基于图卷积网络的比特币非法交易识别方法

摘要：

比特币作为匿名的加密数字资产逐渐成为部分非法地下交易的选择.为了净化金融市场、打击非法交易,需要对比特币网络中的非法交易活动进行识别.在相关工作的基础上,文章提出一种基于多层感知器与图卷积网络结合的检测比特币网络中非法交易的方法(Multi-layer Perceptrons+Graph Convolutional Network,MP-GCN).MP-GCN使用多层感知器与图卷积网络组合,构建识别非法交易的模型.具体来说,在图卷积层之前和两层图卷积层中间用多层感知器进行辅助的特征提取,最后用线性层对非法交易进行划分.实验结果证明,MP-GCN达到的检测效果优于相同数据集的传统图卷积网络的检测效果.

关键词：比特币网络;非法交易识别;图卷积网络

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[61562024;海南省自然科学基金[620RC605

在线出版日期：2021-09-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：74-79