[发明专利]网络训练方法、异常交易行为识别方法、装置和介质

说明书

本发明公开了一种图注意力网络训练方法、以太坊异常交易行为识别方法、计算机装置和存储介质，训练方法包括获取第一交易网络拓扑图、特征信息、特征矩阵和标签信息，以及使用第一交易网络拓扑图训练图注意力网络等步骤。本发明所训练的图神经网络具有捕捉每个以太坊地址在空间信息方面的相关性的能力，能够以较高的识别率识别出标签信息对应的行为类型，具有识别出以太坊异常交易行为的能力；由于图神经网络是对每个节点与其相邻节点进行特征信息加权求和，这种方式只与相邻节点相关，无需使用第一交易网络拓扑图的完整拓扑结构信息也能完成训练过程以及达到训练效果，能够节约计算机资源。本发明广泛应用于数字货币技术领域。

技术领域

本发明涉及数字货币技术领域，尤其是一种图注意力网络训练方法、以太坊异常交易行为识别方法、计算机装置和存储介质。

背景技术

以太坊是被广泛应用的区块链平台，具有强大的灵活性，其代币以太币是世界上市值较大的数字货币，因此以太坊得到了众多用户的关注，这使得以太坊面临着较大的被不法分子利用的风险。不法分子通过数字货币技术从事非法行为，通常产生异常交易，一般来说识别出异常交易能够为发现不法分子提供较强力的线索或证据，因此，数字货币技术的应用过程中存在着如何突破以太坊数字货币技术的匿名性，识别以太坊的异常交易行为的必要。

发明内容

针对上述至少一个技术问题，本发明的目的在于提供一种图注意力网络训练方法、以太坊异常交易行为识别方法、计算机装置和存储介质。

一方面，本发明实施例包括一种图注意力网络训练方法，包括：

获取根据以太坊系统的交易账本构建的第一交易网络拓扑图；所述第一交易网络拓扑图为有向图，所述第一交易网络拓扑图上的边表示以太坊交易，所述第一交易网络拓扑图上的边所连接的节点表示以太坊交易所涉及的以太坊地址，所述第一交易网络拓扑图上的边的方向表示以太坊交易的方向；

获取所述第一交易网络拓扑图上节点的特征信息；

根据各所述特征信息，获取所述第一交易网络拓扑图的特征矩阵；

获取所述第一交易网络拓扑图上节点的标签信息；

使用所述第一交易网络拓扑图训练所述图注意力网络；其中，所述特征矩阵作为所述图注意力网络的输入，所述标签信息作为所述图注意力网络的期望输出。

进一步地，作为所述图注意力网络的输入的所述特征信息，与作为所述图注意力网络的期望输出的所述标签信息对应所述第一交易网络拓扑图上的相同节点。

进一步地，所述特征信息包括以下至少一个：

出度；所述出度为所述节点对应的以太坊地址在一段时间内的付款总次数；

入度；所述入度为所述节点对应的以太坊地址在一段时间内的收款总次数；

转出总金额；所述转出总金额为所述节点对应的以太坊地址在一段时间内的付款总额；

转入总金额；所述转入总金额为所述节点对应的以太坊地址在一段时间内的收款总额；

绝对余额；所述绝对余额为所述转入总金额与所述转出总金额之差；

去重出度；所述去重出度为所述节点对应的以太坊地址在一段时间内对不同地址的付款总次数；

去重入度；所述去重入度为所述节点对应的以太坊地址在一段时间内对不同地址的收款总次数；

起始时间；所述起始时间为所述节点对应的以太坊地址首次被发现时的时间戳；

最终时间；所述最终时间为所述节点对应的以太坊地址最后一次被发现时的时间戳。