一种区块链节点的行为序列自动分类方法技术

本发明专利技术公开了一种区块链节点的行为序列自动分类方法，其采用基于堆栈LSTM和Attention机制的神经网络模型，输入区块链节点的行为时间序列，如在不同时间段内交易金额、交易次数、广播次数等构成的多模时间序列，输出为目标区块链节点的行为抖动性或安全性判别结果。该节点行为序列分类的有益效果为：首先，通过节点行为序列分类可以对区块链网络提供更深入的分析和理解；其次，可以选择有代表性的行为序列作为行为模板，然后利用行为模板来识别非常规的行为序列，即不符合其相应模板的行为类别。

An Automatic Classification Method for Behavior Sequence of Block Chain Nodes

【技术实现步骤摘要】
一种区块链节点的行为序列自动分类方法
本专利技术属于区块链
，具体涉及一种区块链节点的行为序列自动分类方法。
技术介绍
区块链技术席卷全球，其最大的影响体现在金融领域；区块链本质上是由所有对等点(例如参与交易的所有个人或机构)构成的安全不可篡改的共享账本网络系统；区块链账本是一个仅支持追加的数据结构，它存储区块链网络中曾经发生的所有交易，区块链网络中的所有对等点都共识一组有序的区块，每个区块均包含多个交易事务；因此，可以将区块链视为所有对等点共享的有序事务日志。与传统的集中式数据库相比，区块链有其独特的技术优势；首先，在区块链网络中不存在权利集中的中心化对等点(节点)，所有对等方通常在查询、发送交易事务和参与交易共识方面具有同等的权利，每个对等点各自维护一个记录网络中曾经发生的每笔交易的账本，所有节点的多方备份账本保证了当部分节点出现故障或行为异常时，共享总账不受影响，极大地解决了传统中心化系统的脆弱性问题；其次，基于加密的算法保证了区块链网络中的所有区块不能被修改，使得区块链交易账本不可被人为篡改。鉴于这些优势，区块链有潜力建立新的金融服务基础设施，重塑加密货币、清算、交易等众多领域。比特币的成功展示了区块链技术如何能够创造一种加密货币；最近，区块链应用已经走得更远，例如区块链技术已经在股票交易、金融合同防伪存证、清算和医学数据共享等领域得到了广泛的应用；然而，区块链也面临着自身的问题和挑战。通常区块链中有大量对等点，特别是对于公链；在公链中，世界上任何实体都可以加入并成为对等点，一些不法节点可能会试图在网络中采用非法行为进行牟利，而大多数节点的行为是合法的，人工审查所有的节点行为的方法因需消耗大量的时间和金钱成本而变得不太可行；采用传统的分类方法，如k近邻法、决策树法、支持向量机法和神经网络法，在区块链环境下的分类效果并不理想。基于k近邻的方法计算实例与所有标记实例之间的距离，如果一个实例x的k个最近的邻居大部分被标记为来自类i，那么这个实例x被预测为来自类i；基于k近邻的方法简单易行，但问题在于很难预先选取一个最优的k值，且该方法因其线性分类能力导致分类精准度低。基于决策树的方法采用了一种分割技术，递归地将一组实例划分到不同的子集，实例从根节点开始划分，每个实例根据其特征值进入一个子节点，这个划分过程重复进行，直到实例到达根节点为止；基于决策树的方法实质为预先编码一系列规则，分类面粗糙，分类效果较差。支持向量机的工作原理是寻找最优分类超平面，以最大限度地扩大类别之间的差距；换言之，支持向量机试图在分类的超平面和它两边的实例之间创建尽可能大的距离，该算法使用二次规划来求解支持向量，求解二次规划将涉及n阶矩阵的计算(n为样本的个数)，因而对大规模训练样本难以实施；同时，支持向量机更多针对二分类问题，因而解决多分类问题存在困难。基于神经网络的方法通常利用多层深层网络结构进行分类，神经网络通常采用反向传播算法进行训练，利用神经网络的优点是可以提供非线性的分类边界；然而，目前专门针对区块链节点时间序列数据进行分类的神经网络仍无相关研究。
技术实现思路
鉴于上述，本专利技术提供了一种区块链节点的行为序列自动分类方法，是一种基于堆栈LSTM、可端到端训练的区块链节点行为序列分类方法，自动将所有区块链节点的行为序列特征进行分类，分类结果有利于恶性节点的识别。一种区块链节点的行为序列自动分类方法，包括如下步骤(1)选取需分析的区块链节点的行为特征，构建该行为特征的时间序列并为节点行为序列贴上相应的类别标签，即根据时间序列信息人工对节点行为序列进行贴标分类(例如该行为序列属于A正常行为、B类攻击行为、C类异常行为等)；(2)创建基于堆栈LSTM(LongShort-TermMemory，长短期记忆网络)可端到端训练的网络模型，实现非线性的节点分类边界；(3)将贴有标签的节点行为序列作为输入对上述网络模型进行训练；(4)待网络模型训练完成后，将待判别的节点行为序列输入至模型中，从而输出得到该节点行为序列对应的类别。进一步地，所述步骤(1)的具体实现过程如下：1.1选取区块链节点的行为特征(如交易金额、交易次数(频率)或广播次数等)，根据所选的行为特征给定节点的行为序列；1.2在同一时间段内，根据节点特性将所有区块链节点分成若干个不同的类别，节点由其行为序列表示，构建区块链节点关于行为特征的时间序列(例如按周或月统计形成统计曲线)；1.3人工对构建好的时间序列进行分析，根据时间序列信息为节点的行为序列贴上类别标签；例如目标为判别行为序列的抖动性，则将所有区块链节点的行为序列分类到若干个不同的抖动等级，为每个行为序列贴上相应的等级标签。用以为步骤(3)提供训练数据的来源。所述行为序列为同一时间段内节点活动的时间序列数据组成的一个有序向量。进一步地，所述步骤(2)中的网络模型由非线性编码器、递归层和译码器三部分组成，所述非线性编码器包括全连接层和ReLU激活函数，用于执行非线性特征变换；所述递归层由多个连续的LSTM层堆栈叠加而成，用于实现上下文时间建模；所述解码器包括Attention模式和线性解码器，线性解码器由两个全连接层和柔性最大值传输函数Softmax层组成，用于实现对行为序列的分类结果译码输出。进一步地，所述步骤(3)的具体实现过程如下：3.1将贴有标签的节点行为序列输入网络模型中；3.2利用非线性编码器，其由两个全连接层组成，每个全连接层后使用ReLU激活函数，实现对行为序列的非线性特征变换；3.3使变换后的行为序列进入递归层，利用多个连续的LSTM层的堆栈叠加对非线性特征变换后的行为序列进行上下文建模；3.4利用译码器中Attention模式和线性解码器对建模后的上下文进行分类，从而与类别标签进行比较，根据比较得到的误差通过随机梯度下降法及反向传播算法对模型参数进行迭代更新，从而得到最优的模型参数。进一步地，所述Attention模式与LSTM最近状态结合，自动调整LSTM各最近状态的权重，线性解码器采用两个全连接层，利用柔性最大值传输函数Softmax层获取不同类标签的概率，在得到Softmax层的概率后，使用标准交叉熵作为损失函数，用以指导模型参数的迭代更新，模型输出的类标签概率向量即包含了输入量属于各个类的概率；比如一共三个类，属于第一类的概率是0.7，属于第二类的是0.1，属于第三个类的概率是0.2。进一步地，所述步骤(4)的具体实现方式为：向训练完成的网络模型中输入待判别的节点行为序列，调用最优模型参数，计算分析节点行为序列的各类别概率，选出其中最高概率并输出对应的类别，以实现区块链节点行为序列自动分类。本专利技术区块链节点行为序列自动分类方法采用基于堆栈LSTM和Attention机制的神经网络模型，输入区块链节点的行为时间序列，如在不同时间段内交易金额、交易次数、广播次数等构成的多模时间序列，输出为目标区块链节点的行为抖动性或安全性判别结果。该节点行为序列分类的有益效果为：首先，通过节点行为序列分类可以对区块链网络提供更深入的分析和理解；其次，可以选择有代表性的行为序列作为行为模板，然后利用行为模板来识别非常规的行为序列，即不符合其相应模板的行为类别。附图说明图1为本专利技术节点行为序列分类器本文档来自技高网...

【技术保护点】
1.一种区块链节点的行为序列自动分类方法，包括如下步骤(1)选取需分析的区块链节点的行为特征，构建该行为特征的时间序列并为节点行为序列贴上相应的类别标签，即根据时间序列信息人工对节点行为序列进行贴标分类；(2)创建基于堆栈LSTM可端到端训练的网络模型，实现非线性的节点分类边界；(3)将贴有标签的节点行为序列作为输入对上述网络模型进行训练；(4)待网络模型训练完成后，将待判别的节点行为序列输入至模型中，从而输出得到该节点行为序列对应的类别。

【技术特征摘要】
1.一种区块链节点的行为序列自动分类方法，包括如下步骤(1)选取需分析的区块链节点的行为特征，构建该行为特征的时间序列并为节点行为序列贴上相应的类别标签，即根据时间序列信息人工对节点行为序列进行贴标分类；(2)创建基于堆栈LSTM可端到端训练的网络模型，实现非线性的节点分类边界；(3)将贴有标签的节点行为序列作为输入对上述网络模型进行训练；(4)待网络模型训练完成后，将待判别的节点行为序列输入至模型中，从而输出得到该节点行为序列对应的类别。2.根据权利要求1所述区块链节点的行为序列自动分类方法，其特征在于：所述步骤(1)的具体实现过程如下：1.1选取区块链节点的行为特征，根据所选的行为特征给定节点的行为序列；1.2在同一时间段内，根据节点特性将所有区块链节点分成若干个不同的类别，节点由其行为序列表示，构建区块链节点关于行为特征的时间序列；1.3人工对构建好的时间序列进行分析，根据时间序列信息为节点的行为序列贴上类别标签。3.根据权利要求1所述区块链节点的行为序列自动分类方法，其特征在于：所述行为序列为同一时间段内节点活动的时间序列数据组成的一个有序向量。4.根据权利要求1所述区块链节点的行为序列自动分类方法，其特征在于：所述步骤(2)中的网络模型由非线性编码器、递归层和译码器三部分组成，所述非线性编码器包括全连接层和ReLU激活函数，用于执行非线性特征变换；所述递归层由多个连续的LSTM层堆栈叠加而成，用于实现上下文时间建模；所述解码器包括Attention模式和线性解码器，线性解码器由两个全连接层和柔性最大值传输函数Softmax层组成，用于实现对行为序列的分类结果译码输出。5.根据权利要求1...

【专利技术属性】
技术研发人员：黄步添，刘振广，杨文龙，郭东升，俞之贝，闫凤喜，
申请(专利权)人：杭州云象网络技术有限公司，
类型：发明
国别省市：浙江,33