朝向量子就绪的区块链欺诈检测：通过集成图神经网络

于红博

摘要: 区块链商业应用和加密货币能够实现安全、去中心化的价值转移，然而它们的匿名性创造了违法活动的机会，挑战了监管机构和交易所在反洗钱（AML）执法方面的工作。在区块链网络中检测欺诈交易需要能够捕捉结构和时间依赖关系的模型，同时对噪声、不平衡和对抗性行为具有韧性。在这项工作中，我们提出了一个集成图卷积网络（GCN）、图注意力网络（GAT）和图同构网络（GIN）的集成框架，以增强区块链欺诈检测能力。利用真实世界的椭圆数据集，我们调整后的软投票集成实现了高比例的违法交易检测，同时将假阳性率保持在1%以下，超过了单个GNN模型和基准方法。模块化架构包含量子准备设计钩子，允许无缝地将未来的量子特征映射和混合量子经典图神经网络集成进来。这确保了随着量子计算技术的成熟，可扩展性、鲁棒性和长期适应性。我们的研究结果强调集成GNN作为实时加密货币监控的实用和前瞻性解决方案，为提供即时AML效用和通往量子增强的金融安全分析提供了一条道路。

更新时间: 2025-09-27 04:17:23

领域: cs.LG,cs.AI,cs.CR,cs.DC

下载: http://arxiv.org/abs/2509.23101v1