江苏大学学报(自然科学版)

作者：陈乔松,张星宇,尹忠钰,邓欣,王进

单位：（重庆邮电大学 数据工程与可视计算重点实验室， 重庆 400065）<br />\r\n<div>\r\n\t<br />\r\n</div>

关键词：以太坊,&nbsp; 钓鱼诈骗,&nbsp; 账户身份推断,&nbsp; 图神经网络,&nbsp; 对比学习,&nbsp; 子图分类,&nbsp; 图数据增强

基金：国家重点研发计划项目(2022YFE0101000)&nbsp;

针对传统以太坊钓鱼诈骗识别分类未考虑子图间重要性、计算显存开销大的问题，使用图注意力技术来挖掘账户地址的行为模式信息，提出了分层图注意力框架来处理子图分类任务.构造分层图注意力池化编码器，利用节点级编码器提取子图内部节点重要性，子图级编码器提取子图间的重要性，挖掘了子图内、子图间的潜在关联.结合图对比学习技术进行联合训练，将对比学习损失作为正则项以缓解标签稀疏，以改善子图分类的效果.在以太坊真实数据集上进行对比试验和消融试验，以F1分数作为评价指标，并进行参数分析.结果表明：新方法在真实数据集上的F1分数最高提升了1.7百分点，优于GCN、GraphSage、GAT等经典方法，显存开销小于其他节点分类方法.

来源：2025年第6期

《江苏大学学报(自然科学版)》期刊编辑部

查看江苏大学学报(自然科学版)杂志2025年第6期