La descentralización y el anonimato de la cadena de bloques han atraído una atención significativa. Sin embargo, en los últimos años, ha habido un aumento en los incidentes de lavado de dinero en la cadena de bloques, y los esfuerzos contra el lavado de dinero se han vuelto cruciales dentro del espacio de la cadena de bloques. El lavado de dinero en la cadena de bloques difiere del lavado de dinero financiero tradicional ya que no proporciona información de cuenta, especialmente en el caso de Bitcoin. Esta ausencia de información hace que sea difícil para los investigadores detectar actividades de lavado de dinero basadas en datos de transacciones. Proponemos LB-GLAT, una nueva Red Convolucional de Atención de Capa de Bi-Gráfico a Largo Plazo, para capturar de manera efectiva la estructura topológica y las características de atributo del lavado de dinero en el gráfico de transacciones de la cadena de bloques. LB-GLAT utiliza el gráfico de transacciones y el gráfico de transacciones inverso para resolver el problema de no bucle que resulta en la incapacidad de capturar el destino de las transacciones de la cadena de bloques y diseña un mecanismo de atención de capa a largo plazo para aliviar el problema de sobre-suavizado. Realizamos una serie de experimentos para evaluar LB-GLAT, que logró un rendimiento de vanguardia en comparación con otros métodos, presentando una precisión de 0.9776, una precisión de 0.9317, una recuperación de 0.8494, un puntaje F1 de 0.8887 y un AUC de 0.9806.