Phishing Frauds Detection Based on Graph Neural Network on Ethereum

计算机科学 网络钓鱼 数据库事务 数据挖掘 图形 人工智能 节点(物理) 卷积神经网络 机器学习 理论计算机科学 互联网 万维网 数据库 结构工程 工程类
作者
Xincheng Duan,Biwei Yan,Anming Dong,Li Zhang,Jiguo Yu
出处
期刊:Lecture Notes in Computer Science 卷期号:: 351-363 被引量:4
标识
DOI:10.1007/978-3-031-19208-1_29
摘要

Blockchain, as an emerging technology, has vulnerabilities that make the blockchain ecosystem rife with many criminal activities. However, existing technologies of phishing fraud detection heavily rely on shallow machine learning, leading to low detection precision. To solve this problem, in this paper, we construct a graph classification network model TransDetectionNet. Particularly, we propose a node embedding algorithm named Edge-sampling To Node Vector (Esmp2NVec) that can effectively extract the features hiding in the directed transaction network. Then, we use graph convolutional neural networks (GraphSAGE and GCN) to learn the topological space structure between nodes for further extraction of node features, where the nodes represent Ethereum accounts. To evaluate the method, a series of transaction data from the real Ethereum system is leveraged to train the graph classification model, and several experiments are designed to measure the phishing accounts identification performance comparison between our method and the other related works. The final results of those experiments show that our method can effectively detect phishing accounts from the Ethereum system.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
猫雷完成签到,获得积分10
刚刚
Jasmine完成签到,获得积分10
刚刚
1秒前
李依伊完成签到,获得积分10
1秒前
蚌埠住不了完成签到,获得积分10
2秒前
科研通AI2S应助虚心碧采纳,获得10
3秒前
wjwless发布了新的文献求助10
4秒前
立里完成签到,获得积分10
5秒前
penghuolong发布了新的文献求助10
5秒前
lalala应助莫惊春睡采纳,获得50
5秒前
玉小赤发布了新的文献求助10
5秒前
善学以致用应助郭欣怡采纳,获得10
7秒前
科研通AI2S应助lina采纳,获得10
8秒前
8秒前
细心的梦芝完成签到,获得积分10
8秒前
整齐星月发布了新的文献求助100
9秒前
小蘑菇应助驰驰采纳,获得10
9秒前
俏皮火完成签到 ,获得积分10
9秒前
温暖砖头发布了新的文献求助10
10秒前
美丽易云完成签到,获得积分10
12秒前
Steven发布了新的文献求助10
12秒前
曾经完成签到 ,获得积分10
15秒前
fanmo完成签到 ,获得积分0
16秒前
17秒前
腼腆的洪纲完成签到,获得积分10
17秒前
丘比特应助cao_bq采纳,获得10
17秒前
希望天下0贩的0应助能HJY采纳,获得10
18秒前
Lucas应助...采纳,获得10
19秒前
bynowcc完成签到,获得积分10
20秒前
22秒前
23秒前
Summer完成签到,获得积分10
23秒前
24秒前
君子兰发布了新的文献求助10
24秒前
xiaoxie完成签到 ,获得积分10
26秒前
29秒前
0ne222完成签到,获得积分10
30秒前
30秒前
NMR发布了新的文献求助10
30秒前
林茉茉茉茉莉完成签到,获得积分10
32秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 870
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3256267
求助须知:如何正确求助?哪些是违规求助? 2898511
关于积分的说明 8301297
捐赠科研通 2567706
什么是DOI,文献DOI怎么找? 1394629
科研通“疑难数据库(出版商)”最低求助积分说明 652895
邀请新用户注册赠送积分活动 630548