[发明专利]虚拟货币的检测方法、装置、计算机设备和存储介质

权利要求书

1.一种虚拟货币的检测方法，其特征在于，包括以下步骤：

通过爬虫技术获取待检测虚拟货币的信息数据；

从所述信息数据中获取所述待检测虚拟货币的特征信息，其中，所述特征信息包括多个维度特征和每个维度特征对应的评分数据；

根据所述多个维度特征从经过训练的神经网络模型中确定出对应的各概率密度函数的目标参数值；其中，所述神经网络模型已训练得到各维度特征与各概率密度函数的参数值之间的对应关系，所述神经网络模型为仅包含全连接层的卷积神经网络；所述神经网络模型采用如下方式得到：预先从互联网中获取已发行的样本虚拟货币的样本信息数据；根据所述样本信息数据生成训练数据；根据所述训练数据对所述神经网络模型进行训练；

根据所述各概率密度函数的目标参数值和所述每个维度特征对应的评分数据获取所述待检测虚拟货币的评分；

根据所述评分检测所述待检测虚拟货币是否为空气币；

在目标页面中生成针对所述待检测虚拟货币的展示区域，其中，所述展示区域用于展示所述待检测虚拟货币的信息数据、所述待检测虚拟货币的评分、以及检测结果。

2.根据权利要求1所述的方法，其特征在于，所述信息数据包括基础数据、社交数据、电报群数据、技术数据、白皮书相似度、评论数据、官网排名、搜索引擎的搜索指数、智能合约的代码质量、市值数据和产品愿景数据；从所述信息数据中获取所述待检测虚拟货币的特征信息，包括：

从所述信息数据中分别获取所述待检测虚拟货币的各个维度特征；

根据预设的维度评分规则，确定所述各个维度特征分别对应的评分数据；

将所述各个维度特征和所述各个维度特征的评分数据，确定为所述待检测虚拟货币的特征信息。

3.根据权利要求1所述的方法，其特征在于，根据所述多个维度特征从经过训练的神经网络模型中确定出对应的各概率密度函数的目标参数值，包括：

将所述多个维度特征输入经过训练的神经网络模型，其中，所述神经网络模型已训练得到各维度特征与各概率密度函数的参数值之间的对应关系，包括全连接层，所述全连接层的输入为多个维度特征，所述全连接层的输出为各概率密度函数的参数值；

获取所述神经网络模型输出的各概率密度函数的目标参数值。

4.根据权利要求1所述的方法，其特征在于，根据所述样本信息数据生成训练数据，包括：

对所述样本虚拟货币进行标注；

从所述样本信息数据中提取各维度样本特征；

根据预设的维度评分规则，确定所述各维度样本特征对应的评分数据；

根据经过标注的所述样本虚拟货币和所述各维度样本特征对应的评分数据，生成所述训练数据。

5.根据权利要求1所述的方法，其特征在于，根据所述各概率密度函数的目标参数值和所述每个维度特征对应的评分数据获取所述待检测虚拟货币的评分，包括：

将所述每个维度特征对应的评分数据与所述每个维度特征对应的概率密度函数的目标参数值进行乘法运算，得到多个乘积；

将所述多个乘积进行求和，得到所述待检测虚拟货币的评分。

6.根据权利要求1至5中任一项所述的方法，其特征在于，根据所述评分检测所述待检测虚拟货币是否为空气币，包括：

检测所述评分是否小于预设阈值；

如果所述评分小于所述预设阈值，则判定所述待检测虚拟货币为空气币，并生成提醒信息，以及将所述提醒信息提供给用户。