双结构时间感知图神经网络的区块链风险地址识别方法

本发明公开了一种双结构时间感知图神经网络的区块链风险地址识别方法，该方法通过对原始数据进行解析与清洗，基于有效交易记录生成交易对与账户对，最后进行时间戳标准化处理，对标注好的训练数据并进行模型训练以及划分数据集；然后构建账户图与交易图的双结构图模型，首次区分区块链中账户与交易的异质特性，分别建模交互关系与行为演化，提升风险识别的全面性与精准度。通过引入相对与绝对时间编码，差异化捕捉短期行为模式与长期趋势，增强对动态风险的感知能力。相比传统单一图模型，本方案有效融合多维度信息，显著提升模型泛化性能，减少过拟合，适用于跨场景、跨周期的风险检测。