基于交易特征對以太網多類型非法賬戶的分析與預測

打開文本圖片集

摘要：日益頻繁的非法交易行為妨害以太坊安全交易，針對電子貨幣的匿名性使得非法交易行為難于跟蹤分析問題。將以太坊平臺交易數(shù)據(jù)作為數(shù)據(jù)源，以被標記的非法賬戶和未標記的正常賬戶數(shù)據(jù)集作為訓練集，利用交易數(shù)據(jù)的特征屬性為構造基礎，通過CatBoost算法對其中包含多種類型的非法賬戶進行整體預測。其過程通過T-SNE算法實現(xiàn)交易特征的降維可視化，采用多倍交叉驗證，引入SHAP value因子判斷特征影響的正負屬性，所建立模型的預測效果準確率達到了94.29%，感受者曲線下面積（AUC）數(shù)值的評估度量達到了0.984 6。（剩余15235字）