来源：期刊VIP网 时间：
作者：刘欢;肖蔚;
单位：西安交通大学;陕西警察学院陕西公安新型网络金融犯罪研究中心;陕西省公安厅;
摘要：针对虚拟货币刑事犯罪治理需求，提出一种基于动态图卷积网络的增强识别模型（RGCN）。创新性地在图嵌入层设计中融合原始特征与跨时特征的拼接机制，有效缓解了卷积冗余导致的信息流失问题；采用随机森林集成学习策略优化图嵌入层特征表达，显著提升模型识别精度。所构建的3层RGCN框架通过时空特征融合策略降低计算开销，并重点优化召回率。实验结果表明：LSTM动态图卷积网络在召回率指标上表现最优，为67.6%，较GRU变体提升4.4%；而GRU结构则更侧重精确率优化，精确率达到87.3%。最后，结合当前反洗钱场景对高风险个体监控的迫切需求，验证了所提模型通过强化召回率性能，可有效支撑虚拟货币交易监管实践。
关键词：人工智能;;虚拟货币;;刑事犯罪;;动态图卷积网络;;LSTM;;GRU;;召回率优化
基金资助：公安部科技计划理论软科学:大数据背景下公安机关打击虚拟货币涉毒洗钱犯罪对策研究(2022LL43012)
