공간 - 시간 그래프 신경망을 활용한 암호화폐 시장 사기 탐지

요약

본 논문은 암호화폐 시장의 사기 거래를 탐지하기 위해 공간-시간 그래프 신경망(STGNN)을 활용하는 방법을 제안합니다. 기존 방식이 개별 자산과 거래를 독립적으로 처리했던 것과 달리, 이 방법론은 시장 조작이 관계적 구조와 시간적 패턴에 의존한다는 점에 착안하여, 주의 기반 공간 집계와 시간적 Transformer 인코딩을 결합한 통합 그래프 아키텍처를 사용합니다. 실제 데이터셋 평가 결과, 제안된 그래프 기반 모델이 기존의 표준 기계 학습 방식보다 시장 조작 스킴 탐지에서 유의미하게 높은 성능을 보였습니다.

핵심 포인트

• 암호화폐 사기 탐지는 개별 자산 분석을 넘어선 관계적 구조(그래프) 이해가 필수적이다.
• 제안된 모델은 주의 기반 공간 집계와 시간적 Transformer 인코딩을 결합한 통합 STGNN 아키텍처를 사용한다.
• 이 방법론은 펌프 앤 덤프와 같은 시장 조작 스킴의 복잡하고 연결된 패턴 탐지에 강점을 가진다.
• 실제 데이터셋 평가 결과, 그래프 기반 모델이 기존 ML 베이스라인 대비 우수한 이상 현상 탐지 성능을 입증했다.