王栋高工：基于深度PCA与贝叶斯优化的区块链异常交易检测
区块链复杂的交易场景与丰富的交易模式使其交易频繁受到匿名攻击、庞氏骗局、钓鱼攻击等违法行为的威胁，给基于区块链技术的智能电网发展带来巨大经济风险。针对区块链异常交易检测综合性能差的问题，分析了交易数据维度高、正负样本不均衡的特点，提出了一种基于深度主成分分析（principal component analysis，PCA）与贝叶斯优化的区块链异常交易检测方法。该方法设计深度PCA模型实现区块链交易数据线性与非线性降维，通过贝叶斯优化算法解决随机森林超参数优化问题，运用优化后的随机森林分类器有效应对正负样本不均衡问题，最终实现区块链异常交易检测。基于Elliptic数据集与电网区块链交易数据集的实验结果表明，所提方法有效提升了区块链异常交易检测的综合性能。
