본 논문은 암호화폐 거래 사기 탐지에서 복잡한 거래 패턴과 심각한 클래스 불균형 문제를 해결하기 위해 시간 인식 그래프 주의 네트워크(ATGAT)를 제안합니다. ATGAT는 다중 스케일 시간 차이 특징과 주기적 위치 인코딩을 융합하는 고급 시간 임베딩 모듈, 구조적, 시간적, 전역적 컨텍스트 주의를 공동으로 최적화하는 시간 인식 트리플 주의 메커니즘, 그리고 클래스 불균형을 해결하기 위한 가중 BCE 손실을 사용합니다. Elliptic++ 데이터셋 실험 결과, ATGAT는 AUC 0.9130을 달성하여 기존 최고 성능 방법인 XGBoost보다 9.2%, GCN보다 12.0%, 표준 GAT보다 10.0% 향상된 성능을 보였습니다. 이는 시간 인식 및 트리플 주의 메커니즘이 그래프 신경망 성능 향상에 효과적임을 보여주며, 금융 기관에 더 신뢰할 수 있는 사기 탐지 도구를 제공합니다. 본 방법의 설계 원칙은 다른 시간적 그래프 이상 탐지 작업에도 일반화될 수 있습니다.
