高判别精度的区块链交易合法性检测方法

来源：计算机工程与应用杂志2024年第5期北京时间：

作者：蔡元海, 宋甫元, 黎凯, 陈彦宇, 付章杰

单位：1.南京信息工程大学 数字取证教育部工程研究中心，南京 210044；2.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

摘要：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。

关键词：区块链,合法性检测,可信深度森林,神经网络,双阶段集成