Enhancing Ethereum Fraud Detection via Generative and Contrastive Self-supervision

要約

イーサリアム上での詐欺行為の横行は、ブロックチェーンエコシステムの健全な発展を妨げ、規制の強化が必要となっている。しかし、イーサリアムの取引環境におけるアカウントのインタラクション頻度やインタラクションタイプに関わる複数の不均衡は、データマイニングに基づく不正検知研究に大きな課題をもたらしている。これに対処するため、我々はまずイーサリアムにおける相互作用の振る舞いを洗練させるためのメタ相互作用の概念を提案し、これに基づいてメタIFDと名付けられた二重の自己監視強化型イーサリアム詐欺検出フレームワークを提示する。このフレームワークは、まず生成的自己監視メカニズムを導入してアカウントのインタラクション特徴を増強し、次に対照的自己監視メカニズムを導入して様々な行動パターンを区別し、最終的にマルチビューインタラクション特徴学習を通じてアカウントの行動表現を特徴付け、潜在的な詐欺リスクを検出する。実際のイーサリアムデータセット上での広範な実験により、ネズミ講やフィッシング詐欺などの一般的なイーサリアムの詐欺行為を検出する上で、我々のフレームワークの有効性と優位性が実証された。さらに、生成モジュールはイーサリアムデータにおける相互作用分布の不均衡を効果的に緩和することができ、対照モジュールは異なる行動パターンを区別するフレームワークの能力を大幅に向上させます。ソースコードは近日中にGitHubで公開される。

要約(オリジナル)

The rampant fraudulent activities on Ethereum hinder the healthy development of the blockchain ecosystem, necessitating the reinforcement of regulations. However, multiple imbalances involving account interaction frequencies and interaction types in the Ethereum transaction environment pose significant challenges to data mining-based fraud detection research. To address this, we first propose the concept of meta-interactions to refine interaction behaviors in Ethereum, and based on this, we present a dual self-supervision enhanced Ethereum fraud detection framework, named Meta-IFD. This framework initially introduces a generative self-supervision mechanism to augment the interaction features of accounts, followed by a contrastive self-supervision mechanism to differentiate various behavior patterns, and ultimately characterizes the behavioral representations of accounts and mines potential fraud risks through multi-view interaction feature learning. Extensive experiments on real Ethereum datasets demonstrate the effectiveness and superiority of our framework in detecting common Ethereum fraud behaviors such as Ponzi schemes and phishing scams. Additionally, the generative module can effectively alleviate the interaction distribution imbalance in Ethereum data, while the contrastive module significantly enhances the framework’s ability to distinguish different behavior patterns. The source code will be released on GitHub soon.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL