[发明专利]一种基于频繁交易模式的异常账户检测方法及系统

权利要求书

1.一种基于频繁交易模式的异常账户检测方法，其特征在于，包括：

步骤1、获取区块链中数字货币交易的时间图，其中该时间图中节点为交易账户，该时间图中节点间的边代表交易账户间的货币交易方向和交易时间，并通过剔除该时间图中每条边的交易时间，得到数字货币交易的交易图；

步骤2、通过挖掘该时间图中各交易模式出现的次数，以确定该时间图的频繁模式，统计两两节点在频繁模式中出现的次数作为两个账户之间的高阶相似度，集合所有该高阶相似度得到高阶相似度矩阵；

步骤3、基于该高阶相似度矩阵对该交易图中的节点进行聚类处理，得到由属于同一簇的节点构成的交易子图，并通过图卷积神经网络对该交易子图进行分类，并将分类结果作为异常账户检测结果；

步骤3中该聚类处理包括：

步骤31、将每个原始节点作为一个独立的社区，社区内的连边权重为0；

步骤32、扫描该交易图中所有节点，遍历每个节点的邻居节点，通过下式统计把该节点并入其邻居节点所在社区后的模块度Q的增加量，将节点并入ΔQ最大的邻居节点所在社区；

步骤33、重复该步骤32，直至每一个节点的社区归属不再变化；

模块度

模块度变化量

其中，

式中m代表交易图中所有边的权重之和，A_i,j代表节点i和节点j之间边的权重，k_i代表所有与节点i相连的边的权重之和，k_i,in代表社区内所有节点与节点i相连的边的权重之和，c_i代表节点i所属的社区；∑tot代表所有与社区c内节点相连的边的权重之和；

步骤34、将该步骤32中属于同一社区的节点合并为一个超点，作为该交易图中一个新的节点，此时两个超点之间边的权重是两个超点内所有原始节点之间连边的权重之和；

步骤35、重复该步骤32到该步骤34直到节点的社区划分不再变化，输出当前社区划分C₁,C₂,…,C_k，其中C_i是第i个交易子图，1≤i≤k；

该步骤2中确定频繁模式的过程包括：

步骤21、在该时间图中不考虑边的交易时间，匹配出交易模式的所有静态实例；

步骤22、对于每一个静态实例，将其中所有边按照时间顺序排成序列；

步骤23、在预设时间窗口内统计该序列中交易模式出现的次数，并将出现次数最多的K个模式作为该频繁模式。

2.如权利要求1所述的基于频繁交易模式的异常账户检测方法，其特征在于，该交易模式包括：汇聚模式、分散模式和链式模式。

3.如权利要求1所述的基于频繁交易模式的异常账户检测方法，其特征在于，步骤3中该聚类处理包括：幂迭代聚类方法或k-均值聚类方法或Louvain社区检测方法。