基于多组学技术的数字货币识别方法、系统和存储介质技术方案

本发明专利技术公开的一种基于多组学技术的数字货币识别方法、系统和存储介质，其中方法包括：基于基因共表达网络技术构建相似度比较网络，并通过大数据进行相关性检测分析得到所述相似度比较网络相邻节点间的交易数据；通过预设的多层异构网络整合不同类型的交易数据集，并通过预设的图卷积技术进行嵌入以获取数字资产交易数据；将所述数字资产交易数据输入到训练好的非法交易神经网络模型中，以得到模拟输出结果，进而提取交易识别结果。本发明专利技术通过多组学研究以明确交易账户的类型以及交易的具体流程，通过多层次与高通量组学数据的整合分析，可以精准追踪到问题账户，快速高效且准确性高；同时利用分布式机器学习可以大幅提高计算效率与使用延展性。算效率与使用延展性。算效率与使用延展性。

【技术实现步骤摘要】
基于多组学技术的数字货币识别方法、系统和存储介质


[0001]本专利技术涉及数字货币
，更具体的，涉及一种基于多组学技术的数字货币识别方法、系统和存储介质。

技术介绍

[0002]数字货币因其基于数学和密码学原理的强大安全性而越来越受欢迎，可是，数字货币的出现和扩散使用户能够规避法定货币，并在花钱或收款 (BTC) 时避免审查，一方面，这种伪匿名允许用户隐藏他们的财富并保留他们的隐私，另一方面，它允许用户在没有当局找到肇事者的情况下从事非法活动。
[0003]某些反洗钱解决方案机构能够通过采取「可视化资金流向」、「智能追踪」、「主体识别」三大功能，准确定位到相关的洗钱交易账户，帮助警方抓获犯罪嫌疑人，采用聚类分析和多组学技术后可增加追踪效率。随着高通量技术的发展，我们能够通过最先进的数据库获取大量的有关数字货币信息和数据，洗钱账户在可视化资金流向、智能追踪、主体识别几个方面都有各自的特点，但是，收集有关生账户信息时，账户和交易系统的复杂性、技术限制、大量的样本和相对较少的变量会影响现有技术的发挥，具体包括应用质量低、数据安全隐患大以及数据共享难等问题。

技术实现思路

[0004]鉴于上述问题，本专利技术的目的是提供一种基于多组学技术的数字货币识别方法、系统和存储介质，能够对问题账户进行快速高效识别，精准追踪洗钱交易账户。
[0005]本专利技术第一方面提供了一种基于多组学技术的数字货币识别方法，包括以下步骤：基于基因共表达网络技术构建相似度比较网络，并通过大数据进行相关性检测分析得到所述相似度比较网络相邻节点间的交易数据；通过预设的多层异构网络整合不同类型的交易数据集，并通过预设的图卷积技术进行嵌入以获取数字资产交易数据；将所述数字资产交易数据输入到训练好的非法交易神经网络模型中，以得到模拟输出结果，进而提取交易识别结果。
[0006]本方案中，所述基于基因共表达网络技术构建相似度比较网络，并通过大数据进行相关性检测分析得到所述相似度比较网络相邻节点间的交易数据，具体为：将一组账户表示为一个节点，并将所述节点边缘定义为预设时间内与所述相邻节点的总交易量；基于基因共表达网络技术构建所述相似度比较网络，以将所有成对的所述数字资产交易数据连接到同一个网络上；通过大数据进行相关性检测分析，得到所述相邻节点间的交易数据。
[0007]本方案中，所述通过大数据进行相关性检测分析，得到所述相邻节点间的交易数据，具体为：基于大数据检测基因组学与其他高通量组学数据的相互作用关系；通过识别所述相互作用关系中的共变组件与连接关系，得到所述相邻节点间的条件依赖性以及所述相似度比较网络中功能关联的底层网络结构。
[0008]所述通过预设的多层异构网络整合不同类型的交易数据集，并通过预设的图卷积技术进行嵌入以获取数字资产交易数据，具体为：通过所述多层异构网络整合不同类型的交易数据集以解决数据缺失以及特定数据集缺失的交易情形；通过所述图卷积技术进行嵌入所述多层异构网络，以对数字资产交易数据进行分类，并提取确定的交易情形。
[0009]所述非法交易神经网络模型训练方法为：获取历史检测数据的非法交易数据与合法交易数据；将所述历史检测数据的非法交易数据与合法交易数据进行预处理，得到训练样本集；将所述训练样本集输入至初始化的所述非法交易神经网络模型中训练；获取输出结果的准确率；若所述准确率大于预设的准确率阈值，则停止训练，得到所述非法交易神经网络模型。
[0010]本方案中，所述方法还包括：利用分布式机器学习技术对所述交易数据集进行扩展。
[0011]本专利技术第二方面还提供一种基于多组学技术的数字货币识别系统，包括存储器和处理器，所述存储器中包括基于多组学技术的数字货币识别方法程序，所述基于多组学技术的数字货币识别方法程序被所述处理器执行时实现如下步骤：基于基因共表达网络技术构建相似度比较网络，并通过大数据进行相关性检测分析得到所述相似度比较网络相邻节点间的交易数据；通过预设的多层异构网络整合不同类型的交易数据集，并通过预设的图卷积技术进行嵌入以获取数字资产交易数据；将所述数字资产交易数据输入到训练好的非法交易神经网络模型中，以得到模拟输出结果，进而提取交易识别结果。
[0012]本方案中，所述基于基因共表达网络技术构建相似度比较网络，并通过大数据进行相关性检测分析得到所述相似度比较网络相邻节点间的交易数据，具体为：将一组账户表示为一个节点，并将所述节点边缘定义为预设时间内与所述相邻节点的总交易量；基于基因共表达网络技术构建所述相似度比较网络，以将所有成对的所述数字资产交易数据连接到同一个网络上；通过大数据进行相关性检测分析，得到所述相邻节点间的交易数据。
[0013]本方案中，所述通过大数据进行相关性检测分析，得到所述相邻节点间的交易数据，具体为：
基于大数据检测基因组学与其他高通量组学数据的相互作用关系；通过识别所述相互作用关系中的共变组件与连接关系，得到所述相邻节点间的条件依赖性以及所述相似度比较网络中功能关联的底层网络结构。
[0014]所述通过预设的多层异构网络整合不同类型的交易数据集，并通过预设的图卷积技术进行嵌入以获取数字资产交易数据，具体为：通过所述多层异构网络整合不同类型的交易数据集以解决数据缺失以及特定数据集缺失的交易情形；通过所述图卷积技术进行嵌入所述多层异构网络，以对数字资产交易数据进行分类，并提取确定的交易情形。
[0015]所述非法交易神经网络模型训练方法为：获取历史检测数据的非法交易数据与合法交易数据；将所述历史检测数据的非法交易数据与合法交易数据进行预处理，得到训练样本集；将所述训练样本集输入至初始化的所述非法交易神经网络模型中训练；获取输出结果的准确率；若所述准确率大于预设的准确率阈值，则停止训练，得到所述非法交易神经网络模型。
[0016]本方案中，所述方法还包括：利用分布式机器学习技术对所述交易数据集进行扩展。
[0017]本专利技术第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质中包括机器的一种基于多组学技术的数字货币识别方法程序，所述基于多组学技术的数字货币识别方法程序被处理器执行时，实现如上述任一项所述的一种基于多组学技术的数字货币识别方法的步骤。
[0018]本专利技术公开的一种基于多组学技术的数字货币识别方法、系统和存储介质，通过多组学研究以明确交易账户的类型以及交易的具体流程，通过多层次与高通量组学数据的整合分析，可以精准追踪到问题账户，快速高效且准确性高；同时利用分布式机器学习可以大幅提高计算效率与使用延展性。
附图说明
[0019]图1示出了本专利技术一种基于多组学技术的数字货币识别方法的流程图；图2示出了本专利技术一种基于多组学技术的数字货币识别系统的框图。
具体实施方式
[0020]为了能够更清楚地理解本专利技术的上述目的、特征和优点，下面结合附图和具体实施方式对本专利技术进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。...

【技术保护点】

【技术特征摘要】
1.一种基于多组学技术的数字货币识别方法，其特征在于，包括以下步骤：基于基因共表达网络技术构建相似度比较网络，并通过大数据进行相关性检测分析得到所述相似度比较网络相邻节点间的交易数据；通过预设的多层异构网络整合不同类型的交易数据集，并通过预设的图卷积技术进行嵌入以获取数字资产交易数据；将所述数字资产交易数据输入到训练好的非法交易神经网络模型中，以得到模拟输出结果，进而提取交易识别结果。2.根据权利要求1所述的一种基于多组学技术的数字货币识别方法，其特征在于，所述基于基因共表达网络技术构建相似度比较网络，并通过大数据进行相关性检测分析得到所述相似度比较网络相邻节点间的交易数据，具体为：将一组账户表示为一个节点，并将所述节点边缘定义为预设时间内与所述相邻节点的总交易量；基于基因共表达网络技术构建所述相似度比较网络，以将所有成对的所述数字资产交易数据连接到同一个网络上；通过大数据进行相关性检测分析，得到所述相邻节点间的交易数据。3.根据权利要求2所述的一种基于多组学技术的数字货币识别方法，其特征在于， 所述通过大数据进行相关性检测分析，得到所述相邻节点间的交易数据，具体为：基于大数据检测基因组学与其他高通量组学数据的相互作用关系；通过识别所述相互作用关系中的共变组件与连接关系，得到所述相邻节点间的条件依赖性以及所述相似度比较网络中功能关联的底层网络结构。4.根据权利要求1所述的一种基于多组学技术的数字货币识别方法，其特征在于，所述通过预设的多层异构网络整合不同类型的交易数据集，并通过预设的图卷积技术进行嵌入以获取数字资产交易数据，具体为：通过所述多层异构网络整合不同类型的交易数据集以解决数据缺失以及特定数据集缺失的交易情形；通过所述图卷积技术进行嵌入所述多层异构网络，以对数字资产交易数据进行分类，并提取确定的交易情形。5.根据权利要求1所述的一种基于多组学技术的数字货币识别方法，其特征在于，所述非法交易神经网络模型训练方法为：获取历史检测数据的非法交易数据与合法交易数据；将所述历史检测数据的非法交易数据与合法交易数据进行预处理，得到训练样本集；将所述训练样本集输入至初始化的所述非法交易神经网络模型中训练；获取输出结果的准确...

【专利技术属性】
技术研发人员：李志杰，
申请(专利权)人：浙江中科华知科技股份有限公司，
类型：发明
国别省市：