基于Transformer融合交易信息的以太坊恶意地址检测技术  

作　　者：梁飞 王亚娟[2] 王谦 卫兰 苏则燊 

机构地区：[1]北京市公安局经济犯罪侦查总队,北京100089 [2]新疆警察学院信息安全工程系,新疆830011 [3]国家卫星气象中心,北京100081 [4]北京德恒律师事务所,北京1000333 [5]华中科技大学,湖北430074

出　　处：《网络安全技术与应用》2025年第3期55-59,共5页Network Security Technology & Application

摘　　要：随着区块链的迅速发展,利用虚拟货币实施犯罪数量逐年增加,因此建立以人工智能算法为检测区块链犯罪模式的识别技术显得尤为重要。本文提出了Transformer-Tam-Ttm模型,应用于以太坊地址的交易流向图中涉及的恶意地址检测技术,模型在Transformer自注意力机制中融合了交易额度和交易时间的影响因素,从而使得模型能够从以太坊恶意标签地址中学习到交易过程中资金流向特征的异常信息。实验结果表明Transformer-Tam-Ttm在测试集中精准率(Precision)、召回率(Recall)和F1指标优于传统的检测算法。

关 键 词：交易时间 注意力机制 以太坊地址 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]