基于LightGBM的区块链异常交易检测技术研究

【作者】王志强;王姿旖;王庆德;徐华福;

【作者单位】北京电子科技学院网络空间安全系;国家信息中心;广西大数据发展局;

【文献来源】信息安全研究

【摘要】传统的机器学习模型在处理小样本数据集时容易出现过拟合的情况.为解决此类问题并保证模型验证准确性，提出了基于LightGBM(LGBM)的区块链异常交易检测方法，利用网格搜索对模型参数进行优化，防止模型陷入过拟合状态，提高模型适应能力. LightGBM模型的AUC最佳取值为0.994,平均准确率为0.970.为验证异常检测算法的有效性，与随机森林、XGBoost模型进行对比实验，实验表明，该方法具有更高的准确率和训练效率.

【关键词】异常检测;;区块链;;深度学习;;网格搜索;;LightGBM

【文献类型】实证数据

【论文大主题】链上数据分析

【论文小主题】异常交易行为检测

【数据来源】

【代码】

【期刊级别】

【复合影响因子】

【综合影响因子】

【DOI】

【发布时间】