[发明专利]一种基于图嵌入的区块链异常行为检测方法

权利要求书

1.一种基于图嵌入的区块链异常行为检测方法，其特征在于，该方法包括：

S100：数据采集，获取互联网上已经公开的区块链异常行为节点，同时获取与所述异常行为节点数量相等的正常节点；

S200：异常行为识别模型建立，提取步骤S100中所述异常行为节点和所述正常节点的节点特征及交易特征，将特征提取后的所有节点构建为事务图，根据构建的事务图基于图嵌入技术建立异常行为识别模型；

S300：交易检测，利用异常行为识别模型判断交易发生时的交易风险，并提示用户风险等级；

所述S100包括：

S101：所述异常行为节点从开源数据库中获取；

S102：通过部署在本地的区块链客户端或区块链交易数据库获取与所述异常行为节点数量相等的正常节点，这些正常节点不能被任何数据库标记为异常行为节点；

所述S200包括：

S201：通过部署在本地的区块链客户端或区块链交易数据库，提取所述异常行为节点和所述正常节点的节点特征及交易特征；

所述节点特征包括但不限于：节点的余额、节点收到的最小金额、第一次交易与最后一次交易的时间戳之差、交易数量和创建的合约数量；

所述交易特征包括但不限于：交易的发出者、接收者、区块高度、交易金额、调用合约类型和交易类型；

S202：将S201提取的节点特征及交易特征构建为一个事务图；

所述事务图表示为G＝(V,E)，其中V是节点的集合，E是边的集合；

所述V是节点集合，用于存储S201提取的节点特征，每个节点表示为四元组，即V＝{v，d，b，m}，其中v表示节点，d表示第一次交易与最后一次交易的时间戳之差，b表示账户余额，m表示收到的最小金额；

所述E是边的集合，用于存储S201提取的交易特征，每个边表示为五元组，即E＝{(v_i，v_j，w，t，r)|v_i，v_j∈V，w∈R⁺，t∈Z，r∈R}，其中(v_i，v_j)表示从v_i到v_j的交易，w表示交易金额，t表示交易的区块高度，r表示交易类型；

S203：使用图嵌入技术根据构建的事务图建立异常行为识别模型；

所述异常行为识别模型，是使用图嵌入中的基于偏置随机游走的属性网络嵌入方法进行多次嵌入而形成的区块链行为识别模型。

2.如权利要求1所述的一种基于图嵌入的区块链异常行为检测方法，其特征在于，

所述识别模型主要考虑三种偏置随机游走方法：基于交易金额的随机游走策略、基于区块高度的随机游走策略和基于交易类型的随机游走策略；

所述基于交易金额的随机游走策略，从节点u到邻居节点x∈V_u的转移概率为：

其中MaxA(u,x)是指节点u与节点x的最大交易金额，指u与所有与其发生交易的节点之间的交易金额之和；

所述基于区块高度的随机游走策略，从节点u到邻居节点x∈V_u的转移概率为：

其中MaxT(u,x)是指节点u与节点x发生交易时的最大区块高度，指u与所有与其发生交易的节点区块高度之和；

所述基于交易类型的随机游走策略，从节点u到邻居节点x∈V_u的转移概率为：

其中MaxE(u,x)是指节点u与节点x之间最频繁的交易类型，指u与所有其发生交易的所有交易类型之和。

3.如权利要求2所述的一种基于图嵌入的区块链异常行为检测方法，其特征在于，

为了兼顾所述使用基于偏置随机游走的属性网络嵌入方法进行多次嵌入，使用超参数来平衡多次嵌入的影响，并使用自动调参算法对超参数进行调节，最终得到异常行为识别模型。

4.如权利要求1所述的一种基于图嵌入的区块链异常行为检测方法，其特征在于，

所述S300具体包括：

S301：交易行为发生前，根据S201、S202所述方法获取节点特征及交易特征并进行特征提取；

S302：将得到的交易节点的节点特征及交易特征输入S203得到的异常行为识别模型，识别是否为异常行为；

S303：根据识别结果提示用户交易风险。