.png){kind=icon}
返回
Pheromone-based graph embedding algorithm for Ethereum phishing detection
.png){kind=icon}
PRE
AI
DOI：10.1016/j.comnet.2025.111123.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
钓鱼诈骗对以太坊这一第二大基于区块链的加密货币平台构成了重大风险。识别钓鱼活动的传统方法，如机器学习和网络表示学习，难以捕捉以太坊交易网络中固有的时序和重复交易模式。为解决这些局限性，我们提出了一种基于信息素的图嵌入算法（PGEA），该算法利用受蚁群行为启发的信息素机制和禁忌列表来增强子图采样。这种方法通过确保采样过程中的子图同质性和同构性，提高了钓鱼活动的识别能力。在我们的方法中，从已知钓鱼地址收集以太坊交易数据，以构建交易网络图。PGEA指导子图采样，产生的序列通过word2vec转换为节点嵌入。随后，这些嵌入使用支持向量机（SVM）进行分类，以区分合法节点和恶意节点。实验结果表明，我们的模型优于现有方法。PGEA实现了87.18%的准确率、91.01%的精确率、84.82%的召回率和86.91%的F1分数，超越了Deepwalk、Node2vec和Graph2vec等基线方法。这些结果突显了PGEA在检测钓鱼地址方面的有效性，为构建更安全的以太坊生态系统做出了贡献。
Keyword:
Phishing scams
Representation learning
Transaction network
Ant colony algorithm
Graph embedding
期刊
IF:
4.6
论文数:
1.8K
被引数:
1.6W
机构
暂无机构信息
引用论文
Phishing scams detection via temporal graph attention network in Ethereum以太坊中基于时间图注意网络的网络钓鱼诈骗检测
PREAI
分享收藏Who Are the Phishers? Phishing Scam Detection on Ethereum via Network Embedding钓鱼者是谁？通过网络嵌入在以太坊上进行网络钓鱼诈骗检测
OAAI
OAAI分享收藏分享收藏
分享收藏node2vec节点2vec.png)
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningOAAI
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningIF0
OAAI分享收藏
查看更多内容