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() 一种基于人工智能的区块链异常交易检测方法技术_技高网

一种基于人工智能的区块链异常交易检测方法技术

技术编号:40286609 阅读:3 留言:0更新日期:2024-02-07 20:39
本发明专利技术属于大数据处理技术领域,具体涉及一种基于人工智能的区块链异常交易检测方法,包括:获取区块链交易数据并构建成图结构,使用Attention机制和GCN模型对图中的交易节点特征和其邻近节点的特征进行编码,将编码后的交易节点特征和邻近节点特征拼接后通过前馈神经网络进行二分类,预测本次交易是否为异常交易;本发明专利技术在对每个交易节点的邻近节点进行编码时,增大模型的视野域,考虑该节点周围多跳节点信息,提高异常交易识别的准确性。

【技术实现步骤摘要】

本专利技术属于大数据处理,具体涉及一种基于人工智能的区块链异常交易检测方法


技术介绍

1、在当今数字化时代,区块链技术和人工智能技术作为两大颠覆性的创新,已经在各个领域展现出强大的潜力。区块链技术以其去中心化、不可篡改、透明等特点,被广泛应用于金融、供应链管理、医疗保健等领域,实现了信息的安全存储和可追溯性。然而,随着区块链应用的不断普及,异常交易问题逐渐引起了人们的关注。在区块链网络中,异常交易可能包括欺诈、恶意攻击等违法活动,这些异常交易不仅会给参与者带来巨大的经济损失,也会影响到整个区块链网络的信誉和稳定性。因此,发展一种高效、准确的异常交易检测方法变得至关重要

2、传统的区块链异常交易检测方法通常基于规则和统计,例如使用预先定义的规则集,根据交易数据中的特定模式或规则来检测异常交易。但是这些方法难以捕捉复杂的非线性、动态交易模式,面对新型、未知的欺诈手法时无法有效识别。


技术实现思路

1、为解决上述技术问题,本专利技术提出一种基于人工智能的区块链异常交易检测方法,包括:

2、s1、获取区块链交易数据,并构建区块链交易图g;

3、所述区块链交易数据包括:交易发起方、交易接收方、交易哈希、交易发起方的地址、交易接收方的地址、交易金额、交易费用、交易签名、交易时间戳、区块高度、确认数、交易类型、交易关联信息;

4、s2、对于每次交易,以该交易节点为中心从区块链交易图g中抽取出子图g,分别对交易节点信息和交易节点的邻近信息进行编码,分别得到交易节点特征向量hego和邻近节点特征向量hnei;

5、s3、将hego与hnei拼接后送入前馈神经网络进行二分类,预测本次交易是否为异常交易。

6、本专利技术的有益效果:

7、本专利技术利用区块链中的交易数据构建了区块链交易图网络,利用注意力机制和图卷积网络来挖掘每个交易节点自身信息和其周围交易节点的信息,通过比较交易节点间的差异性来判断本次交易是否为异常,在对周围节点信息进行编码时,考虑到更远节点的信息,防止团伙行为影响了对交易节点的判断,提高了异常交易检测的泛化能力。

本文档来自技高网...

【技术保护点】

1.一种基于人工智能的区块链异常交易检测方法,其特征在于,包括:

2.根据权利要求1所述的一种基于人工智能的区块链异常交易检测方法,其特征在于,构建区块链金融图G,包括:

3.根据权利要求2所述的一种基于人工智能的区块链异常交易检测方法,其特征在于,所述区块链金融图G的图节点,包括:

4.根据权利要求1所述的一种基于人工智能的区块链异常交易检测方法,其特征在于,分别对交易节点信息和交易节点的邻近信息进行编码,分别得到交易节点特征向量hego和邻近节点特征向量hnei,包括:

5.根据权利要求4所述的一种基于人工智能的区块链异常交易检测方法,其特征在于,对子图g中所有节点进行拼接,得到子图g的节点序列的特征向量hv,包括:

6.根据权利要求4所述的一种基于人工智能的区块链异常交易检测方法,其特征在于,根据掩码矩阵E和子图g的节点序列的特征向量hv使用Attention机制进行节点信息编码,得到交易节点的特征向量hego,包括:

7.根据权利要求4所述的一种基于人工智能的区块链异常交易检测方法,其特征在于,利用邻接矩阵Madj和距离矩阵Mdis,通过GCN模型对交易节点的邻近节点信息进行编码,得到邻近节点特征向量hnei,包括:

8.根据权利要求7所述的一种基于人工智能的区块链异常交易检测方法,其特征在于,通过距离矩阵Mdis构建子图g的2-hop邻接矩阵包括

9.根据权利要求7所述的一种基于人工智能的区块链异常交易检测方法,其特征在于,根据邻接矩阵Madj和2-hop邻接矩阵使用GCN模型进行节点邻近信息编码,得到邻近节点特征向量hnei,包括:

10.根据权利要求1所述的一种基于人工智能的区块链异常交易检测方法,其特征在于,将hego与hnei拼接后送入前馈神经网络进行二分类,预测本次交易是否为异常交易,包括:

...

【技术特征摘要】

1.一种基于人工智能的区块链异常交易检测方法,其特征在于,包括:

2.根据权利要求1所述的一种基于人工智能的区块链异常交易检测方法,其特征在于,构建区块链金融图g,包括:

3.根据权利要求2所述的一种基于人工智能的区块链异常交易检测方法,其特征在于,所述区块链金融图g的图节点,包括:

4.根据权利要求1所述的一种基于人工智能的区块链异常交易检测方法,其特征在于,分别对交易节点信息和交易节点的邻近信息进行编码,分别得到交易节点特征向量hego和邻近节点特征向量hnei,包括:

5.根据权利要求4所述的一种基于人工智能的区块链异常交易检测方法,其特征在于,对子图g中所有节点进行拼接,得到子图g的节点序列的特征向量hv,包括:

6.根据权利要求4所述的一种基于人工智能的区块链异常交易检测方法,其特征在于,根据掩码矩阵e和子图g的节点序列的特征向量hv使用at...

【专利技术属性】
技术研发人员:陈青青牟以恒刘彬母雪豪王进吴思远
申请(专利权)人:重庆邮电大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1