BERT4ETH: предварительно обученный трансформер для обнаружения мошенничества в сети Ethereum
BERT4ETH: A Pre-trained Transformer for Ethereum Fraud Detection
2023-04-26
SCID: 54.1/bvnej866
Discuss with AI
BERT4ETHобнаружение мошенничества в Ethereumдеанонимизацияобнаружение фишинговых аккаунтовпредобученный Transformer-энкодер
Figures from the paper
Abstract (AI)
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.
Key Findings
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.
Research Object
Аккаунты Ethereum и последовательности их транзакций, характеризующиеся мошенническим поведением
Research Subject
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
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest