【技术实现步骤摘要】
本专利技术公开了一种区块链上的钓鱼骗局检测和交易分析的方法，以解决当前区块链钓鱼检测中无法合理利用交易网络图中时间结构特征以及基础交易特征，同时缺乏钓鱼节点交易模式分析的问题。本专利技术属于区块链领域。
技术介绍
1、区块链(blockchain)的概念起源于比特币(bitcoin)。不同于一般的记账方式，区块链作为一个去中心化的公共账本，其通过p2p网络，由共识机制维护的分布式的可信账本。账本记录了用户的加密货币数量以及他们之间的交易历史。在这样的数字货币市场中，用户通过匿名的方式自由地相互连接，以进行货币、服务等交易。用户之间采用公钥作为公共身份，通常也被称为地址，就像银行系统中的账户，记录他们持有的加密货币数量。区块链采用密码学保证传输和访问安全，实现了数据一致存储且难以篡改的记账技术。当前区块链技术广受关注，被誉为引发新一轮科技革命和产业变革的重要基信息技术之一。作为一项新兴技术，由于其匿名、去中心化等特点，以及加密货币本身具有的金融性质，不可避免滋生了一些违法犯罪行为，使其成为许多骗局的目标，严重影响区块链技术的发展和应用。
2、其中区块链上的钓鱼骗局则是一种新型的网络犯罪，与传统钓鱼网站不同的是，在基于区块链的钓鱼骗局中，钓鱼者伪装成具有信用的公司实体，诱骗普通用户向指定账户转账。传统的网络钓鱼检测方案并不适合迁移到区块链上。由于在区块链上非法获得的加密货币必须通过一定的交易转换为法定货币进行销赃，且公共区块链的交易记录是可公开访问且无法被篡改，这为钓鱼检测提供了的数据源。同时交易数据构建的交易网络使得相
3、通过将区块链交易数据构建为交易网络，可以很好地表征区块链系统中不同对象之间带有时间属性，交易金额的等复杂的资金转移交易关系。基于交易网络，可以充分利用现有的一些图分析指标或算法对区块链交易数据进行建模研究和分析。
4、本专利技术主要针对区块链上存在的钓鱼骗局行为，设计出一种区块链上的钓鱼骗局检测和交易分析方案。具体来说，本专利技术基于区块链公开交易数据对其进行交易网络建模，同时设计提取交易图的时间结构特征和基础交易特征分析正常交易节点和钓鱼节点的交易行为，进而达到高效，准确地识别检测钓鱼骗局地址。并通过temporal motif特征的分析，归纳出钓鱼节点的交易模式。
技术实现思路
1、[专利技术目的]：在区块链数据中，大量冗杂的交易数据包含丰富的信息，如何从庞大的数据中挖掘出有效的交易行为来识别相关违法行为存在一定的难度。目前一些基于区块链交易图网络分析的方案，在构建交易图时忽略了交易边的数量和方向，即将交易图中的多条交易边加权合并为一条，极大地损失了原始交易图的结构信息，降低了特征地提取能力，进而影响检测效果。同时，现有的技术方案缺乏钓鱼节点交易模式的具体分析，无法从特征可解释性方面总结钓鱼地址的具体交易模式。本专利技术目的是设计一种利用区块链公开的交易数据挖掘区块链上的钓鱼交易行为识别和分析的方法，以解决当前区块链钓鱼检测中无法合理利用交易网络图中时间结构特征以及基础交易特征的问题，同时缺乏钓鱼节点交易模式分析的问题。
2、[技术方案]：本专利技术采用了以下技术方案：
3、一种区块链上的钓鱼骗局检测和交易分析的方法，包括以下设计：
4、1)交易子图构建算法：针对交易具有方向性和时效性的特点，本专利技术在构建交易网络或交易子图时，保留交易边的时间属性，并采取有向多边图，进而保留相应的属性信息和结构信息。即根据收集的区块链中带有钓鱼标记的地址信息以及相关交易记录，在数据清洗后，构建以标签地址为中心的含有时间属性的时态交易子图集合。子图集合中的每个子图为有向多边图。构建基于节点的一阶子图过程中，所有与中心地址的一阶邻居的交易加入子图交易列表中，并获取所有一阶邻居的交易列表，筛选与本子图目前已有节点相关联的交易加入子图交易列表中。
5、2)基于temporal motif的时间结构特征提取：本专利技术设计基于构建的交易子图集合，对于构建的交易子图网络，其交易边缘具有时间属性以及转账权重。通过分析归纳的相应的时态基序特征，挖掘子图的时间基序，可以获得事务子图中的频繁出现的事务子结构，该子结构可以很好地描述子图的时序结构特征，结合子图对应标签地址在子图中的基础交易特征，合理地利用交易子图的信息，进而用于训练分类器作为检测识别钓鱼骗局识别器。同时结合temporal motif特征的相关系数分析，归纳对于分类器模型进行识别时贡献更大的交易模式，以及网络钓鱼地址的交易模式倾向于呈现交易模式。
本文档来自技高网...【技术保护点】
1.一种区块链上的钓鱼骗局检测和交易分析的方法，其特征在于：
2.如权利要求1构建有向多边且带有时间属性的交易子图，其特征在于在构建交易网络或交易子图时，将以太坊区块链上的账户视为图的节点，节点间发生的交易视为图的边，且边保留交易方向，交易时间以及交易权重(交易金额)。对于收集的带有标签的地址集A＝{A1，A2，...，An}中的每一个地址Ai，构建其对应的交易子图GAi，GAi＝(V，E)。其中V表示子图中包含的节点集，E为有向边集，表示从source地址到destination地址的交易，边集中E的每条边表示为e＝(u，v，w，t)。其中u表示为交易发起的源节点，v表示交易发送的目的节点，w为交易边的权重，即交易的金额，t为交易边的时间。最终构建出含有时间属性的交易子图集合G＝{GA1，GA2...GAn}。具体步骤为：
3.如权利要求1所述的交易子图时间结构特征和基础交易特征用于模型训练的方案，其特征分析归纳的相应的时态基序特征，挖掘子图的时间基序，可以获得事务子图中的频繁出现的事务子结构，该子结构可以很好地描述子图的时序结构特征，结合子图对应标签地
4.如权利要求1所述的可通过模型的特征重要性结合时间基序特征分析钓鱼行为的交易模式，其特征在于模型训练完成后，通过模型特征重要性分数importance对时间基序特征的重要性进行排序，特征重要性表明每个特征在构建模型内的增强决策树中的有用性和价值，获取重要性较高的若干特征ImportantTemporalMotifFeatures＝{Tmotif1，Tmotif2，...，Tmotifi}，绘制相应时间基序特征，作为表示区分钓鱼骗局地址构成的子图网络的重要子结构。结合重要性时间基序特征的数据统计，分析钓鱼地址构成的交易子图中高频出现的时间基序特征，进而为钓鱼交易模式提供时间结构分析。
...【技术特征摘要】
1.一种区块链上的钓鱼骗局检测和交易分析的方法，其特征在于：
2.如权利要求1构建有向多边且带有时间属性的交易子图，其特征在于在构建交易网络或交易子图时，将以太坊区块链上的账户视为图的节点，节点间发生的交易视为图的边，且边保留交易方向，交易时间以及交易权重(交易金额)。对于收集的带有标签的地址集a＝{a1，a2，...，an}中的每一个地址ai，构建其对应的交易子图gai，gai＝(v，e)。其中v表示子图中包含的节点集，e为有向边集，表示从source地址到destination地址的交易，边集中e的每条边表示为e＝(u，v，w，t)。其中u表示为交易发起的源节点，v表示交易发送的目的节点，w为交易边的权重，即交易的金额，t为交易边的时间。最终构建出含有时间属性的交易子图集合g＝{ga1，ga2...gan}。具体步骤为：
3.如权利要求1所述的交易子图时间结构特征和基础交易特征用于模型训练的方案，其特征分析归纳的相应的时态基序特征，挖掘子图的时间基序，可以获得事务子图中的频繁出现的事务子结...
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。