[发明专利]一种基于图计算的比特币账户聚类方法

说明书

本发明公开了一种基于图计算的比特币账户聚类方法，包括以下步骤：下载运行比特币节点的客户端，并同步整个网络数据，提取比特币的交易数据；将交易数据解析成结构化数据，并收集结构化数据中的特征参数；将结构化数据的特征参数倒入数据集群中；使用图计算服务对数据集群的所有特征参数进行扫描和特征学习，得出比特币聚类结果；本发明通过提供部署在多个区域骨干网络上的数据集群服务，在集群服务中运行多个比特币对交易网络，然后使用图计算服务对整个网络的全量数据进行扫描和特征学习，最后做出聚类结果。

技术领域

本发明涉及区块链领域账户技术领域，具体涉及一种基于图计算的比特币账户聚类方法。

背景技术

比特币具有一个全球共享的分布式、去中心化、去信任的账本系统，由计算机生成的一串串复杂代码构成，是目前为止区块链技术最成功的应用.比特币可以由任何人发送给任何一个其他的人，无论他们是否在同一个城市或国家。比特币账号是匿名的，无法被审查。与传统的资金交易系统相比，比特币交易具有较强的匿名性，很难进行有效管理，因此正在被广泛用于一些违法行为和黑市交易，例如枪支贩卖和毒品交易等。在基于区块链技术的数字货币中，通常采用基于公钥的钱包地址作为用户在区块链网络上的假名，不同用户之间的交易通过这种假名实现，这种假名通常由用户自由生成，与用户身份特征无关，因此很难通过分析交易数据推测用户的身份信息，此外，区块链数字货币系统允许用户自由生成多个钱包地址，用户可以采用不同的钱包地址进行交易，以便减少单个钱包地址携带的用户交易特征。

因此，通过分析交易记录从大量假名中找出隶属于同一个用户的假名，并分析出特定用户的交易规律，有助于推测用户的身份信息，对于遏制各类基于比特币的犯罪行为有重要作用。

现有技术方案大都是基于K-means，DBSCAN等监督学习算法然后进行多次遍历计算而得。这些算法都离不开人为事先输入一些我们知道都主体控制的一些账户，然后逐步去遍历和这些账户有关的所有交易记录。它的准确性受限于主动给的地址和遍历次数。且整个交易网络里面，除去已经知道的主体以外，其实还有很多看不见的主体，这些主体可能从事着很多不法行为，因此如何能够智能自动的发现所有的这些异常主体组织以及且控制的所有账户，是计算比特币账户聚类的研究方向。

发明内容

本发明的目的在于提供一种基于图计算的比特币账户聚类方法，以解决现有技术中的技术问题。

为解决上述技术问题，本发明具体提供下述技术方案：

一种基于图计算的比特币账户聚类方法，包括以下步骤：

步骤100、下载运行比特币节点的客户端，并同步整个网络数据，提取比特币的交易数据；

步骤200、将所述交易数据解析成结构化数据，并收集所述结构化数据中的特征参数；

步骤300、将所述结构化数据的特征参数倒入数据集群中；

步骤400、使用图计算服务对所述数据集群的所有特征参数进行扫描和特征学习，得出比特币聚类结果。

作为本发明的一种优选方案，在所述步骤200中，所述结构化数据的特征参数包括每项交易数据的发起人钱包地址、接收人钱包地址、交易发起时间和交易结束时间；

所述数据集群中的结构化数据之间形成定点和边的拓扑关系，所述发起人钱包地址和接收人钱包地址为定点，所述交易发起时间和交易结束时间分别为两个定点之间的边数据；

所有的所述结构化数据之间的特征参数构建成超大图网络，所述图计算服务对所述超大图网络的定点进行相关性聚类遍历以得到所述超大图网络的联通子图。

作为本发明的一种优选方案，在所述步骤400中，所述图计算服务对所述数据集群的所有数据进行扫描和特征学习的实现步骤具体为：