量子科技中心_量科网

在快速发展的金融科技领域，区块链网络中的非法交易检测仍是关键挑战，亟需创新性解决方案。该研究团队提出了一种融合量子启发式图神经网络（QI-GNN）与集成模型（可选择QBoost或随机森林分类器等经典模型）的新方法，专为反洗钱（AML）场景下的区块链网络分析设计。该工作创新性地在图神经网络框架中引入了规范多聚体（CP）分解层，显著提升了系统处理复杂数据结构的能力。经与传统机器学习方案对比验证，该技术在欺诈交易检测中取得了74.8%的F2分数。这些成果表明，量子启发式技术结合CP层的结构创新，在金融安全领域的复杂网络分析中不仅能媲美更可能超越传统方法。研究结果论证了在金融领域推广量子启发算法以有效打击欺诈行为的必要性。