一种基于动态多模态图学习的加密货币非法账户检测方法

本发明涉及金融科技与网络空间安全领域，提供一种基于动态多模态图学习的加密货币非法账户检测方法，该方法包括：构建网络交易模型，完成多模态数据融合，结合图结构信息，为节点和边生成一套静态的初步嵌入表示；捕捉交易网络中边的时间动态特性，对边的属性序列进行建模，生成时间感知的边嵌入，提供动态化的节点嵌入，为检测非法账户提供支持；将所有节点的时间感知嵌入输入到分类器中，通过多层感知机进一步学习节点特征间的复杂关系，输出每个节点属于非法账户的概率。采用本发明的技术方案，解决了现有非法账户检测的动态交易模式和网络演化问题、多模态数据融合不足、交易模式的时间依赖性建模不足、不平衡数据下的检测性能不佳的问题。