【摘 要】
：
针对区块链上存在的欺诈账户给交易带来的安全问题，提出基于机器学习的欺诈账户的检测及特征分析模型，将以太坊上真实的链上数据进特征提取后作为模型的数据来源，通过对不同的机器学习方法进行比较得到最优模型并进行迭代训练以获得最佳的预测模型，同时引入SHAP值对数据特征进行分析。实验结果表明，基于XGBoost的在欺诈账户检测模型在RMSE、MAE和R2三组指标上达到了0.205、0.084和0.833，优
论文部分内容阅读
针对区块链上存在的欺诈账户给交易带来的安全问题，提出基于机器学习的欺诈账户的检测及特征分析模型，将以太坊上真实的链上数据进特征提取后作为模型的数据来源，通过对不同的机器学习方法进行比较得到最优模型并进行迭代训练以获得最佳的预测模型，同时引入SHAP值对数据特征进行分析。实验结果表明，基于XGBoost的在欺诈账户检测模型在RMSE、MAE和R2三组指标上达到了0.205、0.084和0.833，优于其余的对比模型，并结合SHAP值，识别出预测欺诈账户的关键因素，为区块链的交易安全提供决策参考。
其他文献
面对数据稀少、数据维度高、多视角聚类任务的情况下，传统极大熵聚类算法会因类中心趋于一致，从而导致聚类失败。为解决此类问题，在传统极大熵聚类算法的基础上，引入类中心惩罚机制，融合权重矩阵实现多视角划分融合，构建出类中心极大的多视角极大熵聚类算法。该算法通过调整每个视角上的权重来体现某个视角的重要性，并通过类中心极大惩罚项，解决了多视角聚类任务下，因数据稀少、数据维度高导致每个视角上的类中心趋于一致的
随着数字社会的到来，使得数据成为了重要的生产要素，为了充分释放数据要素价值，作为数据安全共享的访问控制技术是实现数据安全应用与治理的关键。因此，围绕分布式架构下密文及密钥的安全性问题提出了一种基于区块链的密文访问控制方案。该方案利用密文生成算法与验证合约实现外包密文存储的真实性与完整性验证；设计了基于安全多方计算的属性密码，实现了用户私钥的链下安全多方计算并确保了私钥的唯一性，极大缓解了单属性权威
针对现有粗糙集属性约简方法中存在的连续数据处理时的信息丢失、粒化策略引入不一致信息、参数寻优困难等问题，提出一种适用于连续型数据、基于类别可区分度的非单调性启发式属性约简算法。首先以各样本的标签为依据对论域进行划分，同一标签的样本组合成一个簇，定义每个簇的类间可区分度和类内可区分度；其次，以最大化类间可区分度、最小化类内可区分度为约简原则，定义了一种新的属性重要性判别准则以确定最优约简集，从而提高
针对无线传感器网络在节点部署过程中存在节点覆盖空白及重叠覆盖的问题，提出一种改进平衡优化器算法(IEO)的网络覆盖优化。首先，利用环绕反向学习提高初始化种群质量，增强算法的优化能力；其次，引入动态正余弦因子进一步平衡全局搜索与局部开发能力，促使粒子种群对搜索空间中进行广泛搜索和深度挖掘。最后，通过在浓度更新阶段加入Circle混沌映射增加种群多样性，提高算法逃离局部最优的能力。实验结果表明，将IE
川藏铁路沿线自然环境恶劣、地形地质条件复杂，传统隧道工程勘察方法难以保证资料快速准确获取，制约着勘察工作的进度和质量。航空电磁测量是一种快速、高效的地球物理探测方法，在高海拔艰险山区具有独特优势。目前国内外针对深埋长大隧道的航空电磁测量工作有限，尚未形成理论化、系统化的勘察模式。作者在系统分析主要航空电磁测量技术参数的基础上，针对川藏铁路隧道工程地形地质条件复杂、隧道长、埋深大等特点，建立典型地质
在时间序列相似性度量研究中，动态时间弯曲(dynamic time warping,DTW)是最为常用的算法之一，但其存在病态对齐问题且未考虑时间属性影响。限制对齐路径长度DTW(DTW under limited warping path length,LDTW)和时间加权DTW (time-weighed DTW,TDTW)分别尝试解决上述两个问题中的一个，但未能同时解决DTW两方面不足。本研
目前航空装备制造企业的设计、制造相关流程中积累了大量数据。基于知识图谱技术可以对这些数据进行有效融合与管理，对不断更新的制造知识进行挖掘，将为航空制造企业智慧化升级提供有力的知识支撑。为探明知识图谱在航空制造领域的理论支撑体系与实际应用情况，先通过文献调研分析航空制造知识图谱架构、定义及特点；其次阐明知识图谱领域构建过程中的核心技术并进行研究综述，对比航空制造知识图谱与通用知识图谱构建技术上的异同
方面级情感分析目前是基于图卷积神经网络(GCN)来整合句子的语法结构，它能够有效地解决长范围词汇依赖不准确的问题。但GCN却拥有不必要的复杂性和冗余计算。此外，它忽略了属性与上下文之间相对位置的关系。该文提出了一种新的模型来解决上述问题。首先建立双向GRU层，接着使用位置感知转换增加靠近方面词的上下文词的重要程度，然后通过移除非线性和折叠连续层之间的权重矩阵来降低复杂性。再与特定屏蔽层进行融合实现
为了提高多目标优化问题非支配解集的收敛性和多样性，解决算法后期易陷入局部最优的问题，根据不同差分进化策略特点，添加随机扰动，基于改进切比雪夫机制提出一种自适应差分进化策略的分解多目标进化算法(MOEA/D-ADE-levy)。首先使用混合水平正交实验产生均匀权重向量并应用于改进切比雪夫机制分解子问题得到均匀分布的初始种群；其次将种群分为优秀个体，中间个体和较差个体，对不同个体采用不同的变异策略，对
针对大部分现存有向网络链路预测方法仅关注有向局部结构及互惠链接信息而忽略有向全局结构，提出高阶自包含协同过滤(HSCF)链路预测框架。首先，利用随机游走方法计算高阶相似度矩阵去保持有向网络高阶路径信息；其次，将高阶相似度矩阵与协同过滤方法相融合构建高阶自包含协同过滤框架；最后，该框架分别与四个典型有向结构相似度包括有向共同邻居（DCN）、有向Adamic-Adar（DAA）、有向资源分配（DRA）