【技术实现步骤摘要】
一种元宇宙生态下基于分层图注意力机制的以太坊钓鱼识别方法
[0001]本专利技术涉及区块链
、
图神经网络技术,尤其涉及图注意力机制
、
图数据增强和图对比学习方法
。
技术介绍
[0002]区块链最早由中本聪于
2008
年提出,它具有三大特点:去中心化
、
抗篡改
、
可追溯
。
区块链通过密码学
、
点对点传输和共识机制为加密货币交易提供了一个无需可信第三方的分布式交易环境
。
交易的参与者是匿名的,同时交易记录都是不可逆且可公开访问的
。
[0003]以太坊是目前最大的支持图灵完备智能合约的区块链平台,据权威机构指出每天大约有
70000
活跃地址在进行交易
。
随着以太坊的快速发展,经济价值愈发凸显,钓鱼诈骗行为也在平台日渐猖獗,亟需一种行之有效的方法对钓鱼地址进行识别,保障平台系统性安全,保证区块链生态系统良性运作,促进上层去中心化应用可持续发展
。
[0004]元宇宙是人类运用数字技术构建的,由现实世界映射或超越现实世界,可与现实世界交互的虚拟世界,具备新型社会体系的数字生活空间
。
用户能够在元宇宙中进行社交
、
娱乐
、
创作
、
教育
、
交易等社会性和精神性的活动
。
区块链作为元宇宙去中心化的组成部分, ...
【技术保护点】
【技术特征摘要】
1.
一种基于分层图注意力机制的以太坊钓鱼识别方法,所述方法步骤包括:
1)
构建以太坊交易网络
。2)
子图编码
。
将采样后的子图送入编码器得到子图的嵌入表示
。3)
子图对比学习
。4)
预测分类
。2.
根据权利要求1所述基于分层图注意力机制的以太坊钓鱼识别方法,其特征在于
:
步骤
1)
的原始数据包含
3870561
个交易地址
、195296158
条交易记录
、2010
个标签地址
(
即钓鱼诈骗地址,其余均为非标签地址
)。
采用基于交易额
、
交易次数
、
平均交易额的采样方法,经数据清洗和采样处理之后得到三个数据集,平均节点数量分别为:
32.8、31.4、32.6
,平均边数量分别为:
132.6、108.4、122.3。3.
根据权利要求1所述基于分层图注意力机制的以太坊钓鱼识别方法,其特征在于
:
步骤
2)
所用的编码器为分层图注意力编码器,如图2所示
。
使用节点级编码器提取子图内部节点间的信息,子图级编码器提取子图间的信息
。
节点级编码器首先会对节点原始特征进行线性变换得到节点向量,针对节点向量可以得到节点注意力层,之后可以通过
softmax
函数计算得到注意力分数,节点向量表示可以通过加权求和得到,最终的节点向量表示还要经过图池化操作得到
。
计算过程公式描述如下:
h0=
σ
(XW+b)(XW+b)(XW+b)h
l
=
SAGPooling(h
l
)
其中,
X
表示节点原始特征,
σ
表示激活函数,
h
j
表示邻域节点的特征,
θ
表示权重矩阵,
||
表示拼接操作,
N(i)
表示邻居节点数量,
...
【专利技术属性】
技术研发人员:陈乔松,张星宇,尹忠钰,耿梓源,胡杰,
申请(专利权)人:重庆邮电大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。