高判别精度的区块链交易合法性检测方法

TP18; 区块链上的交易合法性检测对于加密数字货币的监管具有重大意义.针对现有交易合法性检测方法存在的检测精度低下、判别过程中难以有效兼顾交易本身信息与前后拓扑信息的问题,提出融合可信深度森林的多角度高精度合法性检测方法.设计基于可信生成特征的可信深度森林TForest,以特征重排序的方式赋予子样本足够的区分度,结合可变滑动窗口以均衡无混淆的方式提取可信子样本,在大幅度降低生成特征维度的基础上,提高了深度森林的判别精度.提出一种集成策略,基于不同基模型对于正负样本识别能力的差异性,采用双阶段逐层优化的方式有效融合可信深度森林与Transformer图网络及残差网络三类基判别器,兼顾两方面信息...

Full description

Saved in:
Bibliographic Details
Published in计算机工程与应用 Vol. 60; no. 5; pp. 271 - 280
Main Authors 蔡元海, 宋甫元, 黎凯, 陈彦宇, 付章杰
Format Journal Article
LanguageChinese
Published 西安电子科技大学 综合业务网理论及关键技术国家重点实验室,西安 710071%南京信息工程大学 数字取证教育部工程研究中心,南京 210044 01.03.2024
南京信息工程大学 数字取证教育部工程研究中心,南京 210044
Subjects
trustworthy deep forest
区块链
合法性检测
blockchain
legitimacy discrimination
two-stage ensemble strategy
神经网络
双阶段集成
neural network
可信深度森林
Online AccessGet full text
ISSN1002-8331
DOI10.3778/j.issn.1002-8331.2211-0395

Cover

More Information
Summary:TP18; 区块链上的交易合法性检测对于加密数字货币的监管具有重大意义.针对现有交易合法性检测方法存在的检测精度低下、判别过程中难以有效兼顾交易本身信息与前后拓扑信息的问题,提出融合可信深度森林的多角度高精度合法性检测方法.设计基于可信生成特征的可信深度森林TForest,以特征重排序的方式赋予子样本足够的区分度,结合可变滑动窗口以均衡无混淆的方式提取可信子样本,在大幅度降低生成特征维度的基础上,提高了深度森林的判别精度.提出一种集成策略,基于不同基模型对于正负样本识别能力的差异性,采用双阶段逐层优化的方式有效融合可信深度森林与Transformer图网络及残差网络三类基判别器,兼顾两方面信息,构成高精度的多角度分析模型T2Rnet.在Elliptic数据集上的实验结果显示,该模型的F1-score达到83.11%,相比基准图卷积方法提升31.6%,具备可靠的交易合法性检测性能.
ISSN:1002-8331
DOI:10.3778/j.issn.1002-8331.2211-0395