イーサリアムはブロックチェーンの革新において目覚ましい成果を上げている一方で、そのオープン性と匿名性の特性は悪意のある者にとっても狙いやすい環境を提供している。データは目の前にある：昨年上半期までにICO詐欺やネット詐欺による累積損失は2億2500万ドルに達し、2022年全体での異常取引に関わる金額はさらに驚くべきもので、238億ドルにのぼる。

これほど大きなブラックホールをどう埋めるか？従来の手動によるラベリング手法はもはや限界に達している。データのラベリングは制約が多く、コストも高いため、大規模化が難しい。幸い近年、教師なし機械学習技術に進展が見られ、取引リスク検出に新たなアプローチをもたらしている。

**まずはデータを整理しよう**
異常取引検出の第一歩は、膨大なイーサリアムの取引データを構造化することだ。オンチェーンのデータソースから過去の取引記録を取得し、重み付き多重取引ネットワークを構築する。簡単に言えば、グラフの各ノードはアカウントを表し、エッジは取引の流れを示す。重みは取引金額とタイムスタンプによって決定される。この設計の利点は、アカウント間の関係性だけでなく、取引の時空間的特徴も把握できる点にある。例えば、高頻度かつ大額の取引が集中している場合はポンジスキームの可能性があり、分散した小額取引はDust攻撃に関与している可能性がある。

**次に対偶グラフを用いて深層特徴を抽出**
原始的な取引ネットワークでは取引関係が曖昧なことが多いため、研究者は対偶グラフ変換という手法を考案した。これは、各取引自体を独立したノードとみなし、共通のアカウントを持つ取引間にエッジを張るものである。この変換により、取引間の間接的な関係性が明示化され、多くの従来見えなかった関係性を抽出できるようになる。