사기성 암호화폐 거래의 앙상블 심층 학습 기반 예측

암호화폐는 중앙 집중식 거래 시스템의 문제를 해결하기 위해 분산 거래로 등장하였습니다. 온라인 암호화폐 거래와 모바일 지갑에서 인기 있는 트렌드가 되었지만, 이 방법은 물리적으로 돈을 전달하는 대신 사기성 거래의 수를 증가시켰습니다. 공유된 데이터와 온라인 거래의 역사로 인해 사기성 거래가 발생할 수 있습니다. 사기성 암호화폐 거래의 사전 처리 식별은 긴급한 연구 질문이 되고 있습니다. 인공지능의 기하급수적인 발전과 함께, 사회 문제 예측에서 심층 학습의 활용이 여러 분야에서 이루어졌습니다. 이러한 관점에서 이 논문은 두 가지 심층 학습 방법인 합성곱 신경망(CNN)과 장단기 메모리(LSTM)를 통합하여 사기성 암호화폐 거래를 위한 앙상블 학습 접근법을 제안합니다. 오프더쉘프 CNN 및 LSTM, 앙상블 CNN, 부스팅 및 배깅 접근법을 가진 앙상블 LSTM을 정확성과 훈련 및 테스트 데이터셋의 손실 측면에서 비교합니다. 또한, 제안된 접근법의 평가를 위해 10겹 교차 검증 방법이 사용됩니다. 평가 결과는 배깅 LSTM 앙상블 접근이 96.4%의 정확도로 다른 접근법보다 우수하다는 것을 나타냅니다.