综述：以太坊区块链中欺诈检测的机器学习方法综述

《Blockchain: Research and Applications》：Machine learning methods for fraud detection within Ethereum blockchain—A review

　　

本综述系统探讨机器学习技术在以太坊区块链欺诈检测与防御领域的应用。作为支持去中心化应用（decentralized applications, dApps）的主流平台，以太坊面临诈骗、黑客攻击及恶意交易等多类欺诈风险。研究人员通过对现有机器学习模型的全面分析，梳理了可用于预测、识别及缓解以太坊生态系统中欺诈行为的核心技术路径，涵盖不同模型针对各类漏洞的适配性评估，同时对相关研究进展、核心挑战及局限性进行了系统性归纳。研究进一步梳理了该领域的数据集构建方法与特征工程策略，并指明了未来优化方向。尽管机器学习已显著提升以太坊安全性，但数据可用性不足、对抗攻击威胁及模型可解释性欠缺仍是关键瓶颈。针对上述缺口，研究人员提出融合深度学习架构、图表示学习及监督-无监督混合模型的潜在解决方案，同时指出主动学习（active learning）与遗传编程（genetic programming）在增强检测能力方面的应用前景。此外，借助人工智能尤其是大语言模型（large language models, LLMs）技术，有望在账户、区块及交易层面提升模型可解释性，为刻画以太坊网络中欺诈行为的全貌提供更清晰的视角。通过攻克上述挑战，机器学习技术的持续演进将进一步强化以太坊基础设施的鲁棒性、安全性与可信度。

1. 1.
   Introduction
   本节首先界定以太坊区块链的核心定位：作为市值仅次于比特币的第二大公链，其智能合约特性使其成为去中心化应用的核心载体，但也因此面临严峻的安全挑战——仅2020年区块链领域因安全事件造成的经济损失已达179亿美元。研究人员将以太坊中的欺诈行为划分为三类：智能合约漏洞（源于代码缺陷导致的资金或数据泄露）、金融欺诈（涵盖钓鱼诈骗、洗钱、套利滥用及未经授权的资产窃取等传统金融欺诈在链上场景的延伸）、黑客攻击（针对节点网络的双花攻击或审查攻击）。本研究聚焦于金融欺诈检测的机器学习方法，旨在为该领域的后续研究奠定理论基础。全文结构安排如下：第2章阐述研究方法论；第3章系统梳理现有研究成果，提炼特征构建最佳实践及适配不同欺诈类型的机器学习方案；第4章整合研究发现进行深度讨论；第5章总结研究结论。
2. 2.
   Research methodology
   本研究严格遵循系统综述与荟萃分析优先报告条目（Preferred Reporting Items for Systematic Reviews and Meta-Analyses, PRISMA）指南，围绕四个核心研究问题展开：RQ1梳理应用于以太坊金融欺诈检测的机器学习技术体系；RQ2归纳不同机器学习范式下的特征表示与特征工程策略；RQ3挖掘跨欺诈类型的通用机器学习模式及知识迁移路径；RQ4指明当前研究的关键挑战与未来发展方向。文献检索于2023年11月19日至20日开展，覆盖Web of Science、Scopus及IEEE Xplore三大数据库，检索式为TITLE-ABS-KEY ((“ethereum” AND “fraud detection”))，经去重后获得93篇独立文献，最终通过全文筛选纳入33篇核心研究。在同类综述对比部分，研究人员指出Hou等人针对比特币与以太坊的区块链数据分析综述、集成学习在区块链异常检测中的应用综述，以及Kabla等人针对以太坊入侵检测系统的研究虽各有侧重，但均缺乏对以太坊欺诈检测机器学习方法的专项聚焦，本研究填补了这一空白。
3. 3.
   Review of applications
   本节首先依据欺诈类型与研究范式对文献进行分层归类：一级分类包含不区分具体欺诈类型的二元分类研究、针对庞氏骗局与钓鱼攻击的专项研究，以及基于无监督学习的异常检测研究；二级分类针对文献量充足的类别，进一步按机器学习范式划分为标准分类器、集成学习与深度学习架构。性能评估指标优先采用适用于不平衡数据集的精确率-召回率曲线下面积（precision-recall area under the curve, PR-AUC），其次为兼顾精确率与召回率的F1-score，仅在上述指标缺失时采用受试者工作特征曲线下面积（receiver operating characteristic-area under the curve, ROC-AUC），并明确指出ROC-AUC在不平衡数据集中的局限性。

3.1. Binary classification

3.1.1. Binary classification—standard classifiers

本部分涵盖账户级与交易级欺诈检测的标准分类器应用研究。账户级研究中，随机森林在决策树、k近邻（k-nearest neighbors, KNN）等模型的对比中表现最优；交易级研究中，堆叠框架（以朴素贝叶斯、随机森林为基础学习器，逻辑回归为元学习器）取得了该组最高的F1-score（97.14%）。特征提取主要依赖交易数据的统计特征，仅一项研究引入图表示特征，GPU加速的支持向量机（support vector machines, SVMs）、随机森林与逻辑回归模型也被应用于跨链欺诈检测。数据集规模普遍在数千量级，最大规模达1610万账户与1.41亿笔交易。过采样技术是应对数据不平衡的主要手段，其中堆叠模型与交易级模型的性能领先，账户级检测因复杂度更高成为待突破的研究难点。

3.1.2. Binary classification—ensemble learning

集成学习方法在本类别中展现出显著优势。极端梯度提升（extreme gradient boosting, XGBoost）、轻量梯度提升机（light gradient boosting machine, LGBM）与CatBoost是主流模型：XGBoost在多项账户级检测研究中取得优异性能；LGBM在交易级检测中F1-score达95.62%；CatBoost在六类欺诈活动预测中实现98.46%的AUC。特征工程方面，除统计特征外，Louvain社区发现算法与Node2Vec图嵌入技术被引入账户级检测，但相应模型的ROC-AUC仅为70.19%，反映出账户级检测的复杂性。一项创新研究将自编码器（autoencoder）的输出作为补充特征训练XGBoost模型，实现了监督与无监督学习的融合，为混合模型设计提供了参考。整体而言，集成学习方法在该组任务中的性能优于标准分类器，图特征融合与混合架构是重要演进方向。

3.1.3. Binary classification—deep learning architectures

深度学习架构呈现出从简单到复杂的演进路径：基础神经网络在交易级检测中表现优于传统分类器；长短期记忆网络（long short-term memory, LSTM）在账户级检测中取得98.35%的F1-score；图卷积网络（graph convolutional network, GCN）通过金额导向的网络嵌入提取节点特征，F1-score达95.00%。最具创新性的AdvRFD模型通过对抗重编程（adversarial reprogramming）技术复用ImageNet预训练模型，仅需12轮训练即达到92.75%的F1-score，大幅降低了训练成本。然而，深度学习模型的性能并未显著超越集成学习，且更高的复杂度对生产部署提出了挑战，混合架构（融合深度学习、图学习与对抗学习优势）被视为未来的重要研究方向。

3.2. Machine learning methods to detect phishing activity

本节针对以太坊特有的链上钓鱼攻击（2023年造成6550万美元损失）展开分析，同样按模型复杂度划分为两类。

3.2.1. Standard classifiers and ensemble learning approaches to detect phishing activity

研究涵盖了多类创新特征工程策略：基于多通道随机游走的多图嵌入方法transE提升了账户检测准确率；投票式特征选择框架Eth-PSD通过相关性评估筛选出关键特征；时间模体（temporal motif）特征结合子图采样方法，在保留交易网络结构与属性信息的同时增强了模型判别力。XGBoost在时间模体特征数据集上表现最优，F1-score达95.46%；采用过采样的Eth-PSD框架取得97.00%的F1-score。此外，研究人员还构建了“钓鱼隐藏框架”，通过注入恶意交易记录测试模型鲁棒性，揭示了现有检测系统的对抗脆弱性。

3.2.2. Deep learning architectures to detect phishing activity

深度学习模型在钓鱼检测中呈现出多样化创新：两阶段深度模型第一阶段用深度神经网络实现97.84%的F1-score，第二阶段结合K均值与监督分类器实现99.40%的F1-score；BERT4ETH基于Transformer架构，通过掩码地址预测（masked address prediction, MAP）任务学习交易序列中的账户关联，为账户去匿名化提供了新思路；GCN及其变体是主流架构，包括拆分收发图的双GCN模型、结合切比雪夫卷积与平均池化的GNN模型、融合条件随机场的GCNN-CRF模型，以及支持异构图消息传播的异构交易子网GCN。但部分复杂模型（如GCNN-CRF）的F1-score仅为43.71%，反映出模型复杂度与性能的背离，计算资源需求高也是此类模型落地的主要障碍。

3.3. Ponzi schemes

针对以太坊庞氏骗局（依托智能合约的金字塔骗术），研究呈现出特征融合的趋势：SMOTEENN混合采样结合CNN特征提取与随机森林分类的方案取得98%的F1-score；异构特征增强框架HFAug通过元路径行为特征融合，提升了同质图上的检测性能；GCN模型融合智能合约操作码特征与交易网络拓扑结构，实现了代码与行为特征的联合建模；一项研究进一步划分了0-day模型（合约上传即可获取的 opcode频率特征）、行为模型（用户交互统计特征）与全特征模型，其中0-day模型的F1-score达96.00%，为早期检测提供了可行路径。

3.4. Anomaly detection approaches

纯无监督异常检测研究分为网络级与账户级两类：网络级研究中，基于块摘要数据（sketches）的高效检测算法通过HyperLogLog与计数布隆过滤器实现高价值/高频交易的实时监测，时间区间检测F1-score达98.00%；拓扑异常检测（topological anomaly detection, TAD）框架通过堆叠持久图（stacked persistence diagram, SPD）捕捉多层 token 图的拓扑动态，F1-score为74.00%。账户级研究中，LSTM编码器-解码器模型基于块级聚合特征实现攻击检测；期望最大化（expectation maximization, EM）聚类结合随机森林的混合框架在38526个钱包的检测中取得92.00%的F1-score，验证了无监督预训练在欺诈检测中的有效性。

1. 4.
   Discussion
   针对RQ1，研究人员指出机器学习技术覆盖了从标准分类器到复杂深度学习的全谱系，但复杂度提升未必带来性能增益，且多数研究缺乏可复现性，图表示学习（GNN、Node2Vec）与监督-无监督混合模型是当前的演进热点。针对RQ2，特征工程已从基础交易统计特征发展为“交易统计+智能合约代码（操作码、函数调用）+图结构（PageRank、社区发现、图嵌入）”的三维体系，但缺乏统一的基准数据集阻碍了模型公平对比。针对RQ3，跨欺诈类型的方法迁移具备可行性：钓鱼检测的BERT4ETH可适配庞氏骗局的投资模式分析，自编码器异常检测方法可迁移至洗钱检测，社区发现算法可泛化为跨欺诈类型的团伙识别工具。针对RQ4，未来需攻克四大挑战：一是数据不平衡问题，需探索对抗式合成数据生成等高级方法；二是对抗攻击防御，需开发鲁棒特征提取与对抗训练机制；三是模型可解释性，大语言模型为实现账户、区块、交易级的可解释推理提供了可能；四是落地部署难题，需优化实时处理能力、可扩展性及与现有区块链基础设施的兼容性。此外，多任务统一检测框架与持续学习机制将是提升系统泛化能力的关键。
2. 5.
   Conclusions
   本研究系统论证了机器学习在以太坊欺诈检测中的核心价值，指出随着以太坊生态的持续扩张，先进机器学习模型的集成将成为保障交易完整性、保护敏感数据的必要手段。未来研究应聚焦监督与无监督学习的深度融合、主动学习与遗传编程的创新应用，以及大语言模型驱动的自解释模型开发，以满足监管合规与用户知情权需求。本综述为以太坊欺诈检测的学术研究与实践落地提供了系统性参考，有望推动去中心化金融生态的安全性、可信度与可持续发展能力的全面提升。