BERT4ETH: предварительно обученный трансформер для обнаружения мошенничества в сети Ethereum

BERT4ETH: A Pre-trained Transformer for Ethereum Fraud Detection
Sihao Hu, Zhen Zhang, Bingqiao Luo, Shengliang Lu, Bingsheng He, Ling Liu
2023-04-26

BERT4ETHобнаружение мошенничества в Ethereumдеанонимизацияобнаружение фишинговых аккаунтовпредобученный Transformer-энкодер
По мере распространения различных форм мошенничества в сети Ethereum крайне важно обеспечить защиту от этой злонамеренной деятельности, чтобы предотвратить причинение ущерба уязвимым пользователям. Хотя современные исследования в основном опираются на графовые подходы к обнаружению мошенничества, высказывается предположение, что они могут быть недостаточно эффективны для работы с транзакциями Ethereum, характеризующимися высокой повторяемостью, неравномерным распределением и неоднородностью. Для решения этих проблем мы предлагаем BERT4ETH — универсальный предварительно обученный кодировщик-трансформер, предназначенный для извлечения представлений аккаунтов с целью обнаружения различных видов мошеннического поведения в сети Ethereum. BERT4ETH использует превосходные возможности трансформера по моделированию динамических последовательностных закономерностей, присущих транзакциям Ethereum, и решает задачи предварительного обучения модели BERT для Ethereum с помощью трех практичных и эффективных стратегий: снижения повторяемости, смягчения неравномерности распределения и моделирования неоднородности. Эмпирическая оценка показывает, что BERT4ETH превосходит современные методы, обеспечивая значительное улучшение результатов в задачах обнаружения фишинговых аккаунтов и деанонимизации. Исходный код BERT4ETH доступен по адресу: https://github.com/git-disl/BERT4ETH.
1
BERT4ETH использует стратегии снижения повторяемости, смягчения дисбаланса и моделирования гетерогенности для эффективного предварительного обучения BERT на данных Ethereum.
2
BERT4ETH — универсальный предварительно обученный Transformer-энкодер, извлекающий представления аккаунтов для обнаружения различных видов мошенничества в Ethereum.
3
Эксперименты показывают значительное превосходство над современными методами в задачах обнаружения фишинговых аккаунтов и деанонимизации.
4
Метод моделирует динамические последовательностные закономерности транзакций Ethereum и учитывает ограничения графовых подходов при работе с повторяющимися, неравномерно распределёнными и гетерогенными данными.

Аккаунты Ethereum и последовательности их транзакций, характеризующиеся мошенническим поведением

Динамические последовательные закономерности транзакций и представления аккаунтов для выявления мошенничества, связанного с фишингом и деанонимизацией

Publication Details
Publication Date
2023-04-26
Journal
Publisher
ISSN
Cited by
84
Access Type
Author Information
Authors
Sihao Hu
Zhen Zhang
Bingqiao Luo
Shengliang Lu
Bingsheng He
Ling Liu
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat
Make a presentation
100%