简介：摘要：随着数字货币的迅猛发展，其便捷性、匿名性和海量数据给现有的监管体系带来了极大的风险与挑战。文章以Elliptic比特币数据集为例，研究了多种图神经网络的消息传递机制对于非法交易识别的效果，并将其与传统的机器学习模型进行对比。实验结果表明：门控图神经网络基于GRU的经典空域消息传递模式对异常交易的识别效果最好，其准确率为0.9604，召回率为0.6270，F1得分为0.7587，对规范交易行为，维护网络安全，维护数字货币市场稳定具有重要意义。
基于图神经网络的数字货币异常交易识别研究
