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() 一种基于聚类和虚拟节点的数字货币非法地址识别方法技术_技高网
当前位置: 首页 > 专利查询>中山大学专利>正文

一种基于聚类和虚拟节点的数字货币非法地址识别方法技术

技术编号:40489380 阅读:5 留言:0更新日期:2024-02-26 19:20
本发明专利技术公开了一种基于聚类和虚拟节点的数字货币非法地址识别方法,涉及区块链技术领域。所述方法包括:获取数字货币交易数据,构建交易网络;选取对分类任务贡献最大的至少一个地址特征作为第一地址特征;根据第一地址特征,基于聚类方法提取数字货币地址间的同质性;根据聚类结果,对不带有监督信息的数字货币地址进行快速识别;在交易网络上构建虚拟节点;在带有虚拟节点的交易网络上进行表征学习;根据地址特征、表征学习结果和监督信息,选取机器学习模型进行训练并输出识别结果。相较于现有技术,本发明专利技术结合了数字货币地址的地址特征和交易网络的拓扑结构,提高了非法地址识别的准确率。

【技术实现步骤摘要】

本专利技术涉及区块链,更具体地,涉及一种基于聚类和虚拟节点的数字货币非法地址识别方法


技术介绍

1、数字货币是区块链技术在金融领域最具代表性的应用,在全世界范围受到广泛关注。由于普遍存在匿名性和去中心化的特点,数字货币也成为一些不法分子进行诈骗、洗钱、获取非法报酬的手段,如比特币。为了保障区块链生态的良好运行,对数字货币非法地址的识别尤为重要。

2、现有的数字货币非法地址识别技术通常基于数字货币地址特征,训练一个或若干个机器学习模型用于非法类别的检测;或者结合数字货币交易记录所构成的网络,使用图神经网络相关技术进行特征聚合,从而实现对非法地址的识别。这些方法没有对地址特征和网络拓扑信息进行更有效的结合,也没有显式提取出非法地址的行为模式,识别过程存在明显的局限性。


技术实现思路

1、本专利技术为克服上述现有技术所述的未有效结合地址特征和网络拓扑信息的缺陷,提供一种基于聚类和虚拟节点的数字货币非法地址识别方法。

2、为解决上述技术问题,本专利技术的技术方案如下:

3、第一方面,一种基于聚类和虚拟节点的数字货币非法地址识别方法,包括:

4、获取数字货币交易数据,构建交易网络;其中,所述交易网络以数字货币地址为地址节点、以交易记录为边,所述数字货币地址中部分被配置有关于合法性的监督信息;

5、选取对分类任务贡献最大的至少一个地址特征作为第一地址特征;

6、根据所述第一地址特征,基于聚类方法提取所述数字货币地址间的同质性;

7、根据聚类结果,对不带有监督信息的所述数字货币地址进行快速识别;

8、根据聚类结果和快速识别结果,在所述交易网络上构建虚拟节点;

9、在带有所述虚拟节点的所述交易网络上,对所述地址节点与所述虚拟节点进行表征学习;

10、根据所述地址特征、表征学习结果和监督信息,选取机器学习模型进行训练并输出识别结果

11、第二方面,一种基于聚类和虚拟节点的数字货币非法地址识别系统,应用第一方面所述方法,包括:

12、交易网络构建模块,用于获取数字货币交易数据,构建交易网络;还用于根据聚类结果和快速识别结果,在所述交易网络上构建虚拟节点;其中,所述交易网络以数字货币地址为地址节点、以交易记录为边,所述数字货币地址中部分被配置有关于合法性的监督信息;

13、聚类模块,用于选取分类任务贡献最大的至少一个地址特征作为第一地址特征;还用于根据所述第一地址特征,基于聚类方法提取所述数字货币地址间的同质性;

14、快速识别模块,用于根据聚类结果,对不带有监督信息的所述数字货币地址进行快速识别;

15、表征学习模块,用于在带有所述虚拟节点的所述交易网络上,对所述地址节点与所述虚拟节点进行表征学习;

16、训练识别模块,用于根据所述地址特征、表征学习结果和监督信息,选取机器学习模型进行训练并输出识别结果。

17、与现有技术相比,本专利技术技术方案的有益效果是:

18、本专利技术提出了一种基于聚类和虚拟节点的数字货币非法地址识别方法,结合了数字货币地址的地址特征和交易网络的拓扑结构,将数字货币地址间的同质关系在交易网络上进行了显式表示,以用于挖掘更丰富的信息,进而提高非法地址识别的准确率。

本文档来自技高网...

【技术保护点】

1.一种基于聚类和虚拟节点的数字货币非法地址识别方法,其特征在于,包括:

2.根据权利要求1所述的一种基于聚类和虚拟节点的数字货币非法地址识别方法,其特征在于,所述基于聚类方法提取所述数字货币地址间的同质性,包括:

3.根据权利要求2所述的一种基于聚类和虚拟节点的数字货币非法地址识别方法,其特征在于,所述层次聚类的过程表达式如下:

4.根据权利要求2所述的一种基于聚类和虚拟节点的数字货币非法地址识别方法,其特征在于,所述对所述树型数据结构展开深度优先搜索,在搜索过程中更新集合A1,包括:

5.根据权利要求2所述的一种基于聚类和虚拟节点的数字货币非法地址识别方法,其特征在于,所述对集合A1所包含的地址簇进行排序和筛选,包括:

6.根据权利要求5所述的一种基于聚类和虚拟节点的数字货币非法地址识别方法,其特征在于,所述对不带有监督信息的所述数字货币地址进行快速识别,包括:

7.根据权利要求2所述的一种基于聚类和虚拟节点的数字货币非法地址识别方法,其特征在于,所述在所述交易网络上构建虚拟节点,包括:

8.根据权利要求1-7任一项所述的一种基于聚类和虚拟节点的数字货币非法地址识别方法,其特征在于,所述对所述地址节点与所述虚拟节点进行表征学习,包括:

9.根据权利要求8所述的一种基于聚类和虚拟节点的数字货币非法地址识别方法,其特征在于,所述随机游走策略分为两个阶段;其中,

10.一种基于聚类和虚拟节点的数字货币非法地址识别系统,应用权利要求1-9任一项所述方法,其特征在于,包括:

...

【技术特征摘要】

1.一种基于聚类和虚拟节点的数字货币非法地址识别方法,其特征在于,包括:

2.根据权利要求1所述的一种基于聚类和虚拟节点的数字货币非法地址识别方法,其特征在于,所述基于聚类方法提取所述数字货币地址间的同质性,包括:

3.根据权利要求2所述的一种基于聚类和虚拟节点的数字货币非法地址识别方法,其特征在于,所述层次聚类的过程表达式如下:

4.根据权利要求2所述的一种基于聚类和虚拟节点的数字货币非法地址识别方法,其特征在于,所述对所述树型数据结构展开深度优先搜索,在搜索过程中更新集合a1,包括:

5.根据权利要求2所述的一种基于聚类和虚拟节点的数字货币非法地址识别方法,其特征在于,所述对集合a1所包含的地址簇进行排序和筛选,包括:

6.根...

【专利技术属性】
技术研发人员:周杰英陈梓钿吴维刚
申请(专利权)人:中山大学
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