La tecnología blockchain ha permitido que muchos esquemas anómalos se escondan detrás de contratos inteligentes. Esto provoca graves pérdidas financieras, lo que afecta negativamente a la blockchain. La tecnología de aprendizaje automático ha sido principalmente utilizada para habilitar la detección automática de cuentas de contratos anómalos en los últimos años. A pesar de esto, los métodos de aprendizaje automático anteriores han sufrido de una serie de desventajas: primero, es extremadamente difícil identificar características que permitan la detección precisa de contratos anómalos, y basado en estas características, el análisis estadístico también es ineficaz. Segundo, ignoran los desequilibrios y la repetibilidad de las cuentas de contratos inteligentes, lo que a menudo resulta en un sobreajuste del modelo. En este documento, proponemos un método robusto basado en datos para detectar cuentas de contratos anómalos en la Blockchain de Ethereum. Este método comprende un conjunto de características híbridas mediante la integración de opcodes n-gramos, características de transacción y características de código fuente de frecuencia de término-frecuencia inversa de documentos para entrenar un clasificador de conjunto. Se utilizan los algoritmos de extra-árboles y aumento de gradiente basados en votación suave ponderada para crear un clasificador de conjunto que equilibra las debilidades de los clasificadores individuales en un conjunto de datos dado. Los datos de contratos anómalos y normales se recopilan mediante el análisis del código abierto etherscan.io, y el problema del conjunto de datos desequilibrado se resuelve realizando el muestreo sintético adaptativo. Los resultados empíricos demuestran que los conjuntos de características individuales propuestos son útiles para detectar cuentas de contratos anómalos. Mientras tanto, la combinación de todas las características mejora la detección de contratos anómalos con una precisión significativa. Los resultados experimentales y comparativos muestran que el método propuesto puede distinguir cuentas de contratos anómalos para la seguridad basada en datos de la blockchain de Ethereum con métricas de rendimiento satisfactorias.