以太坊作为当下最流行的区块链平台之一,可以通过智能合约实现代码的自动化执行,提供更加灵活和多样化的应用场景。因此,以太坊吸引了大量的组织和个人加入其中,并创建交易所、矿工、令牌合约等不同类型的账户。这些账户在促进区块链技术的发展和应用方面扮演着重要的角色。然而,非法用户也可以创建大量的账户从事钓鱼、洗钱、欺诈等非法活动。这些非法用户对区块链的安全和稳定性造成严重威胁。因此,如何识别以太坊中各类账户是当前亟需解决的问题。图表示学习凭借其对复杂网络结构的高效表征能力,在以太坊账户识别中得到应用。本文以以太坊交易网络中的匿名账户作为研究对象,并综合运用图表示学习技术,针对以太坊中的各类账户开展研究,主要研究工作如下:（1）以太坊账户交易数据集构建方法研究本文提出一种自动收集大规模以太坊账户交易数据的方法。该方法包括三种数据采集策略,即节点数据、交易数据和智能合约数据采集。通过上述三种采集策略,自动采集以太坊常见账户的节点数据、交易数据以及智能合约数据,挖掘交易特征构建以太坊账户交易数据集,为后续以太坊非法账户识别和账户分类提供数据保障。（2）基于特征融合的图嵌入方法及在以太坊非法账户识别中的应用研究本文提出基于特征融合的图嵌入方法,将其用于以太坊非法账户识别。该方法包括账户特征提取和交易特征提取两种特征提取策略。具体而言,利用BP神经网络提取账户特征,采用随机游走策略提取交易特征。然后,融合提取的账户特征和交易特征,获得以太坊账户表示。实验结果表明,该方法各项指标优于其它算法,能够有效检测以太坊中的非法账户。（3）基于特征增强的图神经网络方法及在以太坊账户分类中的应用研究本文提出基于特征增强的图神经网络方法,将其用于以太坊账户分类。该方法包括卷积层和注意力层两个特征增强组件。通过卷积层生成一个新的图结构,并利用多个候选邻接矩阵来寻找新的图结构。注意力层利用注意力机制关注其邻居节点来计算每个节点的隐藏表示。然后,通过反复堆叠多个卷积层和注意层,以逐渐增强节点特征。实验结果表明,该方法各项指标优于其它算法,可以有效地对以太坊中的各类账户进行分类。本文通过综合运用图表示学习方法,针对收集的以太坊账户交易数据开展研究,提出基于特征融合的图嵌入方法和基于特征增强的图神经网络方法,提高以太坊非法账户识别和账户分类的性能。