近日，2018级博士生李晨晨（导师金海教授）的论文“Detecting Arbitrage on Ethereum Through Feature Fusion and Positive-unlabeled Learning”被计算机网络领域顶刊 IEEE Journal of Selected Areas in Communications (IEEE JSAC) 录用。

去中心化交易所（DEX）如果缺乏监管，套利者将可以利用信息和价格差距在以太坊区块链等平台上获利。DEX 套利为欺诈带来了可能性和机会，并可能严重损害以太坊生态系统的运行。论文通过探索如何表征套利的独特特征，以及这些特征不同于洗钱和庞氏骗局等其它欺诈行为，可以更有效地检测出以太坊中的套利行为，同时首次尝试通过特征融合和正无标签学习（PU learning）来检测以太坊上的套利活动。论文首先对数据进行深入分析，融合利用双重套利特征，包括：1）根据专家知识明确表示节点活动水平的统计特征； 2) 通过图机器学习对交易信息进行隐式编码的结构特征。其次，论文应用PU学习来生成负实例以补偿不平衡的套利数据集。通过对真实世界数据集的广泛实验来评估提出的方法，证明它在检测以太坊套利活动方面可以达到90%的准确率。

IEEE JSAC是计算机网络相关研究领域的顶级刊物，主要关注计算机网络及通信方面的最新研究进展和技术。该期刊是中国计算机学会（CCF）推荐的A类期刊，每年出版12期，每年录用论文约240篇左右，该期刊的影响因子为13.081。

（通讯员：李晨晨）