【技术实现步骤摘要】
本专利技术涉及网络安全，特别是基于信息素的图嵌入以太坊钓鱼诈骗节点检测方法及系统。
技术介绍
1、现有的以太坊钓鱼诈骗检测技术主要依赖于传统的规则匹配和已知诈骗模式的识别，这在应对新型和复杂的诈骗策略时常常显示出局限性。这些方法在处理大规模、动态变化的以太坊网络数据时，往往缺乏必要的灵活性和扩展性。此外，现有的方法在分析节点间复杂的交易关系和动态变化的交易模式时也显得不足，导致在整体网络结构和潜在风险点的识别上存在明显的缺陷。
技术实现思路
1、鉴于现有的以太坊钓鱼诈骗节点检测技术在应对复杂和动态变化的以太坊网络环境中的诈骗行为时，往往受限于其对大规模数据处理的能力不足，以及对交易模式和节点行为分析的深度和准确性不够，提出了本专利技术。
2、因此，本专利技术所要解决的问题在于如何有效地识别和分类以太坊网络中的钓鱼节点，特别是在不断变化和扩展的网络环境中。
3、为解决上述技术问题，本专利技术提供如下技术方案：
4、第一方面，本专利技术实施例提供了基于信息素的图嵌入以太坊钓鱼诈骗节点检测方法，其包括通过二阶广度优先搜索构建以太坊交易的有向图；基于交易金额和时间计算每个边的信息素浓度，并将有向图处理为无向图；结合有偏随机游走算法和禁忌列表机制，从钓鱼节点或普通节点生成随机游走序列；利用word2vec模型处理生成的随机游走序列，并应用svm的线性核函数对节点向量进行训练和分类；通过对普通节点和钓鱼节点进行分类，实现对以太坊钓鱼诈骗节点的检测和识别。p>
5、作为本专利技术所述基于信息素的图嵌入以太坊钓鱼诈骗节点检测方法的一种优选方案，其中：通过二阶广度优先搜索构建以太坊交易的有向图包括以下步骤：从etherscan标记云中获取初步钓鱼节点名单，并重点关注那些被频繁报告或标记为可疑的地址；对收集到的节点地址进行初步筛选：若一个地址仅被单次报告，则将其标记为低风险节点；若一个地址被多次标记为钓鱼节点，或与已知的钓鱼行为有关联，则将其标记为高风险节点；以标记为高风险的钓鱼节点为起点，通过二阶广度优先搜索方法爬取以太坊交易网络；在爬取过程中，对遇到的每个新节点，应用初步筛选的条件判断逻辑，以确定其风险等级并进行相应的处理；将爬取到的交易数据整理成一个包含节点和边的有向图。
6、作为本专利技术所述基于信息素的图嵌入以太坊钓鱼诈骗节点检测方法的一种优选方案，其中：信息素浓度的更新公式如下：
7、τij(x+1)＝τij(x)×(1-ρ)+δτij
8、其中，i和j分别表示交易记录的起始和结束节点，τij(x)表示第x次交易中节点i和j之间边上的信息素量，δτij表示增加的信息素量，x表示交易次数，ρ表示信息素蒸发系数，具体公式如下：
9、
10、其中，表示节点i和j之间第x次交易与前一次交易之间的时间差，δtmax和δtmin分别表示所有交易记录中相邻交易记录之间的最大和最小时间差，ρ表示信息素蒸发系数，x表示交易次数。
11、作为本专利技术所述基于信息素的图嵌入以太坊钓鱼诈骗节点检测方法的一种优选方案，其中：从钓鱼节点或普通节点生成随机游走序列包括以下步骤：从文件中读取信息素矩阵和邻接节点列表，并对信息素矩阵进行预处理；在图中筛选不同类型的节点作为随机游走的起始点，并设定每次随机游走的长度n和重复次数m；对于每次随机游走，从起始节点开始，根据节点的信息素浓度和禁忌列表状态来指导行动路径：若当前节点无邻接节点，则蚂蚁选择停留在当前节点或回退至上一个节点；若当前节点有邻接节点，则利用信息素浓度和禁忌列表进行下一节点的选择：应用轮盘赌算法，基于信息素浓度和禁忌影响公式计算每个邻接节点被选中的概率：对禁忌列表中的节点，应用降低访问概率的惩罚机制；对不在禁忌列表中的节点，将其加入禁忌列表，并在后续的访问概率计算中增加惩罚函数的惩罚力度；在每次游走过程中，记录经过的每个节点，并将这些节点按顺序存储在长度为n的列表中；当每次游走达到设定的步数n时，结束当前游走，并将此列表作为子列表添加到结果列表中；迭代m次随机游走后，收集并整理所有子列表，形成一个包含m个子列表的二维列表；输出此二维列表作为随机游走子序列。
12、作为本专利技术所述基于信息素的图嵌入以太坊钓鱼诈骗节点检测方法的一种优选方案，其中：禁忌影响公式的具体公式如下：
13、
14、其中，表示从在禁忌表影响下节点i随机游走到节点j的转移概率，δ表示惩罚参数，t(i)表示分段函数，τij表示节点i和j之间边上的信息素量，i和j分别表示交易记录的起始和结束节点。
15、作为本专利技术所述基于信息素的图嵌入以太坊钓鱼诈骗节点检测方法的一种优选方案，其中：利用word2vec模型处理生成的随机游走序列包括以下步骤：配置word2vec模型的关键参数包括向量维度、上下文窗口大小、工作线程数以及训练迭代次数；在模型训练前，进行参数敏感性分析以评估不同参数配置对模型性能的影响；若分析结果显示某个参数配置能显著提高模型效果，则优先采用此配置，若未见显著差异则采用标准配置；将随机游走生成的节点序列转换为字符串序列，以适应word2vec模型的输入格式；使用经过优化配置的word2vec模型，以节点字符串序列作为输入；通过模型训练，将每个节点映射至一个连续的向量空间中，以获取每个节点的独特向量表示。
16、作为本专利技术所述基于信息素的图嵌入以太坊钓鱼诈骗节点检测方法的一种优选方案，其中：应用svm的线性核函数对节点向量进行训练和分类包括以下步骤：采用数据分层策略，将节点的向量表示及其标签分为训练集和测试集；根据训练集数据的分布特征决定采用过采样或欠采样技术，以解决数据不平衡问题；利用支持向量机svm的线性核函数对训练集数据进行训练；在训练过程中，动态调整svm的超参数包括惩罚系数和核函数参数，以寻求在最大化类别间隔和最小化损失函数之间的最佳平衡点；对测试集进行深入预测分析，运用经过训练的svm模型对未知节点进行精确分类；综合计算并输出关键性能指标，并根据评估结果调整模型参数。
17、第二方面，本专利技术实施例提供了基于信息素的图嵌入以太坊钓鱼诈骗节点检测系统，其包括构图模块，用于通过二阶广度优先搜索构建以太坊交易的有向图；处理模块，用于基于交易金额和时间计算每个边的信息素浓度，并将有向图处理为无向图；序列生成模块，用于结合有偏随机游走算法和禁忌列表机制，从钓鱼节点或普通节点生成随机游走序列；训练分类模块，用于利用word2vec模型处理生成的随机游走序列，并应用svm的线性核函数对节点向量进行训练和分类；检测模块，用于利用基于信息素的图嵌入算法检测钓鱼诈骗节点。
18、第三方面，本专利技术实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其中：所述计算机程序指令被处理器执行时实现如本专利技术第一方面所述的基于信息素的图嵌入以太坊钓鱼诈骗节点检测方法的步骤。
19、第四方面，本专利技术实施例提供了一种计算机可读存储介质，其上存本文档来自技高网...
【技术保护点】
1.基于信息素的图嵌入以太坊钓鱼诈骗节点检测方法，其特征在于：包括，
2.如权利要求1所述的基于信息素的图嵌入以太坊钓鱼诈骗节点检测方法，其特征在于：所述通过二阶广度优先搜索构建以太坊交易的有向图包括以下步骤：
3.如权利要求2所述的基于信息素的图嵌入以太坊钓鱼诈骗节点检测方法，其特征在于：所述信息素浓度的更新公式如下：
4.如权利要求3所述的基于信息素的图嵌入以太坊钓鱼诈骗节点检测方法，其特征在于：所述从钓鱼节点或普通节点生成随机游走序列包括以下步骤：
5.如权利要求4所述的基于信息素的图嵌入以太坊钓鱼诈骗节点检测方法，其特征在于：所述禁忌影响公式的具体公式如下：
6.如权利要求1所述的基于信息素的图嵌入以太坊钓鱼诈骗节点检测方法，其特征在于：所述利用Word2Vec模型处理生成的随机游走序列包括以下步骤：
7.如权利要求1所述的基于信息素的图嵌入以太坊钓鱼诈骗节点检测方法，其特征在于：所述应用SVM的线性核函数对节点向量进行训练和分类包括以下步骤：
8.基于信息素的图嵌入以太坊钓鱼诈骗节点检测
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1～7任一所述的基于信息素的图嵌入以太坊钓鱼诈骗节点检测方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1～7任一所述的基于信息素的图嵌入以太坊钓鱼诈骗节点检测方法的步骤。
...【技术特征摘要】
1.基于信息素的图嵌入以太坊钓鱼诈骗节点检测方法，其特征在于：包括，
2.如权利要求1所述的基于信息素的图嵌入以太坊钓鱼诈骗节点检测方法，其特征在于：所述通过二阶广度优先搜索构建以太坊交易的有向图包括以下步骤：
3.如权利要求2所述的基于信息素的图嵌入以太坊钓鱼诈骗节点检测方法，其特征在于：所述信息素浓度的更新公式如下：
4.如权利要求3所述的基于信息素的图嵌入以太坊钓鱼诈骗节点检测方法，其特征在于：所述从钓鱼节点或普通节点生成随机游走序列包括以下步骤：
5.如权利要求4所述的基于信息素的图嵌入以太坊钓鱼诈骗节点检测方法，其特征在于：所述禁忌影响公式的具体公式如下：
6.如权利要求1所述的基于信息素的图嵌入以太坊钓鱼诈骗节点检测方法，其特征在于：所述利用word2vec模型...
【专利技术属性】
技术研发人员：张乐君，肖司义，田志宏，鲁辉，苏申，仇晶，刘园，徐光侠，邰东玲，郭然，张旭灿，
申请(专利权)人：扬州大学，
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。