Ин таҳқиқот месанҷад, ки оё ҳисобҳои қаллобиро дар блокчейнҳое чун Ethereum ва Bitcoin, ки сохторҳои додаашон аз ҳам фарқ мекунанд, бо як модели ягона муайян кардан мумкин аст ё не. Муҳаққиқон усуле бо номи UniDetect таҳия кардаанд, ки таърихи муомилоти ҳисобҳоро бо истифода аз модели бузурги забонӣ ба хулосаҳои матнӣ табдил медиҳад, иттилои фарқкунанда дар ин хулосаҳоро аз галлюцинатсияҳои эҳтимолӣ ва муҳтавои берун аз вазифа ҷудо мекунад ва намояндагиҳои матнии ҳосилшударо бо графи муомилот муттаҳид месозад. Дар озмоишҳои Ethereum, UniDetect нишондиҳандаи F1-и 92,65 фоиз, AUC-и 94,82 фоиз ва Kolmogorov-Smirnov-и 68,94 фоизро гузориш кардааст; дар маҷмуаҳои додаҳои Bitcoin-M ва Bitcoin-L бошад, мутаносибан F1-и 92,98 ва 93,41 фоиз ба даст оварда шудааст. Бо ин ҳама, таҳқиқот preprint аст; дар татбиқи zero-shot-и байнизанҷирӣ барои ҳисобҳои қаллобӣ бозёбӣ аз 94,58 фоиз болотар боқӣ монда, дақиқӣ тақрибан дар сатҳи 60-63 фоиз қарор мегирад, ки нишон медиҳад шумораи зиёди ҳисобҳои муқаррарӣ метавонанд ҳамчун ҳушдори бардурӯғ ишора шаванд.

Ғояи асосии UniDetect аз он иборат аст, ки муомилоти блокчейн танҳо бо хусусиятҳои ададӣ, аз қабили маблағ, басомад ё дараҷаи гиреҳ арзёбӣ нашавад. Модел тарзи ҷамъ шудан ё паҳн гардидани ҷараёни маблағ, замонбандии муомилот, гуногунии тарафҳои муқобил ва намунаҳои ҳамсоягӣ дар графи муомилотро дар як намояндагии муштарак муттаҳид мекунад. Дар ҳоле ки модели бузурги забонӣ далелҳои матниеро тавлид мекунад, ки таърихи муомилоти ҳисобҳоро шарҳ медиҳанд, шабакаи асабии графӣ мавқеи сохторӣ ва робитаҳои ҳисобро дар шабакаи муомилот арзёбӣ мекунад.

Натиҷаи аз ҳама ҷолиби таҳқиқот он аст, ки як модел метавонад дар блокчейнҳои гуногун бозёбии баланд ба даст орад. Аммо натиҷаи «муайян кардани зиёда аз 94,58 фоизи ҳисобҳои қаллобӣ» маънои дақиқии умумиро надорад. Ин арзиш бозёбиро дар синфи қаллобӣ ифода мекунад; паст мондани дақиқӣ дар ҳамон озмоишҳо нишон медиҳад, ки модел набояд дар низоми воқеии назоратӣ танҳо ҳамчун механизми ниҳоии қабули қарор истифода шавад.

Саволи асосии таҳқиқот чист?

Саволи асосии таҳқиқот ин аст, ки оё ҳисобҳои қаллобиро дар блокчейнҳое, ки сохтори додаҳо, механизмҳои муомилот ва маънои рӯйдодҳояшон аз ҳам фарқ мекунанд, бо истифода аз намояндагии муштарак ва таснифгари муштарак муайян кардан мумкин аст ё не. Қисми муҳими усулҳои анъанавӣ ба хусусиятҳое такя мекунанд, ки барои занҷири муайяне чун Ethereum ё Bitcoin дастӣ таҳия шудаанд. Хусусиятҳое монанди масрафи gas, даъватҳои smart contract ё паёмҳои воридотӣ, ки барои Ethereum муфиданд, дар Bitcoin ба ҳамон шакл вуҷуд надоранд. Вурудҳо, баромадҳо ва сохтори бисёрадресии муомилоти Bitcoin низ аз мантиқи муомилоти ҳисобмеҳвари Ethereum фарқ мекунанд.

Тибқи гузоришҳои соҳавие, ки муаллифон иқтибос мекунанд, талафоти қаллобии криптовалютӣ дар нимсолаи аввали 2025 аз 2,47 миллиард доллари ИМА гузаштааст; тақрибан 20 фоизи ҳолатҳои мураккаби ғайриқонунӣ ба беш аз даҳ блокчейн паҳн шудаанд ва ҳаҷми фаъолияти ҷиноятии байнизанҷирӣ аз 21,8 миллиард доллари ИМА гузаштааст. Ин рақамҳо дар таҳқиқот ҳамчун ангезаи пажӯҳиш истифода шудаанд; озмоишҳои UniDetect ин талафоти иқтисодиро мустақиман чен накардаанд.

Кадом холигии усулҳои мавҷуда ҳадаф қарор гирифтааст?

Таҳқиқот се маҳдудияти асосии равишҳои мавҷударо ҳадаф мегирад:

• Муҳандисии хусусиятҳои махсуси занҷир: Бисёр моделҳо ба хусусиятҳои ададие такя мекунанд, ки коршиносон барои блокчейни муайян таъриф кардаанд. Ҳангоми интиқоли ин хусусиятҳо ба занҷири дигар, онҳо метавонанд ҳамон маъно ё ҳамтои додаиро надошта бошанд.
• Намояндагии маҳдуди семантикаи муомилот: Гарчанде маблағ, басомад ва сохтори граф муҳиманд, дар баъзе блокчейнҳо иттилои матнӣ ё нимсохторёфта, аз қабили паёмҳои муомилот, журналҳои шартнома ва пайдарпаии рафтор низ мавҷуд аст.
• Истифодаи ҷудогонаи моделҳои забонӣ ва графӣ: Гарчанде моделҳои қаблии бисёрзанҷирӣ мекӯшанд пайдарпаии муомилот ё сохтори графро умумӣ гардонанд, дониши соҳа, маънои матнӣ ва топологияи муомилот аксаран дар як раванди омӯзишӣ якҷоя оптимизатсия намешаванд.

Муаллифон UniDetect-ро ҳамчун аввалин кӯшиши татбиқи моделҳои бузурги забонӣ ба қаллобии блокчейнҳои гетерогенӣ бо стратегияҳои махсуси fine-tuning муаррифӣ мекунанд. Ин тавсифи «аввалин» иддаои худи муҳаққиқон аст; таҳқиқот санҷиши мустақили систематикии адабиётро пешниҳод намекунад.

Се мушкили татбиқи модели бузурги забонӣ

C1: Фаҳмидани блокчейнҳои гетерогенӣ дар шакли муштарак

Модел бояд сабтҳои гуногуни муомилотеро, ки метавонад дар Ethereum, Bitcoin ва дар оянда дар занҷирҳои дигар дучор шавад, дар доираи як забони умумии рафтор шарҳ диҳад. Барои ин UniDetect ба ҷойи маҷбур кардани муомилоти хом ба сутунҳои ададии яксон, аз додаҳои муомилотии ҳар занҷир хулосаи забони табиӣ дар сатҳи ҳисоб тавлид мекунад.

C2: Маҳдуд кардани галлюцинатсия ва хулосабарории аз ҳад зиёд

Модели бузурги забонӣ метавонад робита, вақт, муассиса ё пайванди ҷиноятиро тавлид кунад, ки дар сабти муомилот вуҷуд надорад. Дар муайянкунии қаллобӣ ин танҳо хатои матнӣ нест, балки метавонад маънои нодуруст пайвастани ҳисоби муқаррариро ба ҷиноят дошта бошад. Барои коҳиш додани ин хавф UniDetect ду агенти алоҳидаи таҳлилро истифода мебарад, ки хулосаи фарқкунанда ва хулосаи боқимонда тавлид мекунанд.

C3: Самаранок муттаҳид кардани матн бо графи бузурги муомилот

Табдил додани тамоми графи муомилот, ки аз миллионҳо гиреҳ ва садҳо миллион канор иборат аст, ба матн ва додани он ба модели забонӣ аз лиҳози ҳисоббарорӣ амалӣ нест. Аз ин рӯ UniDetect аввал дар атрофи ҳисоби марказӣ як зерграфи хурдро намунагирӣ мекунад, баъдан фишурдасозии аҳаммияти сохториро татбиқ мекунад ва танҳо хулосаҳои матнии гиреҳҳои интихобшударо ба шабакаи асабии графӣ интиқол медиҳад.

Графи муомилот чӣ гуна таъриф шудааст?

Шабакаи муомилот ҳамчун графи самтдор таъриф шудааст:

[ G = (V,E) ]

Дар ин ҷо V гиреҳҳои ҳисоб ё суроға ва E канорҳои муомилоти самтдорро нишон медиҳад. Граф дорои n гиреҳ ва m канори муомилот аст. Хусусиятҳои канор бо матритсаи зерин ифода мешаванд:

\[ X_E \in \mathbb{R}^{m \times d} \]

Ҳар сатр ба як канори муомилот мувофиқат мекунад ва d шумораи хусусиятҳои нигоҳдошташуда барои он канорро нишон медиҳад. Вобаста ба занҷир, хусусиятҳо метавонанд иттилои гуногун, аз ҷумла маблағи муомилот, шумораи муомилот, арзиши воридот, арзиши баромад ё ҳаққи хизматро дар бар гиранд.

Муайянкунии қаллобӣ ҳамчун таснифоти дугонаи гиреҳ формулабанди шудааст:

\[ f:(V,E,X_E,Y_L)\longrightarrow Y_U \]

Y_L гиреҳҳои нишондор ва Y_U гиреҳҳоеро нишон медиҳанд, ки нишони онҳо бояд пешгӯӣ шавад. Натиҷа пешгӯии мансубияти ҳисоб ба синфи муқаррарӣ ё қаллобӣ мебошад.

Намунагирии зерграф чӣ гуна анҷом дода мешавад?

UniDetect як ҳисоби нишондорро ҳамчун гиреҳи марказӣ интихоб мекунад ва дар атрофи он ҳамсоягии ду-hop-ро намунагирӣ мекунад. Дар ҳар hop ба ҳадди аксар K ҳамсояе афзалият дода мешавад, ки арзиши миёнаи муомилоташон баландтарин аст:

\[ C_h = \bigcup_{v \in C_{h-1}} \operatorname{topK}\left(\mathcal{N}_v,K,R[v,\mathcal{N}_v]\right) \]

• C_h: маҷмӯи гиреҳҳои интихобшуда дар hop-и h-ум мебошад.
• C₀: худи ҳисоби марказӣ мебошад.
• \mathcal{N}_v: ҳамсояҳои як-hop-и гиреҳи v мебошанд.
• K: ҳадди аксари шумораи ҳамсояҳое мебошад, ки дар ҳар hop нигоҳ дошта мешаванд; дар озмоишҳо 10 таъин шудааст.
• R[v,\mathcal{N}_v]: арзиши миёнаи муомилот байни марказ ва ҳамсояи номзад аст.

Воҳиди арзиши муомилот ба блокчейни истифодашаванда вобаста аст; барои Ethereum он метавонад ETH, барои Bitcoin BTC ё арзиши табдилёфтаи дар маҷмуаи додаҳо истифодашуда бошад. Мақола ба таври муфассал шарҳ намедиҳад, ки маблағҳо дар занҷирҳои гуногун барои ин холҳои намунагирӣ чӣ гуна миқёсбандӣ шудаанд. Гуфта шудааст, ки ҳангоми баробар будани арзиши миёнаи муомилот, иттилои муомилоте интихоб мешавад, ки арзиши умумии муомилоти баландтар дорад.

Фишурдасозии граф бар асоси аҳаммияти сохторӣ чӣ гуна кор мекунад?

Намунагирии ду-hop бо 10 ҳамсоя дар ҳар hop аз ҷиҳати назариявӣ метавонад босуръат афзоиш ёбад. Барои хурд кардани ин граф муҳаққиқон алгоритми SIGC бо номи Structural Importance Graph Compression-ро таҳия кардаанд. Холи аҳаммияти сохтории ҳар гиреҳи ҳамсоя чунин аст:

\[ S_u = \frac{\log(a_u^{in}+a_u^{out}+1)+\beta\log(d_u^{in}+d_u^{out}+1)}{L_u+1} \]

• a_uⁱⁿ ва a_u^out: маблағҳои воридотӣ ва баромадии муомилоти гиреҳи ҳамсоя мебошанд.
• d_uⁱⁿ ва d_u^out: дараҷаҳои воридотӣ ва баромадии гиреҳ дар дохили зерграф мебошанд.
• L_u: дарозии кӯтоҳтарин роҳ аз гиреҳи марказӣ то гиреҳи ҳамсоя мебошад ва бо breadth-first search ҳисоб карда мешавад.
• \beta: коэффисиенти беандозаест, ки байни рафтори пулӣ ва пайвастагии сохторӣ тавозун мегузорад; дар озмоишҳо 2 истифода шудааст.

Бо зиёд шудани ҳаҷми муомилот ва дараҷа, холи аҳаммият меафзояд, дар ҳоле ки бо зиёд шудани масофа аз ҳисоби марказӣ он кам мешавад. Агар зерграф аз ҳадди N_c гиреҳ зиёд шавад, гиреҳҳои дорои холи баландтарин нигоҳ дошта мешаванд. Барои канда нашудани пайвастагӣ, гиреҳҳо ва канорҳои миёнарав дар кӯтоҳтарин роҳҳо байни гиреҳи марказӣ ва гиреҳҳои нигоҳдошташуда низ ба графи фишурдашуда илова мешаванд. Дар озмоишҳо арзиши N_c 10 аст.

Агенти таҳлили криминалистӣ кадом иттилоъро хулоса мекунад?

Пас аз сохта шудани граф, агенти таҳлили криминалистии бар модели бузурги забонӣ асосёфта таърихи муомилоти ҳар ҳисобро ба матни аз се то панҷ ҷумла табдил медиҳад. Шаблони prompt дар маводи иловагӣ ба чор андоза тамаркуз мекунад:

Ин ҳадҳо қоидаҳои роҳнамо дар prompt-и модел мебошанд; таҳқиқот ба таври таҷрибавӣ исбот намекунад, ки онҳо барои ҳамаи блокчейнҳо ҳадҳои универсалии қаллобӣ мебошанд. Махсусан мисолҳои бо ETH ва gwei дода шуда ба Ethereum хосанд. Барои занҷирҳое чун Bitcoin, ки мафҳуми gas надоранд, чӣ гуна мутобиқ шудани ҳамон prompt муфассал нишон дода нашудааст.

Чаро хулосаи фарқкунанда ва хулосаи боқимонда ҷудо карда шудаанд?

Хулосаи аввалияи муомилот ба ду агенти гуногун фиристода мешавад:

• Агенти хулосаи фарқкунанда: Намунаҳои муомилот, ҷараёни маблағ, суроғаҳои марбут ва нишонаҳои замониеро, ки ба таснифоти қаллобӣ марбутанд, ҷудо мекунад. Он ба нишондиҳандаҳое чун интиқолҳои зич дар муддати кӯтоҳ, ҷамъ кардани маблағ аз манбаъҳои зиёд дар як ҳисоб ва баъдан паҳн кардани он ба ҳадафҳои сершумор, ҳаракати бисёр-hop-и маблағ ё ҳамкорӣ бо суроғаҳои хавфи баланд тамаркуз мекунад.
• Агенти хулосаи боқимонда: Ифодаҳои объективие, ки мустақиман ба таснифот марбут нестанд, ва тафсирҳои дастгиринашудаеро, ки модел метавонад тавлид кунад, ҷудо мекунад. Иттилое чун фаъол будани ҳисоб дар тӯли нӯҳ сол, ки дуруст аст, вале худ ба худ нишонаи ҷиноят нест, ва робитаҳои сохтаи муассисавӣ ба ин канал равона мешаванд.

Агенти фарқкунанда барои ҳар суроға ба додани намунаи аз ҳама муайянкунанда дар як ҷумла роҳнамоӣ шудааст. Агенти боқимонда бошад, бояд танҳо далелҳои хоми санҷишшаванда, аз қабили шумораи муомилот, фосилаи вақт ё ҳаҷмро нигоҳ дорад ва аз калимаҳои арзёбишаванда чун муқаррарӣ, қаллоб, хавфнок ё муҳим истифода накунад.

Хулосаҳои матнӣ чӣ гуна ба намояндагии граф табдил дода мешаванд?

Хулосаи фарқкунанда, хулосаи боқимонда ва хулосаи аслии муомилот бо модели забонии Sentence-BERT-и параметрҳояш собит ба векторҳо табдил дода мешаванд. Ин векторҳо ҳамчун хусусиятҳои ибтидоии гиреҳҳои граф истифода мешаванд. Сипас шабакаи асабии графии дуҷараёна бо номи Dual-PGNN хусусиятҳои матниро ҳамроҳ бо ҳамсоягиҳои муомилот коркард мекунад.

Ҳадафи ду роҳ ин аст, ки ҳангоми ба ҳисоб гирифтани иттилои ҳамсоягӣ, хусусиятҳои матнии худи ҳисоби марказӣ зери таъсири гиреҳҳои ҳамсоя гум нашаванд. Ин масъала аз он сабаб «камфляжи ҳамсоягӣ» ном гирифтааст, ки ҳисобҳои қаллоб метавонанд бо ҳисобҳои муқаррарӣ фаъолона ҳамкорӣ карда, худро дар сохтори ҳамсоягӣ пинҳон созанд.

Функсияи талафоти се-намоӣ чӣ гуна сохта шудааст?

Талафоти хулосаи фарқкунанда

Дуруст пешгӯӣ кардани синфи қаллобӣ аз ҷониби хулосаи фарқкунанда бо binary cross-entropy чен карда мешавад:

\[ \mathcal{L}_v^D = -\sum_{v \in V}\left[y_v\log(p_v^D)+(1-y_v)\log(1-p_v^D)\right] \]

• y_v: нишони дугонаи воқеии гиреҳ аст.
• p_v^D: эҳтимоли қаллобӣ аз хулосаи фарқкунанда аст.
• Талафот беандоза аст ва вақте ба синфи дуруст эҳтимоли баланд дода мешавад, кам мешавад.

Талафоти хулосаи боқимонда

Мақсад ин аст, ки хулосаи боқимонда ба таснифгар иттилои фарқкунанда набарад. Барои ин тақсимоти пешгӯӣ ба тақсимоти эҳтимолияти баробар миёни синфҳо наздик карда мешавад:

\[ \mathcal{L}_v^R = \sum_{v \in V}D_{KL}(p_v^R\parallel U_v) = \sum_{v \in V}\sum_{k\in\{0,1\}}p_v^R(k)\log\frac{p_v^R(k)}{U_v(k)} \]

• p_v^R: тақсимоти эҳтимолияти синфие мебошад, ки аз хулосаи боқимонда ба даст меояд.
• U_v: тақсимоти баробар аст; дар ҳолати ду синф барои ҳар синф 0,5 мебошад.
• D_KL: Kullback-Leibler divergence мебошад.

Ҳангоми хурд шудани ин талафот, хулосаи боқимонда байни синфҳои муқаррарӣ ва қаллоб афзалияти равшан тавлид намекунад. Дар ифодаи формула, гарчанде аломати талафот зернависи гиреҳ дорад, ҷамъбаст бар ҳамаи гиреҳҳои V навишта шудааст; ин нишон медиҳад, ки нотацияи мақола байни сатҳи гиреҳ ва сатҳи талафоти ҷамъшуда пурра ҷудо карда нашудааст.

Талафоти ортогоналӣ

Барои омехта нашудани намояндагиҳои фарқкунанда ва боқимонда, ҳосили дохилии ду намояндагӣ хурд карда мешавад:

\[ \mathcal{L}_v^O = \left\lVert S_v^D \cdot S_v^R \right\rVert_2^2 \]

S_v^D намояндагии гиреҳи фарқкунанда ва S_v^R намояндагии гиреҳи боқимонда мебошад. Наздик шудани ҳосили дохилӣ ба сифр барои ҷудо кардани ин намояндагиҳо дар фазои векторӣ пешбинӣ шудааст.

Талафоти умумӣ

\[ \mathcal{L}_v = \mathcal{L}_v^D+\lambda_1\mathcal{L}_v^R+\lambda_2\mathcal{L}_v^O \]

Дар озмоишҳо \lambda₁ 0,05 ва \lambda₂ 0,3 таъин шудаанд. Ин коэффисиентҳо тавозунро байни ҳадафи таснифоти фарқкунанда, бетарафсозии иттилои боқимонда ва ҷудокунии ду намояндагӣ назорат мекунанд.

Омӯзиши тақвиятӣ модели бузурги забониро чӣ гуна роҳнамоӣ мекунад?

Дар марҳилаи якуми омӯзиш кодгузори граф яхбандӣ шуда, модели бузурги забонии агентҳои хулосакунӣ бо LoRA fine-tune карда мешавад. Талафоти умумӣ аввал ба мукофот табдил дода мешавад:

\[ R_v = \exp(-\mathcal{L}_v) \]

Бо кам шудани талафот мукофот ба 1 наздик мешавад. Сипас бо тарҳ кардани baseline-и exponential moving average, advantage ҳисоб карда мешавад:

\[ \hat{A}_v = R_v-b_t \]

b_t мукофоти миёнаи ҳаракаткунанда дар қадами омӯзиш аст. Агар мукофоти як намуна аз миёнаи давраи охир баландтар бошад, advantage мусбат мешавад.

Талафоти REINFORCE дар сатҳи пайдарпаӣ чунин аст:

\[ \mathcal{L}_v^{RL}=-\hat{A}_v\left(\log p_v^{Disc}+\log p_v^{Resi}\right) \]

p_v^Disc ва p_v^Resi эҳтимолияти пайдарпаии матнии тавлидшуда аз ҷониби агентҳои хулосаи фарқкунанда ва боқимонда мебошанд. Эҳтимоли тавлиди хулосаҳои дорои advantage-и баланд зиёд ва дорои advantage-и паст кам карда мешавад.

Дар графи convergence-и Шакли 9, мукофоти ҳамворшуда дар тақрибан 50 қадами аввал аз сатҳи наздик ба сифр то 0,5 боло меравад ва дар қисми боқимондаи омӯзиш тақрибан дар доираи 0,5-0,6 мемонад. Гарчанде тағйирёбии мукофоти хом идома дорад, муаллифон онро ба дараҷаи гуногуни душвории зерграфҳо нисбат медиҳанд.

Дар марҳилаи дуюми омӯзиш шабакаи асабии графӣ чӣ гуна омӯзонда мешавад?

Дар марҳилаи дуюм модели бузурги забонӣ яхбандӣ шуда, Dual-PGNN омӯзонда мешавад. Намояндагии хулосаи фарқкунанда ё боқимонда ва намояндагии хулосаи аслӣ аз роҳҳои ҷудогона коркард мешаванд:

\[ \hat{Z}_v^{D/R}=\operatorname{GNN}(\hat{r}_v^{D/R},A_v)+\theta(\hat{r}_v^{D/R}) \]

\[ \hat{Z}_v^O=\operatorname{GNN}(\chi_v,A_v)+\theta(\chi_v) \]

• A_v: матритсаи ҳамсоягии зерграфи ҳисоби марказӣ мебошад.
• \hat{r}_v^D/R: намояндагии хулосаи фарқкунанда ё боқимонда аз агентҳои fine-tuneшуда мебошад.
• \chi_v: намояндагии хулосаи аслии муомилот мебошад.
• \theta: қабати хаттиест, ки хусусияти худи гиреҳи марказиро мустақиман интиқол медиҳад.

Намояндагии ниҳоӣ бо вазнҳои attention якҷо карда мешавад:

\[ \hat{S}_v^{D/R}=W_1\hat{Z}_v^{D/R}+W_2\hat{Z}_v^O \]

W₁ ва W₂ вазнҳои attention-и омӯхташаванда мебошанд. Ба ин тартиб модел метавонад аҳаммияти нисбии хулосаи фарқкунанда ва хулосаи аслии муомилотро барои ҳар намояндагӣ танзим кунад.

Шакли 1 ва Шакли 2 чиро шарҳ медиҳанд?

Шакли 1 фарқи асосии байни моделҳои анъанавии махсуси занҷир ва UniDetect-ро намоиш медиҳад. Дар тарафи анъанавӣ барои Bitcoin ва Ethereum қоидаҳои ҷудогона, муҳандисии ҷудогонаи хусусиятҳо ва равандҳои ҷудогонаи GNN мавҷуданд. Дар тарафи UniDetect бошад, муомилоти занҷирҳои гуногун аввал ба забони умумии хулосаи муомилот табдил дода шуда, баъдан графи бисёрзанҷирӣ ва намояндагии матнӣ ба як таснифгари ягона дода мешаванд.

Шакли 2 ҷараёни омӯзиш ва inference-ро муфассал нишон медиҳад. Дар қисми омӯзиш қадамҳои сохтани зерграф, тавлиди хулосаи муомилот, ҷудо кардани хулосаҳои фарқкунанда ва боқимонда, танзими агентҳои хулосакунӣ бо омӯзиши тақвиятӣ ва омӯзонидани Dual-PGNN ҷой доранд. Дар марҳилаи inference, шохаи хулосаи боқимонда дар пешгӯии ниҳоӣ истифода намешавад; хулосаи таҳлили криминалистӣ ва хулосаи фарқкунанда тавассути кодгузори граф ба эҳтимоли қаллобӣ табдил дода мешаванд.

Кадом маҷмуаҳои додаҳо истифода шудаанд?

Дар таҳқиқот се маҷмуаи додаҳои блокчейнӣ ва барои озмоиши умумисозии берун аз занҷир як графи Instagram истифода шудааст:

Нишонҳои қаллобии Ethereum аз Etherscan Label Cloud, XLabelCloud ва CryptoScamDB гирифта шудаанд. Нишонҳо phishing, ҳамлаҳои осебпазирии Upbit, gambling ва honeypot-ро дар бар мегиранд. Ҳисобҳои дорои ҳувияти махсуси маълум, аз ҷумла miner-ҳо ва таъминкунандагони хадамоти молиявӣ, ба синфи муқаррарӣ илова шудаанд.

Муомилоти Ethereum аз 7 августи 2015 то 10 апрели 2025 тавассути Etherscan API ҷамъоварӣ шудаанд. Муомилоти дорои маблағи сифр ва муомилоти ноком хориҷ карда шудаанд. Интиқолҳои сершумор байни ҳамон ду ҳисоб дар як канори самтдор якҷо карда шуда, маблағи умумии интиқол ва басомади умумии муомилот ҳамчун хусусиятҳои канор нигоҳ дошта шудаанд.

Bitcoin-M аввалин 1,5 миллион муомилоти то моҳи июни 2015-ро дар бар мегирад. Дар канорҳо арзиши воридот, миқдори воридот, арзиши баромад ва миқдори баромад мавҷуданд. Bitcoin-L муомилоти байни июн ва сентябри 2015-ро фаро гирифта, илова бар ҳамин хусусиятҳо ҳаққи муомилотро низ дар бар мегирад. Суроғаҳои марбут ба gambling ва mixing services ба синфи қаллобӣ дохил карда шуда, ҳисобҳои боқимонда муқаррарӣ қабул шудаанд.

Ин тарзи нишонагузорӣ маҳдудияти муҳими тафсирӣ ба вуҷуд меорад. Робита бо gambling ё mixing services худ ба худ маънои онро надорад, ки ҳар ҳисоб аз ҷиҳати ҳуқуқӣ қаллобӣ анҷом додааст. Ба ҳамин монанд, равиши «ҳамаи ҳисобҳои боқимондаро муқаррарӣ ҳисоб кардан» метавонад ҳисобҳои ғайриқонуниеро, ки ҳанӯз нишонагузорӣ нашудаанд, ба синфи муқаррарӣ дохил кунад.

Дар озмоиши Instagram гиреҳҳо корбарон, канорҳо робитаҳои follow ва тавсифи profile хусусиятҳои матнии ибтидоиро ифода мекунанд. Вазифа муайянкунии қаллобӣ нест, балки ҷудо кардани ҳисоби тиҷоратӣ аз ҳисоби корбари муқаррарӣ мебошад. Ин озмоиш нишон медиҳад, ки модел ба вазифаи дигари таснифоти графӣ интиқолпазир аст; он нишон намедиҳад, ки модел қаллобиро берун аз соҳаи молиявӣ муайян мекунад.

Додаҳо чӣ гуна тақсим шудаанд ва бо кадом моделҳо муқоиса шудаанд?

Ҳамаи маҷмуаҳои додаҳо ба 80 фоиз омӯзиш, 10 фоиз validation ва 10 фоиз test тақсим шудаанд. Мақола мегӯяд, ки натиҷаҳои миёна ва стандартӣ аз чандин иҷро ҳисоб шудаанд; аммо шумораи такрорҳо дар матни асосӣ ва маводи иловагӣ ба таври возеҳ дода нашудааст.

UniDetect бо маҷмӯан 20 усули асосӣ муқоиса шудааст:

• Усулҳои умумии намояндагии граф: DeepWalk, Node2Vec, GCN, GAT, GIN, GraphSAGE ва APPNP.
• Усулҳои аномалияи граф: CARE-GNN, BWGNN, GRIT, DGA-GNN, PMP ва FLAG.
• Усулҳои якзанҷирӣ: Trans2Vec, TSGN, Ethident ва TEGDetector.
• Усулҳои бисёрзанҷирӣ: SIGTRAN, BERT4ETH ва DIAM.

Модели асосии бузурги забонии UniDetect Gemma-3-4B-it, модели embedding-и матн Sentence-BERT ва backbone-и граф CARE-GNN мебошад. Dual-PGNN бо ду қабат ва андозаи пинҳонии 64 сохта шудааст. Оптимизатори AdamW, learning rate-и 5 × 10^-6 ва early stopping истифода шудаанд. Омӯзиш аз ду outer epoch ва 10 inner epoch иборат аст.

Меъёрҳои арзёбӣ чӣ маъно доранд?

• Дақиқӣ: Месанҷад, ки аз ҳисобҳои қаллобӣ нишондодашуда чӣ қадар воқеан нишони қаллобӣ доранд.
• Бозёбӣ: Месанҷад, ки аз ҳисобҳои нишондоршудаи қаллобӣ чӣ қадар аз ҷониби модел пайдо шудаанд.
• F1: Миёнаи гармоникии дақиқӣ ва бозёбӣ мебошад.
• AUC: Қобилияти моделро барои тартиб додани ду синф дар ҳадҳои гуногун чен мекунад.
• Kolmogorov-Smirnov: Бузургтарин ҷудоӣ байни тақсимоти score-и пешгӯии ҳисобҳои муқаррарӣ ва қаллобиро чен мекунад.

Меъёри KS дар таҳқиқот чунин таъриф шудааст:

\[ KS=\max_x\left|F_1(x)-F_2(x)\right| \]

Дар ин ҷо F₁(x) ва F₂(x) функсияҳои тақсимоти ҷамъшавандаи ду синф мебошанд; ин рамзҳо набояд бо score-и таснифотии F1 омехта шаванд. Барои ҳамаи меъёрҳо арзиши баландтар натиҷаи беҳтарро ифода мекунад.

Натиҷаҳои асосии озмоишҳо кадоманд?

Дар Ethereum, нисбат ба қавитарин усули муқоисавӣ, афзоиши UniDetect дар дақиқӣ 8,71, дар бозёбӣ 5,40, дар F1 8,56, дар AUC 12,15 ва дар KS 7,58 банди фоизӣ мебошад. Дар ҳоле ки F1-и версияи UniDetect бе fine-tuning дар Ethereum 85,38 фоиз буд, дар модели пурра ба 92,65 фоиз расидааст. Ин фарқ нишон медиҳад, ки fine-tuning-и модели бузурги забонӣ бо feedback-и вазифа ба натиҷаҳо саҳми муҳим гузоштааст.

Дар Bitcoin-M нисбат ба қавитарин муқоиса афзоиши F1 5,41, AUC 6,47 ва KS 5,57 банди фоизӣ мебошад. Дар Bitcoin-L афзоиши F1 3,61, AUC 5,17 ва KS 6,49 банди фоизӣ аст.

Гарчанде дар ҷадвалҳо миёнаҳо ва стандартӣ дода шудаанд, барои фарқҳои байни усулҳо hypothesis test, confidence interval ё p value пешниҳод нашудааст. Аз ин рӯ ба ҷойи «бартарии аз ҷиҳати оморӣ маънодор» гуфтан дурусттар аст, ки дар миёнаҳои меъёрҳои гузоришшуда бартарӣ дида шудааст.

Озмоиши zero-shot-и байнизанҷирӣ чиро нишон медиҳад?

Моделе, ки дар Ethereum омӯзонда шудааст, бевосита ба Bitcoin татбиқ карда шудааст. Дар Шакли 5a, вақте ҳади таснифот аз 0,45 то 0,70 тағйир дода мешавад, бозёбӣ байни 94,58 ва 100 фоиз боқӣ мемонад. Дар муқобил, дақиқӣ тақрибан байни 60,07 ва 63,25 фоиз ва F1 тақрибан байни 73,46 ва 77,50 фоиз қарор мегирад.

Ин натиҷа ду ҷиҳати гуногунро ҳамзамон нишон медиҳад:

• Ҳангоми иваз шудани занҷир, модел метавонад қисми зиёди ҳисобҳои нишондоршудаи қаллобиро пайдо кунад.
• Қобилияти боэътимод ҷудо кардани ҳисобҳои муқаррарӣ ба таври назаррас паст мешавад ва false positive метавонад зиёд гардад.

Аз ин рӯ ибораи «муайян кардани зиёда аз 94,58 фоизи ҳисобҳои қаллобӣ» дар таҳқиқот бозёбии баландро ифода мекунад. Ин натиҷа худ ба худ маънои дақиқии баланд, сатҳи пасти ҳушдори бардурӯғ ё қарори худкори бехатар дар муҳити истеҳсолиро надорад.

Озмоиши интиқоли берун аз занҷир чиро нишон медиҳад?

Дар таснифоти ҳисоби тиҷоратии Instagram, UniDetect нисбат ба усулҳои муқоисашуда дар F1 6,06 ва дар AUC 4,47 банди фоизӣ натиҷаи баландтар гузориш кардааст. Ин озмоиш нишон медиҳад, ки fusion-и матн ва граф танҳо ба графи муомилоти блокчейн вобаста нест. Аммо азбаски вазифа муайянкунии қаллобӣ нест, натиҷа далели он нест, ки модел дар соҳаҳои дигар ҷинояти молиявӣ ё фиребро ошкор мекунад.

Озмоишҳои хориҷ кардани ҷузъҳо чиро нишон медиҳанд?

Хориҷ кардани агенти хулосаи боқимонда F1-ро 14,28 ва AUC-ро 15,01 банди фоизӣ паст мекунад. Ин нақши марказии моделсозии галлюцинатсия ё муҳтавои берун аз вазифаро ҳамчун намояндагии ҷудогона дастгирӣ мекунад.

Хориҷ кардани фишурдасозии SIGC натиҷаи дигар медиҳад: F1 аз 92,65 фоиз ба 93,62 фоиз меафзояд, дар ҳоле ки AUC аз 94,82 фоиз ба 94,14 фоиз коҳиш ёфта, вақти сохтани граф аз 1,26 сония то 40,37 сония зиёд мешавад. Аз ин рӯ гуфтан мумкин нест, ки фишурдасозӣ ҳамаи меъёрҳоро беҳтар мекунад; саҳми асосии он ба даст овардани суръати хеле калон бо тағйири хурди performance мебошад.

Графҳои гиперпараметр чиро нишон медиҳанд?

Шакли 6 таҳлили ҳассосиятро барои ҳади гиреҳҳои зерграф N_c, вазни сохторӣ \beta ва коэффисиентҳои талафот \lambda₁ ва \lambda₂ нишон медиҳад.

• Вақте N_c хеле хурд аст, иттилои ҳамсоягӣ нокифоя мемонад. Вақте хеле калон аст, ҳамсояҳои муқаррарӣ метавонанд намунаи гиреҳи марказии қаллобиро суст кунанд.
• Вақте \beta хеле хурд аст, садои маблағи муомилот бартарӣ пайдо мекунад. Вақте хеле калон аст, гиреҳҳои серпайванд ба мисли exchange ё ICO wallet метавонанд аз ҳад муҳим ҳисобида шаванд.
• Бо зиёд шудани \lambda₁ ва \lambda₂, F1 ва KS аввал баланд шуда, баъдан паст мешаванд. Дар як доираи васеи миёна performance нисбатан устувор мемонад.

Графҳо дастгирӣ мекунанд, ки танзимоти интихобшудаи N_c=10, \beta=2, \lambda₁=0,05 ва \lambda₂=0,3 ягона арзишҳои имконпазир нестанд, аммо дар минтақаҳои мутавозин қарор доранд.

Харҷи ҳисоббарорӣ чӣ қадар аст?

Омӯзиш дар низоме бо processor-и Intel Xeon Gold 6248R, 128 GB RAM ва ду NVIDIA A6000 GPU анҷом дода шудааст. Гарчанде таъхири inference паст аст, омӯзиши 12,42-соатаи LLM, эҳтиёҷ ба GPU-и иқтидори баланд ва харҷи preprocessing-и 1,26 сония барои ҳар ҳисоб нишон медиҳанд, ки бори умумии амалиётии система набояд танҳо бо вақти таснифоти 1,47 миллисония арзёбӣ шавад.

Намунаи ҳисоби воқеӣ мушкили галлюцинатсияро чӣ гуна нишон медиҳад?

Дар case study гуфта мешавад, ки як ҳисоби Ethereum дар тӯли тақрибан нӯҳ сол бо 81 суроғаи беназир 3.742 муомилот анҷом дода ва дар маҷмӯъ 5.454,23 ETH воридот гирифтааст. Хулосаи аввалияи таҳлили криминалистӣ навиштааст, ки net outflow бартарӣ дорад ва намунаи интиқоли бисёртарафа ва бисёр-hop мавҷуд аст.

Ҳамон хулоса инчунин иддао кардааст, ки муомилот асосан дар соатҳои кории Аврупо анҷом дода шудаанд ва ҳисоб дар гузориши Europol-и 2022 ишора шудааст. Ин ду иттилоъ аз додаҳои муомилотии воридшудаи модел санҷида намешаванд. Агенти хулосаи боқимонда ин ифодаҳоро аз далели фарқкунанда ҷудо кардааст; хулосаи фарқкунанда бошад, намунаҳои аз графи муомилот дастгиришаванда, аз қабили ҷамъ кардани маблағ, net outflow-и зич ва паҳнкунии бисёр-hop-ро нигоҳ доштааст.

Ин мисол исбот намекунад, ки UniDetect галлюцинатсияро пурра пешгирӣ мекунад. Агенти аввал ҳанӯз галлюцинатсия тавлид мекунад ва агенти баъдӣ мекӯшад онро филтр кунад. Дар татбиқи воқеӣ бояд ба назар гирифт, ки агенти филтркунанда низ метавонад хато кунад ва пайванди ҷиноятии дастгиринашударо дар хулосаи фарқкунанда боқӣ гузорад.

Моделҳои гуногуни бузурги забонӣ чӣ гуна муқоиса шудаанд?

Дар маводи иловагӣ Gemma-3-4B-it, Qwen2.5-3B-it, Qwen2.5-7B-it ва Llama-3.1-8B-it муқоиса шудаанд. Gemma-3-4B-it дар панҷ меъёр натиҷаҳои мутавозинтаринро додааст. Llama-3.1-8B-it дақиқии каме баландтар дода, аммо тақрибан ду баробар параметр ва бори омӯзиш талаб кардааст. Qwen2.5-7B-it F1 ва AUC-и монанд тавлид кардааст, вале KS-и он пасттар мондааст. Qwen2.5-3B-it махсусан аз рӯи KS натиҷаи заифтарин додааст.

Гарчанде муҳтавои визуалии Шакли 10 ин муқоисаи моделҳоро нишон медиҳад, дар caption-и шакл ба иштибоҳ «шаблони CoT-и prompt-и агенти таҳлили криминалистӣ» навишта шудааст. Ин номувофиқии визуал-caption дар PDF аст; граф дар воқеъ муқоисаи backbone-и LLM-ро нишон медиҳад.

Ҷиҳатҳои қавии таҳқиқот кадоманд?

• Як меъморӣ дар ду блокчейни дорои моделҳои додаии гуногун — Ethereum ва Bitcoin — арзёбӣ шудааст.
• Се маҷмуаи додаҳои блокчейнӣ, 20 усули муқоисавӣ ва ба ғайр аз чор меъёри арзёбӣ KS истифода шудааст.
• Ablation, ҳассосияти гиперпараметр, харҷи ҳисоббарорӣ, convergence ва таҳлили case study пешниҳод шудаанд.
• Барои пешгирии label leakage аз донистани пешакии суроғаҳои ҳисоб аз ҷониби модели забонӣ, ҳувияти ҳисобҳо ва нишонҳои ҳақиқӣ аз prompt-ҳо хориҷ карда шудаанд.
• Ҷудо кардани хулосаҳои фарқкунанда ва боқимонда, ба ҷойи танҳо тавлиди матни беҳтар, таъсири галлюцинатсия ба таснифотро бевосита ба ҳадафи омӯзиш табдил медиҳад.
• Бо LoRA аз модели 4,3-миллиардпараметрӣ танҳо 3,22 миллион параметр омӯзонда мешавад.
• Дар озмоиши байнизанҷирӣ тағйири threshold нишон дода шуда, арзиши дақиқии паст барои бозёбии баланд ошкор карда шудааст.

Маҳдудиятҳои таҳқиқот кадоманд?

• Ҳакамӣ: Таҳқиқот arXiv preprint аст ва гузаштани он аз peer review-и мустақил тасдиқ нашудааст.
• Дастрасии код: Гарчанде PDF мегӯяд source code ва data set дастрасанд, repository-и GitHub-и пайвастшуда мегӯяд, код баъд аз нашри мақола нашр мешавад.
• Фарогирии занҷир: Бо вуҷуди тавсифи «универсалӣ», озмоишҳои воқеии блокчейнӣ танҳо ба Ethereum ва ду маҷмуаи додаҳои Bitcoin маҳдуданд.
• Давраи кӯҳнаи Bitcoin: Додаҳои Bitcoin-M ва Bitcoin-L ба давраи 2015 тааллуқ доранд; онҳо метавонанд mixing, bridge, decentralized finance ва layer-2-и имрӯзаи рафторро намояндагӣ накунанд.
• Садои нишонҳо: Label cloud-ҳои оммавӣ метавонанд нопурра ё хато бошанд. Қаллоб ҳисобидани ҳамаи суроғаҳои gambling ва mixer як mapping-и консептуалии васеъ аст.
• Намояндагии синфи муқаррарӣ: Нишонҳои муқаррарӣ дар Ethereum аз ҳисобҳои махсус, аз қабили miner ва таъминкунандагони хадамоти молиявӣ интихоб шудаанд; онҳо метавонанд тамоми гуногунии рафтори корбарони оддиро намояндагӣ накунанд.
• False positive: Дақиқии тақрибан 60-63 фоиз дар озмоиши байнизанҷирӣ нишон медиҳад, ки қисми муҳими ҳисобҳои муқаррарӣ метавонанд ҳушдори бардурӯғ тавлид кунанд.
• Унсурҳои махсуси занҷир дар prompt: Ҳадҳои ETH, gwei ва масрафи gas қоидаҳои универсалии блокчейн нестанд. Усули мутобиқ кардани онҳо ба Bitcoin ё занҷирҳои дигар муфассал дода нашудааст.
• Маҳдудияти оморӣ: Миёнгину стандартӣ гузориш шудаанд, аммо шумораи такрор ва санҷишҳои маънодории байни усулҳо возеҳ пешниҳод нашудаанд.
• Тафсири Instagram: Таснифоти ҳисоби тиҷоратӣ умумисозии ҷинояти молиявӣ ё қаллобӣ нест.
• Санҷиши саҳроии воқеӣ: Нишон дода нашудааст, ки модел дар биржа, мақомоти танзимкунанда, низоми ҳифзи ҳуқуқ ё инфрасохтори AML зинда санҷида шудааст.
• Тағйири дарозмуддат: Тағйири намунаҳои ҷиноятӣ бо мурури вақт, гузариш ба занҷирҳои нав, мутобиқшавии ҳамлагар ва concept drift муфассал санҷида нашудаанд.
• Инфрасохтори ҳисоббарорӣ: Омӯзиш бо ду A6000 GPU анҷом дода шудааст; харҷ дар сахтафзори маҳдудтар нишон дода нашудааст.

Таҳқиқот чиро дастгирӣ мекунад?

• Истифодаи хулосаҳои муомилотии аз ҷониби LLM тавлидшуда ҳамчун хусусияти гиреҳи граф, дар маҷмуаҳои додаҳои омӯхташуда performance-и гузоришшудаи баландтар аз усулҳои анъанавии графӣ додааст.
• Омӯзиши ҷудокунандаи хулосаҳои фарқкунанда ва боқимонда дар ablation-и Ethereum саҳми муҳим гузоштааст.
• Фишурдасозии зерграф вақти сохтани графро барои ҳар ҳисоб аз 40,37 сония ба 1,26 сония коҳиш дода, AUC-ро каме баланд ва F1-ро каме паст кардааст.
• Модели дар Ethereum омӯзондашуда тавонистааст қисми зиёди ҳисобҳои нишондоршудаи қаллобии Bitcoin-ро пайдо кунад.
• Fusion-и матн-граф ба таснифоти ҳисоби тиҷоратӣ дар Instagram низ интиқол ёфтааст.

Таҳқиқот чиро исбот намекунад?

• Исбот намекунад, ки UniDetect дар ҳамаи блокчейнҳо бо ҳамон дақиқӣ кор мекунад.
• Ба таври қатъӣ муайян намекунад, ки ҳисоб аз ҷиҳати ҳуқуқӣ гунаҳкор ё қаллоб аст.
• Нишон намедиҳад, ки бозёбии баланд ҳамзамон бо сатҳи пасти ҳушдори бардурӯғ ба даст омадааст.
• Нишон намедиҳад, ки галлюцинатсияҳои LLM пурра бартараф шудаанд.
• Нишон намедиҳад, ки дар низоми воқеии танзимкунанда бе назорати инсонӣ ҷазои худкори бехатар татбиқ мешавад.
• Бар асоси озмоиши Instagram муваффақияти муайянкунии қаллобиро дар дигар соҳаҳо исбот намекунад.
• Нишон намедиҳад, ки модел ба manipulation-и ҳамлагар, стратегияҳои тақсим кардани муомилот, истифодаи bridge ё камфляжи қасдии граф тобовар аст.
• То замони дастрас шудани source code ва data set нишон намедиҳад, ки натиҷаҳо мустақилона reproducible ҳастанд.

Ин барои зиндагии ҳаррӯза ва татбиқ чӣ маъно дорад?

Низоме монанди UniDetect метавонад ба мутахассиси таҳлили блокчейн имкон диҳад, ки ба ҷойи хондани ҳазорҳо муомилот як-як, ҳисобҳоро бо истифода аз ишораҳои матнии ҷамъбасткунандаи рафтори ҳисоб ва робитаҳои графӣ авлавиятгузорӣ кунад. Соҳаҳои эҳтимолии истифода гурӯҳҳои compliance-и биржаҳо, равандҳои AML, хадамоти blockchain analysis ва низомҳои дастгирии тафтишот мебошанд.

Аммо бинобар дақиқии пасти байнизанҷирӣ, ишораҳои тавлидкардаи модел бояд на ҳамчун ташхиси қатъии ҷиноят, балки ҳамчун авлавияти баррасӣ арзёбӣ шаванд. Барои яхбандии ҳисоб, татбиқи ҷазо нисбати корбар ё қабули қарор бо паёмади ҳуқуқӣ, натиҷаи модел бояд бо далелҳои муомилот, таҳлили тарафҳои муқобил ва арзёбии коршиноси инсонӣ тасдиқ карда шавад.

Усул ва натиҷаҳои таҳқиқот

Хулосаи техникии усул

Натиҷаҳои асосӣ

• Дар Ethereum UniDetect ба F1-и 92,65 фоиз, AUC-и 94,82 фоиз ва KS-и 68,94 фоиз расидааст.
• Дар Bitcoin-M F1-и 92,98 фоиз ва дар Bitcoin-L F1-и 93,41 фоиз ба даст оварда шудааст.
• Дар Ethereum нисбат ба қавитарин муқоиса афзоиши F1 8,56 ва афзоиши KS 7,58 банди фоизӣ мебошад.
• Дар озмоиши zero-shot-и байнизанҷирӣ бозёбии қаллобӣ дар ҳамаи threshold-ҳои баррасишуда аз 94,58 фоиз болотар мондааст.
• Дар ҳамон озмоиши байнизанҷирӣ дақиқӣ тақрибан дар сатҳи 60-63 фоиз қарор дорад; натиҷа ба хавфи баланди false positive ишора мекунад.
• Дар озмоиши интиқоли Instagram афзоиши 6,06 банди фоизӣ дар F1 ва 4,47 банди фоизӣ дар AUC гузориш шудааст.
• Хориҷ кардани агенти хулосаи боқимонда F1-и Ethereum-ро аз 92,65 фоиз ба 78,37 фоиз паст кардааст.
• Фишурдасозии SIGC вақти сохтани графро барои ҳар ҳисоб аз 40,37 сония ба 1,26 сония коҳиш додааст.
• Таъхири таснифоти online барои ҳар намуна 1,47 миллисония ва throughput 680 намуна/сония мебошад.
• Бо LoRA танҳо 3,22 миллион параметри LLM омӯзонда шудааст; ин тақрибан 0,07 фоизи ҳамаи параметрҳост.

Тафсири техникии натиҷаҳо

Озмоишҳо нишон медиҳанд, ки UniDetect дар test split-ҳои баррасишуда таснифгари қавӣ мебошад. Саҳми асосӣ на танҳо истифодаи модели забонӣ аст, балки омӯзонидани сифати хулоса бо feedback-и аз талафоти таснифоти граф омада, ҷудо нигоҳ доштани матни берун аз вазифа ва ҳифзи хусусияти худи ҳисоби марказӣ ҳангоми graph aggregation мебошад.

Маҳдудияти аз ҳама муҳими амалиётӣ дақиқии байнизанҷирӣ аст. Вақте модел аз Ethereum ба Bitcoin мегузарад, дар гум накардани ҳисобҳои қаллобӣ қавӣ, аммо дар нодуруст ишора накардани ҳисобҳои муқаррарӣ заиф мемонад. Аз ин рӯ воқеибинтарин нақше, ки барои UniDetect дар таҳқиқот нишон дода шудааст, ба ҷойи додани ҳукми ниҳоии худкор, истифода ҳамчун қабати screening барои равона кардани ҳисобҳои хавфи баланд ба баррасии инсонӣ мебошад.

Ёддошти манбаъ ва усул

Номи пурраи аслии таҳқиқот: UniDetect: LLM-Driven Universal Fraud Detection across Heterogeneous Blockchains

Муаллифон ва тартиби онҳо: Shuyi Miao; Wangjie Qiu; Shengda Zhuo; Fei Shen; Dan Lin; Xingtong Yu; Tat-Seng Chua; Zhiming Zheng.

Муаллифи ҳамаввал: Дар PDF изҳороти саҳми баробар ё муаллифи ҳамаввал вуҷуд надорад.

Муаллифи масъул: Дар PDF дар паҳлуи номҳои Wangjie Qiu ва Fei Shen аломати ситора мавҷуд аст. Бо вуҷуди ин, дар footnote пас аз ибораи “Corresponding authors” суроғаи shuyimiao@buaa.edu.cn, ки ба Shuyi Miao тааллуқ дорад, дода шудааст. Байни аломатҳои ситора ва суроғаи иртиботӣ номувофиқатӣ вуҷуд дорад.

Муассисаҳо:

• Shuyi Miao, Wangjie Qiu ва Zhiming Zheng: Beihang University, Пекин, Чин.
• Shengda Zhuo: Jinan University, Guangzhou, Чин.
• Fei Shen ва Tat-Seng Chua: National University of Singapore, Сингапур.
• Dan Lin: Sun Yat-Sen University, Guangzhou, Чин.
• Xingtong Yu: The Chinese University of Hong Kong, Hong Kong.

DOI: 10.48550/arXiv.2604.12329. Ин DOI-и DataCite мебошад, ки аз ҷониби arXiv дода шудааст; DOI-и маҷаллаи peer-reviewed нест.

Навъи манбаъ: Мақолаи preprint-и таҳқиқотӣ дар соҳаи илмҳои компютерӣ, ки усул, моделсозӣ ва таҳлили таҷрибавии додаҳоро дар бар мегирад.

Соли нашр: 2026.

Платформаи нашр: arXiv.

Категорияҳои arXiv: Cryptography and Security (cs.CR) ва Social and Information Networks (cs.SI).

Ҳолати ҳакамӣ: Ин таҳқиқот preprint аст ва гузаштани он аз peer review тасдиқ нашудааст.

Маҷалла ё конфронс: Иттилои тасдиқшудаи маҷалла ё конфронс вуҷуд надорад. Матни “Conference’17, July 2017, Washington, DC, USA” дар PDF ифодаи пурнашудаи шаблони нашр аст.

Ношири аслӣ: Ношири peer-reviewed-и маҷалла ё конфронс тасдиқ нашудааст. arXiv платформаи нашр мебошад.

Манбаи расмӣ:https://arxiv.org/abs/2604.12329

Repository-и лоиҳа:https://github.com/msy0513/UniDetect

PDF мегӯяд, ки data set ва source code дастрасанд. Аммо дар README-и кунунии repository-и расмии GitHub навишта шудааст, ки source code пас аз нашри мақола мубодила хоҳад шуд. Аз ин рӯ дар ин марҳила reproducibility-и мустақили таҳқиқот тавассути код ва додаҳои таҷрибавӣ тасдиқ карда намешавад.

Ин мақолаи Verianla бо баррасии матни асосӣ, усули математикӣ, ҷадвалҳо, графикҳо ва схемаҳо, маводи иловагӣ, натиҷаҳои озмоишӣ ва маҳдудиятҳои PDF-и боршуда омода шудааст. Ягон кашфи нави илмӣ аз берун аз PDF илова нашудааст. Манбаъҳои беруна танҳо барои arXiv ID, DOI, ҳолати нашр, пайванди расмӣ ва ҳолати кунунии repository-и лоиҳа истифода шудаанд.

Маҳдудиятҳои асосии таҳқиқот инҳоянд: набудани peer review, анҷом шудани озмоишҳои блокчейнӣ танҳо дар Ethereum ва Bitcoin, тааллуқ доштани додаҳои Bitcoin ба давраи 2015, садои эҳтимолии манбаъҳои label, threshold-ҳои махсуси занҷир дар prompt, паст мондани дақиқии байнизанҷирӣ, набудани татбиқи саҳроӣ ва ҳанӯз ба таври санҷишшаванда нашр нашудани source code.