该论文关注在去中心化金融（DeFi）或加密货币交易中日益猖獗的价格操纵攻击（如闪电贷攻击、三明治攻击等）。这些攻击通过在短时间内创建大量虚假交易或利用时间差操纵资产价格，导致其他交易者蒙受巨大损失。现有的检测方法多基于交易后分析，无法实现实时拦截。本文提出了一种名为“Following Devils' Footprint”的实时检测框架，其核心思想是通过追踪攻击者在区块链上留下的异常交易模式（如频繁的微小交易、特定时间窗口内的快速买卖对等）来提前预警。方法包括：1) 构建基于图神经网络的交易序列特征提取器，捕捉交易间的依赖关系；2) 设计轻量级在线分类器，能在区块确认前快速判定交易是否属于价格操纵；3) 利用对抗训练增强模型对新型攻击的鲁棒性。在真实以太坊交易数据集上的实验表明，该方法在检测召回率和实时性上均优于现有基线，平均预警时间可提前2-3个区块。该研究为DeFi安全提供了实用的实时监控工具。