基于图表示学习的区块链碳排放交易异常检测方法和装置制造方法及图纸

本申请提供一种基于图表示学习的区块链碳排放交易异常检测方法和装置，方法包括：将用于碳排放交易的区块链网络当前的邻接矩阵和表示所述区块链网络中各个节点属性的属性矩阵输入基于自编码器和注意力机制的图表示学习模型，以输出重构邻接矩阵和重构属性矩阵；应用邻接矩阵、重构邻接矩阵、属性矩阵和重构属性矩阵确定区块链网络中各个节点的异常检测分值；根据异常检测分值确定区块链网络中存在碳排放交易异常风险的异常节点。本申请能够有效提高区块链碳排放交易异常检测的准确性及有效性，能够有效过滤异常节点的影响并提升获得节点正常特征的能力，进而能够有效保证区块链中碳排放交易的安全性及可靠性。区块链中碳排放交易的安全性及可靠性。区块链中碳排放交易的安全性及可靠性。

【技术实现步骤摘要】
基于图表示学习的区块链碳排放交易异常检测方法和装置


[0001]本申请涉及信息处理
，尤其涉及一种基于图表示学习的区块链碳排放交易异常检测方法和装置。

技术介绍

[0002]在开展碳交易与碳中和管理方面，面临碳数据流通信任弱、碳排放数据辨识溯源难、市场主体参与成本高、电碳协同运行机制亟待完善等诸多挑战。区块链作为一种规则化数字技术，具有多方共识、公开透明、防篡改可追溯等特点，适用于碳监测、核算、交易等规则强依赖性的场景，可实现碳足迹全生命周期的可信记录、碳排放全要素的可信流转，支撑构建电碳协同运行机制。因此，可以将区块链技术与碳排放交易进行结合，碳排放交易数据中包括各碳排放交易的双方节点和交易特征。企业和个人都有个关于碳排放的数据指标，如果企业或者个人有盈余的碳指标，或者是超出碳排放指标，则双方可以进行碳排放交易。然而，为了进一步确保碳排放交易的安全性和可靠性，需要对区块链中进行异常碳排放交易的节点进行检测。
[0003]目前，现有的针对区块链中进行异常碳排放交易的节点的检测方法，忽略了区块链网络结构和节点属性之间的交互信息，因此使得区块链碳排放交易异常检测的能力受限，无法准确检测到区块链中进行异常碳排放交易的节点。

技术实现思路

[0004]鉴于此，本申请实施例提供了一种基于图表示学习的区块链碳排放交易异常检测方法和装置，以消除或改善现有技术中存在的一个或更多个缺陷。
[0005]本申请的一个方面提供一种基于图表示学习的区块链碳排放交易异常检测方法，包括：
[0006]将用于碳排放交易的区块链网络当前的邻接矩阵和表示所述区块链网络中各个节点属性的属性矩阵输入预设的基于自编码器和注意力机制的图表示学习模型，以使该图表示学习模型输出所述邻接矩阵对应的重构邻接矩阵以及所述属性矩阵对应的重构属性矩阵；
[0007]应用所述邻接矩阵、重构邻接矩阵、属性矩阵和重构属性矩阵确定所述区块链网络中各个节点的异常检测分值；
[0008]根据各个所述节点的异常检测分值确定所述区块链网络中存在碳排放交易异常风险的异常节点。
[0009]在本申请的一些实施例中，所述基于自编码器和注意力机制的图表示学习模型包括：
[0010]结构编码器，用于根据输入的区块链网络的邻接矩阵，对应输出该区块链网络中各个节点的网络结构特征对应的结构嵌入表示；
[0011]属性编码器，用于根据输入的区块链网络的属性矩阵，输出该区块链网络中全部
属性信息的属性特征对应的属性嵌入表示，所述属性编码器和所述结构编码器均为所述自编码器；
[0012]图注意力层，用于采用共享注意力机制，基于输入的所述邻接矩阵和所述属性矩阵确定所述区块链网络中每两个节点之间的重要度权值，以得到用于表示各个所述节点的节点特征的节点嵌入表示；
[0013]结构解码器，用于根据输入的所述结构嵌入表示和所述节点嵌入表示对所述邻接矩阵进行重构，输出对应的重构邻接矩阵；
[0014]属性解码器，用于根据输入的所述属性嵌入表示和所述节点嵌入表示对所述属性矩阵进行重构，输出对应的重构属性矩阵。
[0015]在本申请的一些实施例中，所述将用于碳排放交易的区块链网络当前的邻接矩阵和表示所述区块链网络中各个节点属性的属性矩阵输入预设的基于自编码器和注意力机制的图表示学习模型，以使该图表示学习模型输出所述邻接矩阵对应的重构邻接矩阵以及所述属性矩阵对应的重构属性矩阵，包括：
[0016]将用于碳排放交易的区块链网络当前的邻接矩阵输入所述结构编码器，以使该结构编码器输出该区块链网络中各个节点的网络结构特征在隐含层的结构嵌入表示；
[0017]将所述邻接矩阵和所述区块链网络当前的属性矩阵输入所述图注意力层，以使该图注意力层采用共享注意力机制确定所述区块链网络中每两个节点之间的重要度权值，以输出用于表示各个所述节点的节点特征的节点嵌入表示；
[0018]以及，将所述属性矩阵输入所述属性编码器，以使该属性编码器输出该区块链网络中全部属性信息的属性特征在隐含层对应的属性嵌入表示；
[0019]将所述结构嵌入表示和所述节点嵌入表示输入所述结构解码器，以使该结构解码器对所述邻接矩阵进行重构，输出对应的重构邻接矩阵；
[0020]以及，将所述属性嵌入表示和所述节点嵌入表示输入所述属性解码器，以使该属性解码器对所述属性矩阵进行重构，输出对应的重构属性矩阵。
[0021]在本申请的一些实施例中，所述将所述邻接矩阵和所述区块链网络当前的属性矩阵输入所述图注意力层，以使该图注意力层采用共享注意力机制确定所述区块链网络中每两个节点之间的重要度权值，以输出用于表示各个所述节点的节点特征的节点嵌入表示，包括：
[0022]将所述邻接矩阵和所述区块链网络当前的属性矩阵输入所述图注意力层，以使该图注意力层先基于所述属性矩阵获取其映射到潜在空间的节点特征向量；再采用共享注意力机制，基于所述节点特征向量和所述邻接矩阵确定所述区块链网络中每两个节点之间的重要度权值，并根据每两个所述节点之间的重要度权值确定用于表示各个所述节点的节点特征的节点嵌入表示。
[0023]在本申请的一些实施例中，在所述将用于碳排放交易的区块链网络当前的邻接矩阵和表示所述区块链网络中各个节点属性的属性矩阵输入预设的基于自编码器和注意力机制的图表示学习模型，以使该图表示学习模型输出所述邻接矩阵对应的重构邻接矩阵以及所述属性矩阵对应的重构属性矩阵之前，还包括：
[0024]获取用于碳排放交易的区块链网络当前的图数据，其中，该图数据中包含有所述区块链网络中参与碳排放交易的各个节点、节点之间的关系以及各个节点的属性信息；
[0025]基于所述图数据生成对应的邻接矩阵和表示所述区块链网络中各个节点属性的属性矩阵。
[0026]在本申请的一些实施例中，所述应用所述邻接矩阵、重构邻接矩阵、属性矩阵和重构属性矩阵确定所述区块链网络中各个节点的异常检测分值，包括：
[0027]以邻接矩阵和表示所述区块链网络中各个节点属性的属性矩阵的重构误差最小为目标，构建包含有超参数、分别代表邻接矩阵、重构邻接矩阵、属性矩阵和重构属性矩阵的参数的目标函数；
[0028]将所述邻接矩阵、重构邻接矩阵、属性矩阵和重构属性矩阵代入所述目标函数并进行求解，得到所述区块链网络中各个节点各自对应的重构误差值；
[0029]基于各个节点各自对应的所述重构误差值分别确定各个所述各个节点各自对应的作为异常检测分值。
[0030]在本申请的一些实施例中，所述根据各个所述节点的异常检测分值确定所述区块链网络中存在碳排放交易异常风险的异常节点，包括：
[0031]以所述异常检测分值从到小的顺序对各个所述节点进行排列；
[0032]在排列后的各个所述节点中，从首个开始选取预设阈值数量的节点标记为存在碳排放交易异常风险的异常节点，或者，将大于异常阈值的节点均标记为存在碳排放交易异常风险的异常节点；
[0033]基本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图表示学习的区块链碳排放交易异常检测方法，其特征在于，包括：将用于碳排放交易的区块链网络当前的邻接矩阵和表示所述区块链网络中各个节点属性的属性矩阵输入预设的基于自编码器和注意力机制的图表示学习模型，以使该图表示学习模型输出所述邻接矩阵对应的重构邻接矩阵以及所述属性矩阵对应的重构属性矩阵；应用所述邻接矩阵、重构邻接矩阵、属性矩阵和重构属性矩阵确定所述区块链网络中各个节点的异常检测分值；根据各个所述节点的异常检测分值确定所述区块链网络中存在碳排放交易异常风险的异常节点。2.根据权利要求1所述的基于图表示学习的区块链碳排放交易异常检测方法，其特征在于，所述基于自编码器和注意力机制的图表示学习模型包括：结构编码器，用于根据输入的区块链网络的邻接矩阵，对应输出该区块链网络中各个节点的网络结构特征对应的结构嵌入表示；属性编码器，用于根据输入的区块链网络的属性矩阵，输出该区块链网络中全部属性信息的属性特征对应的属性嵌入表示，所述属性编码器和所述结构编码器均为所述自编码器；图注意力层，用于采用共享注意力机制，基于输入的所述邻接矩阵和所述属性矩阵确定所述区块链网络中每两个节点之间的重要度权值，以得到用于表示各个所述节点的节点特征的节点嵌入表示；结构解码器，用于根据输入的所述结构嵌入表示和所述节点嵌入表示对所述邻接矩阵进行重构，输出对应的重构邻接矩阵；属性解码器，用于根据输入的所述属性嵌入表示和所述节点嵌入表示对所述属性矩阵进行重构，输出对应的重构属性矩阵。3.根据权利要求2所述的基于图表示学习的区块链碳排放交易异常检测方法，其特征在于，所述将用于碳排放交易的区块链网络当前的邻接矩阵和表示所述区块链网络中各个节点属性的属性矩阵输入预设的基于自编码器和注意力机制的图表示学习模型，以使该图表示学习模型输出所述邻接矩阵对应的重构邻接矩阵以及所述属性矩阵对应的重构属性矩阵，包括：将用于碳排放交易的区块链网络当前的邻接矩阵输入所述结构编码器，以使该结构编码器输出该区块链网络中各个节点的网络结构特征在隐含层的结构嵌入表示；将所述邻接矩阵和所述区块链网络当前的属性矩阵输入所述图注意力层，以使该图注意力层采用共享注意力机制确定所述区块链网络中每两个节点之间的重要度权值，以输出用于表示各个所述节点的节点特征的节点嵌入表示；将所述属性矩阵输入所述属性编码器，以使该属性编码器输出该区块链网络中全部属性信息的属性特征在隐含层对应的属性嵌入表示；将所述结构嵌入表示和所述节点嵌入表示输入所述结构解码器，以使该结构解码器对所述邻接矩阵进行重构，输出对应的重构邻接矩阵；以及，将所述属性嵌入表示和所述节点嵌入表示输入所述属性解码器，以使该属性解码器对所述属性矩阵进行重构，输出对应的重构属性矩阵。4.根据权利要求3所述的基于图表示学习的区块链碳排放交易异常检测方法，其特征
在于，所述将所述邻接矩阵和所述区块链网络当前的属性矩阵输入所述图注意力层，以使该图注意力层采用共享注意力机制确定所述区块链网络中每两个节点之间的重要度权值，以输出用于表示各个所述节点的节点特征的节点嵌入表示，包括：将所述邻接矩阵和所述区块链网络当前的属性矩阵输入所述图注意力层，以使该图注意力层先基于所述属性矩阵获取其映射到潜在空间的节点特征向量；再采用共享注意...

【专利技术属性】
技术研发人员：熊翱，谯陈彬，李文璟，郭少勇，王栋，李达，宋雨，
申请(专利权)人：国网数字科技控股有限公司，
类型：发明
国别省市：