GloTrust:在区块链图中连接本地和全球视角以进行信任评估

《Neurocomputing》:GloTrust: Bridging local and global views for trust evaluation on blockchain graphs

【字体: 大 中 小 】 时间:2026年04月21日 来源:Neurocomputing 6.5

编辑推荐:

  区块链信任评估中,传统GNN方法因局部消息传递和语义不对称导致全局依赖捕捉不足。本文提出GloTrust框架,通过构建扩展图增强长程连接,引入伪节点路由实现全局通信,并设计语义感知注意力机制动态加权异构信任关系。实验表明,该框架在真实区块链数据集上显著优于基线方法,且能抵御协同攻击等安全威胁,验证了其跨领域的适用性。

  
Xing Huang | Guangxia Xu | Lu Wang | Celimuge Wu | Shahid Mumtaz
广州大学网络空间先进技术研究所,中国广州,51006

摘要

信任评估是区块链系统中安全决策的基石,然而它面临着由于交互稀疏性和恶意共谋存在而产生的挑战。尽管图神经网络(GNNs)显示出潜力,但现有的局部消息传递范式由于接收范围有限,难以捕捉全局信任共识,并且常常无法区分信任行为与声誉积累之间的内在不对称性。为了克服这些限制,我们提出了GloTrust,这是一个通过图增强和伪节点路由来连接局部和全局视角的全球建模框架。具体来说,该框架构建了一个-规则扩展图,以引入长距离连接,并使用伪节点作为中继路由器来建立隐式的全球通信路径,从而从结构和路由的角度实现全球信息流动。此外,我们设计了一种语义感知的注意力机制,在聚合过程中自适应地对不同类型的信任边进行加权,从而更有效地利用信任语义。在两个真实世界数据集上的实验表明,我们的方法在多个指标上显著优于现有的最佳实践,并且在包括善意评价和恶意评价攻击在内的典型对抗性场景下保持了强大的鲁棒性。同时,在Advogato社交网络数据集上的验证结果证明了GloTrust在不同信任领域的一致优越性和有希望的泛化潜力。

引言

从物理领域扩展到数字虚拟空间,信任是维护健康互动和确保交易安全的基石[14],[21],[33]。在社交媒体和电子商务等传统生态系统中,错误信息和恶意行为(包括网络攻击)的传播严重侵蚀了相互信任的基础,威胁到这些平台的整体完整性[1],[9],[10]。
最近,区块链技术[29]作为一种范式转变的基础设施出现,支持从支付系统[25]到供应链管理[47]和数字身份[5]等各种去中心化应用。尽管区块链的底层共识机制有效地确保了交易记录的不可变性和公平性,但缺乏中央监督和节点的固有匿名性为恶意实体提供了从事有害活动的机会。这些架构特性使得节点之间的信任关系高度不确定且难以量化,从而削弱了系统的稳定性并嵌入了深刻的安全风险。因此,在没有中央认可的环境中,信任评估技术变得尤为重要。作为一种基本的安全能力,可靠的信任评估可以直接增强关键应用(如入侵检测[2],[6]、访问控制[17]和去中心化金融(DeFi)[3]),显著提高区块链生态系统的鲁棒性和安全性。
传统的区块链信任评估方法[19],[23],[24],[35],[44]主要依赖于统计模型,这些模型通过聚合节点的历史交易行为和评估信息来预测信任值。例如,Tu等人[35]在多个维度上量化节点行为,并使用改进的Beta分布模型和动态窗口来权重和更新节点的总体声誉。Yin等人[44]结合了统计清洗和QoS计算来进行信任评估。尽管这些方法具有一定的可解释性,但它们通常将节点视为独立实体,未能捕捉到复杂网络拓扑中隐藏的信任关系。随着深度学习范式在各个领域展示出强大的表示能力[4],[8],[46],图神经网络(GNNs)[12],[20],[30],[38],[40],[41]作为一种强大的数据驱动方法,由于其在图结构数据上的出色表示学习能力而受到了广泛关注。GNNs通过迭代消息传递机制将节点表示学习与网络拓扑相结合。通过递归聚合多跳邻居的特征,模型精确捕获了节点间的依赖关系。GNNs在信任评估、节点分类和链接预测任务中取得了显著的成功。对于信任评估,Lin等人[22]使用图卷积网络(GCNs)来聚合用户的进出边信息,捕捉信任的不对称性。Jiang等人[16]使用图注意力网络(GATs)为用户特征、网络结构和现有信任关系分配不同的权重,学习更丰富的节点表示以进行信任预测。
尽管取得了成功,现有的基于GNN的信任评估方法面临两个关键限制:第一个问题是GNNs通常依赖于局部消息传递。虽然可以通过堆叠多个GNN层来扩展邻居的接收范围,但这仍然将通信限制在局部区域,并可能导致一定程度的过度平滑。在区块链的背景下,非局部协作攻击(如Sybil攻击[27])很普遍。然而,现有的基于GNN的信任评估方法由于节点的感知范围仅限于多跳邻居而面临挑战。在这样的攻击场景中,由单个实体控制的多个恶意节点可能在网络拓扑中空间上相距甚远,如图1(a)所示,它们之间没有直接的边或紧密连接。因此,这些恶意节点看起来像是独立的个体。结果,模型难以捕捉由同一对手控制的节点之间的隐藏相关性。这种全球通信差距成为区块链信任建模中的一个核心挑战。第二个问题源于未能捕捉信任关系的内在不对称性和多样化语义。标准GNN通常基于节点特征和拓扑聚合邻居信息,而没有区分不同类型的信任语义。这导致了一个隐含的假设,即所有邻居贡献的信息是同质的,这可能会削弱关键可信边的影响力。在存在噪声信任关系的情况下,这种消息传递方法甚至可能放大不可靠的邻居信息,最终降低模型准确识别节点表示中真实信任结构的能力。
为了缓解这些限制,我们提出了GloTrust,这是一个通过图增强信任聚合和注意力引导的伪节点路由来连接局部和全局视角的统一区块链信任评估框架。在其核心,该框架通过两条平行但互补的路径在节点表示中建立全局依赖关系。在图增强信任聚合模块中,我们引入了一个建立在哈密顿循环上的-规则扩展图。如图1(b)所示,这种机制将长距离连接纳入稀疏的信任图中,而不损害固有的交易语义,从而打破了局部约束造成的信息瓶颈。作为这种拓扑重构的补充,一个语义感知的注意力模块通过学习特定权重来优化现有关系的利用,以实现不对称聚合过程。同时,注意力引导的伪节点路由模块将节点映射到一个共享的状态空间中,以捕捉远距离实体之间的潜在关联。通过利用可学习的伪节点作为全局中继,这一分支促进了整个图中的’节点—伪节点—节点’通信。最终,这两个分支的表示融合生成了一个既具有全局一致性又具有丰富语义的信任嵌入。我们的主要贡献可以总结如下:
(1) 我们提出了GloTrust,这是一个基于图增强和伪节点路由的区块链信任评估框架。具体来说,它通过构建扩展图并引入可学习的伪节点作为节点间全球通信的中间层来建立长距离通信。这两种机制共同实现了显式和隐式的全球通信,克服了传统方法中固有的局部信息传播的限制。
(2) 为了捕捉邻居聚合过程中不同信任关系的独特影响,我们引入了一种语义感知的注意力机制。该模块自适应地分配关系权重,从而细化了邻居消息的聚合,并增强了框架辨别潜在信任结构的能力。
(3) 我们在两个真实世界数据集上进行了广泛的实验,结果表明,所提出的方法在多个指标上优于当前的最佳实践。值得注意的是,它在对抗性随机攻击和Sybil攻击方面表现出强大的韧性。此外,其优越的性能扩展到了社交网络数据集,表明其在不同领域的适应性和部署潜力。
本文的其余部分组织如下。第2节回顾了信任评估的现有工作,并讨论了图神经网络中的全局消息传递机制。第3节正式定义了信任评估问题,并详细阐述了所提出的GloTrust框架的技术架构。第4节详细介绍了实验设置,并提出了全面的实证分析来验证我们方法的有效性。最后,第5节总结了本文。

相关工作

相关工作

在本节中,我们全面回顾了与我们的研究相关的文献。我们首先调查了区块链生态系统中的现有信任评估机制,强调了从统计方法向基于学习的方法的转变。随后,我们讨论了图神经网络在信任评估中的应用,特别是从社交网络领域获得的见解。最后,我们研究了图的全局消息传递技术的最新进展

方法论

在本节中,我们首先对研究问题进行了正式定义,然后详细阐述了GloTrust的组成部分。表1列出了本工作中使用的所有关键数学符号及其定义。

数据集

在区块链网络中,用户的匿名性给交易带来了潜在风险,如欺诈和不可靠的对手。因此,在交易之前评估用户信任是确保安全和减轻这些风险的关键步骤。为了研究这个问题,我们的研究利用了Bitcoin-alpha和Bitcoin-OTC1,这两个在区块链信任研究领域广泛认可的公共数据集。

结论

在本文中,我们提出了GloTrust,这是一个用于区块链交易网络的新型信任评估框架,有效地连接了全局和局部视角。为了解决现有信任评估方法在捕捉长距离依赖关系方面的局限性,我们战略性地结合了图增强和伪节点路由机制,分别促进显式的结构连接和隐式的潜在互动,从而显著增强了全局

CRediT作者贡献声明

Xing Huang:撰写——原始草案,可视化,方法论。Guangxia Xu:撰写——审阅与编辑,资金获取,概念化。Lu Wang:验证,数据管理。Celimuge Wu:监督,概念化。Shahid Mumtaz:监督,概念化。

利益冲突声明

作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文报告的工作。

致谢

这项工作得到了中国国家重点研发计划(项目编号2023YFB2703802)的部分支持;部分得到了中国国家自然科学基金(项目编号62272120、62572133、U25B2025)的支持;部分得到了广东省自然科学基金(项目编号2024A1515011426)的支持;部分得到了广州基础研究计划下的大学、研究所和企业的联合资助项目(项目编号2024A03J0325)的支持;部分得到了科技创新研发的支持
Xing Huang于2024年在中国鲁东大学获得了工程科学硕士学位。他目前在中国广州大学网络空间先进技术研究所攻读网络空间安全博士学位。他的研究兴趣包括信任评估、数据分析和区块链。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号