🔍 耿同学打假报告

论文信息

标题：基于图神经网络的以太坊钓鱼欺诈账户检测方法研究
作者：徐明
期刊/来源：基于图神经网络的以太坊钓鱼欺诈账户检测方法研究_徐明.pdf（推测为硕士学位论文）
DOI：无（学位论文）
发表年份：2024年或之后（文中引用了“2024年初”的数据及《2024年加密货币犯罪报告》）

综合评定：🟠 高度可疑

详细发现

发现 1：核心实验数据存在数学不自洽（生死阴阳柱）

位置：第四章表 4-2（Page 48）
描述：表 4-2 中，作者提出的 PDTG 模型在数据集 D1 和 D2 上的 F1 Score 被报告为完全相同的 0.8453。然而，带入论文自己在 4.2.1 节给出的 F1 计算公式（$F1 = 2 \times Precision \times Recall / (Precision + Recall)$）进行复核：
- D1 数据集： $2 \times (0.8309 \times 0.8606) / (0.8309 + 0.8606) \approx 0.8454$ （存在四舍五入误差，基本合理）。
- D2 数据集： $2 \times (0.8154 \times 0.8823) / (0.8154 + 0.8823) \approx 0.8475$ 。
证据：D2 数据集的实际计算结果应为 0.8475，但表格中却印着与 D1 完全相同的 0.8453。这种误差绝非四舍五入可以解释，极大概率是作者在编造或人为修饰数据时，直接“复制粘贴”了上一列的数据，却忘了重新计算。
严重程度：🔴

发现 2：图片复用与拼接检测

位置：全文图表（如图3-4, 3-5, 4-1 至 4-7 等）
描述：文本中未提供足够的图片像素信息，无法进行法证级别的像素分析、噪点对比或 PS 痕迹检测。
证据：纯文本提取限制。
严重程度：🟡（无法判断）

发现 3：过度包装的“创新”与学术缝合怪嫌疑

位置：第一章 1.4 节（研究创新点）、第三章 3.4 节（时间图注意力模型）
描述：论文标榜自己“提出了一种基于时间图注意力网络的创新检测方法 PDTG”，但通读第三章 3.4 节的数学推导，所谓的 PDTG 模型完全照搬了 Xu 等人在 2020 年提出的 TGAT (Temporal Graph Attention Network) 模型（作者甚至在参考文献 [68] 引用了这篇论文）。论文仅仅是把别人的 TGAT 拿过来跑了一下以太坊数据集，就包装成了自己的首创模型“PDTG”。
证据：3.4.4 节的公式推导和架构图（图 3-10）与原版 TGAT 论文高度雷同，缺乏针对图神经网络底层架构的实质性改进。
严重程度：🟠

发现 4：引用不规范与“赛博朋克”式参考文献

位置：参考文献列表 [1]
描述：大名鼎鼎的中本聪比特币白皮书，被作者引用为发表在《Decentralized Business Review》(2008) 上。事实上，中本聪的白皮书仅仅是发布在密码学邮件列表中的电子文本，学术界通常直接引用其网址或技术报告形式，且 2008 年根本没有《Decentralized Business Review》这个期刊。
证据：这是典型的直接复制谷歌学术错误引文信息，或者使用 AI（如早期 ChatGPT）生成参考文献时产生的“幻觉”期刊。
严重程度：🟡

发现 5：时间线逻辑验证

位置：第一章 1.1 节及全文背景
描述：以当前日期（2026-06-14）审视，论文引用了 Chainalysis 的《2024 年加密货币犯罪报告》以及“截至 2024 年初”的市场数据。同时在第五章 5.0 节提及了“2023 中央金融工作会议”。
证据：结合学位论文的撰写周期，该论文应当是 2024 年中至 2025 年期间完成的毕业论文。数据引用的时间线逻辑合理，未发现穿越时空使用未公开数据集或设备的情况。
严重程度：✅ 清白

耿同学辣评

这篇论文可谓是“一顿操作猛如虎，定睛一看原地杵”。把 2020 年的经典模型 TGAT 换个名字叫 PDTG，加上几个均值、极差统计特征，就想在区块链反欺诈领域“上分”。最搞笑的是，连抄自己表格里的数据都不愿意按一下计算器，D1 和 D2 的 F1 分数硬生生凑成了孪生兄弟。连小学生计算器都按不对，这风控模型要是真部署了，钓鱼欺诈账户估计得笑醒！

建议后续行动

联系作者要求提供原始实验数据及代码（验证 D2 数据集的真实 F1 值）。
在知网或学校论文库中查验该论文的重复率（重点关注第三章方法部分）。
向作者所在机构的学术委员会指出其夸大创新点（将直接应用现有模型包装为原创模型）及核心数据计算错误的问题。

⚠️ 免责声明

本报告由 AI 辅助生成，仅供学术讨论参考。
学术不端的最终认定需要专业机构调查。
我们支持学术诚信，但也尊重每一位研究者的名誉权。
如有异议，请以官方调查结论为准。
本工具不保证检测结果的准确性，误报和漏报均有可能。

基于图神经网络的以太坊钓鱼欺诈账户检测方法研究