LEVERAGING ENSEMBLE-BASED SEMI-SUPERVISED LEARNING FOR ILLICIT ACCOUNT DETECTION IN ETHEREUM DEFI TRANSACTIONS
创建于 更新于
摘要
本文提出了SLEID，一种基于集成半监督学习的以太坊DeFi非法账号检测框架。方法结合孤立森林进行离群点检测和自训练机制迭代生成伪标签，有效解决标注数据匮乏和恶意账号复杂行为问题。实验覆盖690万笔交易，结果显示SLEID在少数类精准率提升2.56个百分点、F1提升0.90个百分点，整体准确率提升3.74个百分点，同时显著减少对标注数据的依赖，提升了非法账户检测的效果与实用性[page::0][page::1][page::6].
