以太坊雖然在區塊鏈創新上表現亮眼，但開放與隱匿的特性也給了不法分子可乘之機。數據擺在眼前：截至去年上半年，ICO詐騙和網路詐騙的累計損失就達2.25億美元，而2022年全年那些異常交易涉及的金額更是嚇人——238億美元。

這麼大的黑洞怎麼補？傳統的人工標註方法早就頂不住了，數據標註有限、成本高、難以規模化。好在這幾年無監督機器學習技術有了突破，給交易風險檢測帶來了新思路。

**怎麼入手呢？先把數據理順**
異常交易檢測的第一步就是把以太坊那海量交易數據結構化。從鏈上數據源拉取歷史交易記錄，然後構建一個帶權多重交易網絡。簡單說，圖裡的節點就是各個帳戶，邊代表交易流向，權重由交易金額和時間戳決定。這樣設計的好處是既能看出帳戶間的關聯，也能看出交易的時空特徵。比如高頻大額交易聚集可能是庞氏騙局，分散小額交易可能涉及粉塵攻擊。

**再用對偶圖轉換挖深層特徵**
原始交易網絡中交易關係往往隱晦不清，所以研究者想出了對偶圖轉換這招：把每筆交易本身當成一個獨立節點，在共享帳戶的交易之間建立連接。這麼一轉換，交易間的間接關聯就顯式化了，能挖出很多以前看不見的關係鏈條。