Многодистанционная пространственно-временная графовая нейронная сеть для обнаружения аномалий в транзакциях блокчейна

В статье представлена MDST-GNN — многодистанционная пространственно-временная графовая нейронная сеть для обнаружения аномалий в блокчейне. Для решения задач выявления мошеннических транзакций с криптовалютами MDST-GNN объединяет многодистанционную архитектуру графовой свёртки с адаптивным моделированием временных зависимостей, что позволяет учитывать как локальные, так и глобальные пространственные взаимосвязи, одновременно выявляя закономерности в анонимизированных временных данных. В модели используется самосупервизируемое обучение для повышения способности к обобщению. Эксперименты на наборе данных Elliptic демонстрируют превосходство MDST-GNN над современными методами: улучшение составило 1,5% по показателю AUC-ROC и 2,9% по показателю AUC-PR. Устойчивость модели к различной временной гранулярности и её эффективность в выявлении подозрительных транзакций подчёркивают её практическую ценность для криминалистического анализа блокчейна.