南京邮电大学学报(自然科学版)

作者：赵鹏,王文剑,吴迪,张虹

单位：太原师范学院计算机科学与技术学院，山西 晋中，030619山西大学计算机与信息技术学院，山西 太原，030006大连理工大学计算机学院，辽宁 大连，116081太原师范学院计算机科学与技术学院，山西 晋中，030619

关键词：区块链异常交易检测；XGBoost；随机森林；比特币交易

基金：国家自然科学基金青年基金（62076154）和山西省自然科学研究基金（202303021221173）

近年来，黑客攻击、网络钓鱼、勒索病毒等事件频发，使得区块链交易异常检测成为当前研究的热点之一。XGBoost 作为一种基于梯度提升框架的机器学习算法，可灵活地处理数据特征，不仅关注模型的预测误差，还考虑了每个样本的相对重要性。在前人区块链交易异常检测研究的基础上，将XGBoost 与随机森林算法相结合，提出了基于XGBoost 和随机森林的区块链异常交易检测模型 （Blockchain Anomalous Transaction Detection Based on XGBoost and Random Forests， BATD_XRF）。模型分为数据特征处理、特征选择、分类检测3 个模块，选取Elliptic Data Set、Bitcoin Alpha Dataset 和Bitcoin OTC Trust Network Dataset 数据集，使用主成分分析方法对数据进行二分类。特征选择过程中通过Gini Mean Decrease 计算平均递减量，进一步确定特征的相对重要性。分类检测过程中提出网络搜索参数调优算法，并进行10 倍交叉验证。最终通过与其他模型的对比实验，证明了所提模型在区块链交易异常检测中的准确性更高，训练时间更短。

来源：2025年第01期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2025年第01期