هل يمكن لشبكات الجراف أن تؤدي إلى الفشل في كشف احتيال البيتكوين؟ إعادة تقييم مثيرة!

في الوقت الذي يُعتبر فيه استخدام الشبكات العصبية المعتمدة على الجراف (Graph Neural Networks) وسيلة فعّالة في كشف الاحتيال في معاملات البيتكوين، تأتي دراسة جديدة لتكسير هذا الافتراض والتأكيد على ضرورة إعادة التفكير في قدراتها. فقد أثبتت النتائج أن الشبكات مثل GCN وGraphSAGE وGAT وEvolveGCN قد لا تتفوق على النماذج التقليدية عند تقييمها وفق بروتوكولات صارمة.

تتمثل أبرز نتائج الدراسة في مقارنة حادة بين النماذج المختلفة، حيث كشفت أن نموذج الغابة العشوائية (Random Forest) القائم على الميزات الأولية حقق مقياس F1 يبلغ 0.821، متجاوزاً بذلك جميع الشبكات المعتمدة على الجراف، والتي كان أعلى مقياس لها 0.689 لـGraphSAGE.

وتعكس هذه النتائج أهمية مجموعة البيانات المستخدمة، حيث أظهر تحليل تغييرات الحواف أن الرسوم البيانية المترابطة عشوائياً يمكن أن تقدم نتائج أفضل من الرسوم البيانية الحقيقية في ظلال تغير توزيع الزمن. كما أظهرت النماذج الهجينة التي تجمع بين تمثيلات الشبكة العصبية والميزات الأولية تحسناً طفيفاً فقط، مما يؤكد على أن الاعتماد فقط على الطرق المعقدة قد لا يكون كافياً.

تم نشر الأكواد ونقاط التفتيش وإرشادات البروتوكول الصارم لإجراء تقييمات خالية من التسرب، مما يسمح للباحثين بإعادة إنتاج النتائج وتجنب الأخطاء السابقة.