一种基于图神经网络的区块链钓鱼诈骗识别的方法技术

本发明专利技术提供一种基于图神经网络的区块链钓鱼诈骗识别的方法，对于交易数据进行预处理，将交易数据处理为交易网络图；对交易网络图进行聚类处理，得到全局视角图；对交易网络图进行采样处理，得到局部视角图；构建并训练图神经网络；将全局视角图输入训练好的图神经网络得到全局交易视角的节点嵌入；所述的节点嵌入包括交易网络的结构和边视角信息；将局部视角图输入训练好的图神经网络得到局部交易视角的节点嵌入；将全局交易视角的节点嵌入和局部交易视角的节点嵌入进行拼接后一起输入多层感知器，以实现网络钓鱼地址的分类识别。本发明专利技术基于多交易视角的数据挖掘从交易网络中更多有效信息来提高以太坊钓鱼诈骗识别的识别性能。识别性能。识别性能。

【技术实现步骤摘要】
一种基于图神经网络的区块链钓鱼诈骗识别的方法


[0001]本专利技术涉及区块链交易网络钓鱼地址识别
，更具体地，涉及一种基于图神经网络的区块链钓鱼诈骗识别的方法。

技术介绍

[0002]时下流行的比特币、以太坊等加密货币，都是以区块链技术作为关键支持技术。区块链是一种新型的分布式账本技术，在互不信任的环境下实现去信任中介的可信交易。与传统数据库技术相比，区块链具有防伪造、不可篡改以及智能合约实现等特点，被誉为一种将引发社会变革的技术。由于要在分布式环境中实现可信的交易，区块链技术大量使用密码学技术隐藏用户信息，同时所有交易信息则由分布式网络共同验证、存储。各种公有链，如比特币、以太坊等获得了大量用户的参与，积累了大量交易数据。大量用户的参与和活跃的用户交易使得基于区块链的数据分析成为一个重要且有价值的研究问题。
[0003]随着区块链技术的发展，各行各业将区块链技术作为底层技术引入，势必导致大量的数据以区块链数据的形式存在，因而研究基于区块链的数据分析问题具有重要的理论和现实意义。基于区块链实现的支付系统具有匿名性、去中心化性，而不法分子正是利用匿名性进行诈骗活动，区块链系统中骗局的泛滥会阻碍用户对区块链技术的接受和使用，进而阻碍技术的进步。因此，识别区块链交易网络用户异常行为已成为区块链生态系统中一个紧迫和关键的问题。交易网络钓鱼诈骗是随着区块链发展而兴起的一种新型网络犯罪，钓鱼诈骗行为利用区块链匿名的特性大行其道，相对滞后的法律措施和尚在发展的数据分析手段使得这些非法行为更是日益猖獗。
[0004]现有的网络钓鱼诈骗识别方法可分为大致可分为两类。
[0005]1)基于特征工程的方法，通过人工分析区块链交易网络的拓扑特征，并构建统计特征作为钓鱼诈骗识别的机器学习分类器的输入。从基于交易记录构建的交易图提取了219个基于一阶与二阶钱包节点的维度特征，作为LightGBM分类器的输入对钓鱼诈骗交易地址进行识别。
[0006]2)基于随机游走图表示学习方法，DeepWalk、node2vec算法被设计为获取图的结构信息。node2vec来获得以太坊交易表示的节点，并用单类SVM对其进行分类。trans2vec通过引入有偏置的交易采样来进行扩展。然而这些基于随机游走的算法的外部编码器，不能利用节点的特征信息，从而限制了其性能。
[0007]3)基于图神经网络方法，E
‑
GCN是基于图自动编码器而设计的。EdgeProp利用交易边缘特征的信息。MCGC使用图升级网络的多个特征提取通道来提取目标地址的交易模式的特征。TTAGN使用时间性边缘表示法和edge2node模块来有效地识别网络钓鱼欺诈行为。然而现有的基于图神经网络的方法只使用的节点特征，不能充分利用图的结构信息，而区块链交易中的边缘特征区块链交易中的边缘特征没有得到充分的利用。

技术实现思路

[0008]本专利技术为克服上述现有的异常交易节点识别中，使用的基于启发式的浅层嵌入以及图神经网络识别技术，无法充分利用交易网络的结构信息以及边信息的问题，提出了一种基于图神经网络的区块链钓鱼诈骗识别的方法，其基于多交易视角的数据挖掘从交易网络中更多有效信息来提高以太坊钓鱼诈骗识别的识别性能。
[0009]为解决上述技术问题，本专利技术的技术方案如下：
[0010]一种基于图神经网络的区块链钓鱼诈骗识别的方法，所述的方法包括以下步骤：
[0011]对于交易数据进行预处理，将交易数据处理为交易网络图；
[0012]对交易网络图进行聚类处理，得到全局视角图；
[0013]对交易网络图进行采样处理，得到局部视角图；
[0014]构建并训练多交易视角注意力图神经网络；
[0015]将全局视角图输入训练好的多交易视角注意力图神经网络得到全局交易视角的节点嵌入；所述的节点嵌入包括交易网络的结构和边视角信息；
[0016]将局部视角图输入训练好的多交易视角注意力图神经网络得到局部交易视角的节点嵌入；
[0017]将全局交易视角的节点嵌入和局部交易视角的节点嵌入进行拼接后一起输入多层感知器，以实现网络钓鱼地址的分类识别。
[0018]优选地，通过聚类函数对交易网络图进行聚类处理，得到全局视角图，其表达式如下：
[0019][0020]其中，ρ表示图形聚类函数，c表示聚类数量，表示交易网络图；表示聚类后生成的第i个子图、表示中节点的集合、表示中边的集合。
[0021]优选地，通过邻居采样函数对交易网络图进行采样处理，得到局部视角图：
[0022][0023]其中，表示节点i的K阶邻居节点，j表示图中的节点，K
‑
hop表示K跳即寻找K阶邻居。
[0024]优选地，所述的多交易视角注意力图神经网络，通过边特征和注意力系数以捕获交易网络获取边视角系数信息，通过聚合地址节点的特征获取交易图的结构信息。
[0025]进一步地，所述的多交易视角注意力图神经网络是由多个MTvConv块组成；所述的MTvConv块的输入是一组节点的输入特征MTvConv块的输入是一组节点的输入特征其中N表示节点的数量，F表示每个节点中输入MTvGAT特征的维度、表示第i维度的输入特征；
[0026]在训练完后多交易视角注意力图神经网络，每个MTvConv块输出节点的嵌入其中，F
′
表示输出嵌入的维度、表示第i维度的输入特征；
[0027]所述的多交易视角注意力图神经网络MTvGAT的计算公式如下：
[0028][0029]其中，表示输入交易网络图，A表示输入交易网络图的邻接矩阵，z表示从MTvGAT
最后一层MTvConv块学到的目标节点的嵌入。
[0030]再进一步地，所述的注意力系数α
ij
的计算公式如下：
[0031][0032]其中，表示一个可学习的权重矩阵，将输入特征转换为高纬度特征；表示一个共享的注意力机制，||表示特征拼接操作。
[0033]再进一步地，所述的边视角系数δ
i,j
是通过结合边特征和注意力系数拼接而成：
[0034]δ
i,j
＝(e
i,j
||α
i,j
)
[0035]每个MTvConv块都将节点和边特征作为输入；通过信息前向传播机制被表述如下：
[0036][0037]其中，φ和是多层感知器，通过拼接输入来计算输出节点嵌入；
⊙
表示多个聚合器的组合和缩放器的组合；所述的聚合器聚合来自邻居的信息，所述的缩放器对聚合的信息进行不同的缩放；
[0038]所述的信息前向传播机制在多交易视角注意力图神经网络中的节点聚合邻居节点的信息，生成新的特征向量即l表示第l层神经网络。
[0039]再进一步地，采用神经网络反向传播对多交易视角注意力图神经网络进行训练。
[0040]再进一步地，在训练过程采用损失函数衡量输入本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图神经网络的区块链钓鱼诈骗识别的方法，其特征在于：所述的方法包括以下步骤：对于交易数据进行预处理，将交易数据处理为交易网络图；对交易网络图进行聚类处理，得到全局视角图；对交易网络图进行采样处理，得到局部视角图；构建并训练多交易视角注意力图神经网络；将全局视角图输入训练好的多交易视角注意力图神经网络得到全局交易视角的节点嵌入；所述的节点嵌入包括交易网络的结构和边视角信息；将局部视角图输入训练好的多交易视角注意力图神经网络得到局部交易视角的节点嵌入；将全局交易视角的节点嵌入和局部交易视角的节点嵌入进行拼接后一起输入多层感知器，以实现网络钓鱼地址的分类识别。2.根据权利要求1所述的基于图神经网络的区块链钓鱼诈骗识别的方法，其特征在于：通过聚类函数对交易网络图进行聚类处理，得到全局视角图，其表达式如下：其中，ρ表示图形聚类函数，c表示聚类数量，表示交易网络图；表示聚类后生成的第i个子图、表示中节点的集合、表示中边的集合。3.根据权利要求1所述的基于图神经网络的区块链钓鱼诈骗识别的方法，其特征在于：通过邻居采样函数对交易网络图进行采样处理，得到局部视角图：其中，表示节点i的K阶邻居节点，j表示图中的节点，K
‑
hop表示K跳即寻找K阶邻居。4.根据权利要求1所述的基于图神经网络的区块链钓鱼诈骗识别的方法，其特征在于：所述的多交易视角注意力图神经网络，通过边特征和注意力系数以捕获交易网络获取边视角系数信息，通过聚合地址节点的特征获取交易图的结构信息。5.根据权利要求4所述的基于图神经网络的区块链钓鱼诈骗识别的方法，其特征在于：所述的多交易视角注意力图神经网络是由多个MTvConv块组成；所述的MTvConv块的输入是一组节点的输入特征所述的MTvConv块的输入是一组节点的输入特征其中N表示节点的数量，F表示每个节点中输入特征的维度、表示第i维度的输入特征；在训练完后图神经网络MTvGAT，每个MTvConv块输出节点的嵌入在训练完后图神经网络MTvGAT，每个MTvConv块输出节点的嵌入其中，F
′
表示输出嵌入的维度、表示第i维度的嵌入特征；所述的多交易视角注意力图神经网络MTvGAT的计算公式如下：其中，表示...

【专利技术属性】
技术研发人员：卞静，卓绍烜，李焱，
申请(专利权)人：中山大学，
类型：发明
国别省市：