CN119444259A NFTRugPull欺诈检测方法、系统、介质及设备 （中国人民大学）

号备采用VGG与Transformer结合的方式提取图片特DeepWalk通过从某一节点开始执行随机游走随机遍历整个交易图，以Skip_Gram模型为每个节2采用NFT交易数据，将账户作为节点，将交易资金的流动作为有向边以构建交易网络子图，使用DeepWalk通过从某一节点开始执行随机游走，随机遍历整个交易图，以Skip_将提取的文本特征、图片特征和交易特征拼接聚合成一个整体特2.如权利要求1所述NFTRugPull欺诈检测方法，其将每个图片的基础特征集合输入Transformer模型，利用Transform将VGG提取的基础图片特征与Transformer提取的集合特征进通过遍历数据集中每个文件夹中的图像文件，逐一读取并进行预处理5.如权利要求3所述NFTRugPull欺诈检测方法，其通过对所有输入特征的平均计算，生成一个全局的集合特征向量3在游走过程中，每次选择当前节点的邻居节点作为下一个访问数据被分为训练集和测试集，其中训练集进一步分为标签和选择表现最优的模型用于NFT欺诈检测，确保高准确性和可靠性，为N9.一种存储一个或多个程序的计算机可读存个或多个程序包括用于执行如权利要求1至7所述方法中的任一4名性为欺诈者提供了可乘之机，使得NFT欺诈检测成为维护市场诚信和保护投资者利益的[0003]传统的NFT欺诈检测方法大多仅使用交易数据，而忽视了NFT本质上的多媒体特5采用torchvision.transf6图2是本发明实施例中基于多模态融合的NFTRugPull欺诈检测模方法详细流程由于单一的数据源往往无法全面反映NFT项目的真实状况和风险，而多源数据的综合分析维度的数据整合方法不仅提升了模型的预测精度，也为NFT市场的风险识别和防控提供了7值的子图，使用DeepWalk通过从某一节点开始执行随机游走，随机遍历整个交易图，以[0028]1.3）在Opensea上进行爬取正常NFT的信息，利用python中的scrapy框架+[0029]在Comparitech上下载迄今为止所有的已确定的NFTRugPull数据，然后在Opensea上进行爬取正常及欺诈的NFT的信息，利用python中的scrapy框架+selenium模拟8题，另一个句子是答案那么BERT会使用分段嵌入来区分这两个句子。每个句子的所有通过调用models.vgg16(pretrained=True)，可以直接获取在ImageNet数据集上由于VGG16模型对输入数据的分布有特定要求，这一过程对于图像预处理至关重9最后将图像转换为张量并进行归一化处理。这些步骤保证了输入到VGG16模型中的图像符输入Transformer进行集合特征[0043]具体而言，Transformer模型的输入形状被设计为(sequence_length,batch_换为适合Transformer模型处理的格式，确保每个特征向量能够在全局上下文中进行关联点的有效学习，使得生成的特征向量能够良好地代表交易网络的整体信息。故，使用采用torchvision.transf的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件[0073]这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特以对前述各实施