.png){kind=icon}
返回
ABO For anomaly detection and computer network optimization
.png){kind=icon}
PRE
AI
DOI：10.1016/j.comnet.2025.111911.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
区块链网络在异常检测、可扩展性和抗恶意攻击下的韧性方面面临严峻挑战。现有解决方案通常缺乏结合时域和频域分析的集成方法，无法检测周期性模式并提供实时修正机制。本文提出ABO（高级区块链优化），一种新型框架，整合特征值理论、离散傅里叶变换（DFT）和高斯混合模型（GMM），用于全面的异常检测、修正和网络优化。ABO采用DFT进行频域分析以揭示隐藏的周期性交易模式，GMM进行概率性实时异常评分，特征值理论建模交易依赖关系并识别关键节点。一项关键创新是自适应异常修正机制，可重新校准交易流、重新分配资源并隔离恶意节点以恢复正常操作。此外，Fatou引理为长期交易量估计提供严格基础，以实现最优资源分配。在真实以太坊数据集（7000万交易）上的广泛实验表明，ABO性能卓越：平均检测准确率达95.5%（比CNN/GRU/LSTM基线提升6%），检测时间44.2ms（快45%），吞吐量8460 tx/s（高98%），能耗3.58J（低49%）。在包括规避、污染、结构、扰动和模型特定攻击在内的恶意攻击场景下，ABO在所有攻击类型中均保持超过94%的稳健检测准确率。这些结果证实ABO为大规模部署中的区块链安全和优化提供了可扩展、韧性强且高效的解决方案。
Keyword:
Blockchain
Anomaly detection
Blockchain security
Scalability
Network optimization
Resilience
期刊
IF:
4.6
论文数:
1.6K
被引数:
1.6W
机构
引用论文
.png){kind=icon}
A comprehensive and systematic literature review on intrusion detection systems in the internet of medical things: current status, challenges, and opportunities医疗物联网中入侵检测系统的全面系统文献综述：当前状态、挑战与机遇
OAAI
OAAI分享收藏Blockchain for smart homes: Review of current trends and research challenges智能家居的区块链: 当前趋势和研究挑战的回顾
PREAI
分享收藏A Machine Learning Approach to Anomaly Detection Based on Traffic Monitoring for Secure Blockchain Networking基于流量监控的安全区块链网络异常检测机器学习方法
PREAI
分享收藏A New Smart Contract Anomaly Detection Method by Fusing Opcode and Source Code Features for Blockchain Services一种融合操作码和源代码特征的新型智能合约异常检测方法，用于区块链服务
PREAI
分享收藏
查看更多内容