System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于机器学习在区块链数据分析中的应用领域,具体涉及一种区块链身份推断方法及系统。
技术介绍
1、在区块链技术的应用中,尤其是在区块链网络中,地址的身份推断是一个重要的问题。一方面,由于区块链网络的公开性和透明性,任何人都可以观察到网络中的交易。然而,由于交易数据中的地址是匿名的,因此无法直接从地址得知其背后的身份。这给诸如交易分析、安全审计、欺诈检测等任务带来了困难。
2、为了解决这个问题,研究者和工程师们已经开发了一些地址身份推断的方法。一种常见的方法是基于手动收集的标签地址,将网络中的交易数据抽象为一个图,然后通过图分析的方法进行身份推断。但是,这种方法有两个主要的问题:一是人工收集的标签地址数量有限,不能覆盖网络中的所有地址;二是传统的图分析方法往往不能很好地处理大规模的图数据,导致地址身份推断的精度不高。
3、为此,一些研究者开始尝试利用机器学习模型进行地址身份推断。通过对大规模的区块链交易数据进行深度学习,得到网络中地址的嵌入表示,然后基于这些嵌入表示进行身份推断。这种方法不仅可以处理大规模的数据,而且可以自动地学习到复杂的地址间的关系。然而,如何设计和训练机器学习模型实现高精度身份推断仍然是一个挑战。
技术实现思路
1、针对上述问题,本专利技术提出一种基于深度图神经网络的区块链地址身份推断方法及系统,能够提高区块链中交易地址身份推断的精度。
2、为了实现上述技术目的,达到上述技术效果,本专利技术通过以下技术方案实现:
...【技术保护点】
1.一种基于深度图神经网络的区块链地址身份推断方法,其特征在于,包括:
2.根据权利要求1所述的一种基于深度图神经网络的区块链地址身份推断方法,其特征在于:所述多任务身份识别图模型包括:N个串行的MGPI块,第一个MGPI块的输入端用于接入节点子图,其余MGPI块的输入端与前一个MGPI块的输出端相连,第N个MGPI块的输出端输出节点的嵌入表示;
3.根据权利要求2所述的一种基于深度图神经网络的区块链地址身份推断方法,其特征在于:所述MGPI层包括顺次设置的全连接层、全连接层、全连接层、全连接层、缩放层、归一化层以及最后的全连接层、全连接层、n代表节点;其中,全连接层将节点特征转换为键表示,用于评估其他节点的查询与中心节点的匹配程度;全连接层将节点特征转换为查询表示,用于确定节点应该如何与其邻居节点交互,以及权重大小;全连接层将节点特征转换为值表示,当查询与键匹配时,相应的值被用来更新节点的表示;全连接层将边的特征转换为边的表示,用于在注意力机制中提供额外的上下文信息;
4.根据权利要求1所述的一种基于深度图神经网络的区块链地址身份推断方法,其
5.根据权利要求4所述的一种基于深度图神经网络的区块链地址身份推断方法,其特征在于:每个节点的节点子图的获取方法包括:
6.根据权利要求4所述的一种基于深度图神经网络的区块链地址身份推断方法,其特征在于:所述联合采样概率的表达式为:
7.根据权利要求4所述的一种基于深度图神经网络的区块链地址身份推断方法,其特征在于:所述节点填空网络接收节点嵌入表示,随机地选择一些节点进行屏蔽,利用多任务身份识别图模型预测这些被屏蔽节点的特征;所述子图划分网络接收节点嵌入表示,并将一个子图中所有节点的嵌入表示聚合成一个单一的嵌入表示,所述单一的嵌入表示在一定程度上反映子图的整体特性,并由此判断两个子图的关系为无关系、包含关系还是重叠关系。
8.根据权利要求4所述的一种基于深度图神经网络的区块链地址身份推断方法,其特征在于:所述线性分类器顺次包含全连接层和激活层;节点嵌入表示输入至全连接层中,再经过激活层,输出每个类别的概率,公示如下:
9.根据权利要求4所述的一种基于深度图神经网络的区块链地址身份推断方法,其特征在于:所述总损失函数的获得方法包括:
10.一种基于深度图神经网络的区块链地址身份推断系统,其特征在于,包括存储介质和处理器;
...【技术特征摘要】
1.一种基于深度图神经网络的区块链地址身份推断方法,其特征在于,包括:
2.根据权利要求1所述的一种基于深度图神经网络的区块链地址身份推断方法,其特征在于:所述多任务身份识别图模型包括:n个串行的mgpi块,第一个mgpi块的输入端用于接入节点子图,其余mgpi块的输入端与前一个mgpi块的输出端相连,第n个mgpi块的输出端输出节点的嵌入表示;
3.根据权利要求2所述的一种基于深度图神经网络的区块链地址身份推断方法,其特征在于:所述mgpi层包括顺次设置的全连接层、全连接层、全连接层、全连接层、缩放层、归一化层以及最后的全连接层、全连接层、n代表节点;其中,全连接层将节点特征转换为键表示,用于评估其他节点的查询与中心节点的匹配程度;全连接层将节点特征转换为查询表示,用于确定节点应该如何与其邻居节点交互,以及权重大小;全连接层将节点特征转换为值表示,当查询与键匹配时,相应的值被用来更新节点的表示;全连接层将边的特征转换为边的表示,用于在注意力机制中提供额外的上下文信息;
4.根据权利要求1所述的一种基于深度图神经网络的区块链地址身份推断方法,其特征在于:所述多任务身份识别图模型的训练方法包括:
5.根据权利要求4...
【专利技术属性】
技术研发人员:刘炳杉,施俣喆,吴之锦,付章杰,陈北京,袁程胜,
申请(专利权)人:南京信息工程大学,
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。