGBM的以太坊恶意账户检测方法.首先通过收集并标注8028个以太坊账户,基于交易历史规律提取手工特征;然后使用自动特征构造工具featuretools提取统计特征;最后通过融合的两类特征训练LightGBM分类器完成以太坊恶意账户检测.实验结果表明,文章提出方法的F1值为94.9％,相较于SVM、KNN等方法更加高效准确,引入手工特征有效提升了恶意账户的检测性能.

关键词：区块链、恶意账户检测、以太坊、LightGBM

分类号：TP309(计算技术、计算机技术)

资助基金：国家自然科学基金[61867006;新疆维吾尔自治区科技厅创新环境建设专项[PT1811;新疆维吾尔自治区高校科研计划[XJEDU2017T002,;新疆维吾尔自治区创新环境人才、基地建设专项自然科学基金联合基金[2019D01C062,;国家级大学生创新计划[201910755030

在线出版日期：2020-05-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：73-80