Con el rápido desarrollo de la tecnología blockchain y la popularidad de las criptomonedas, los ataques de phishing representan una amenaza cada vez más grave para la seguridad de las transacciones con criptomonedas. Los métodos existentes de detección de fraudes no han identificado con precisión los comportamientos de phishing, especialmente al no capturar de manera efectiva la información clave de los nodos vecinos y su impacto. Para abordar este problema, propusimos un marco de detección de phishing basado en FAAN-GBM (Red Aumentada de Características y Atención con Máquina de Impulso Gradiente), que tiene como objetivo mejorar la efectividad de la detección de fraudes de phishing en la plataforma Ethereum al refinar aún más la extracción de características de cuentas de phishing. Este marco integra características básicas, características de transacciones y características de interacción de nodos, optimiza la agregación de características a través del análisis de importancia y el mecanismo de atención del nodo vecino, y utiliza autoencoders para profundizar la expresión no lineal de las características del nodo. A través de pruebas extensas en conjuntos de datos reales de Ethereum, FAAN-GBM ha demostrado un rendimiento superior sobre los métodos existentes, mejorando efectivamente la precisión de identificación de nodos de fraudes de phishing.