[发明专利]一种基于图嵌入的区块链异常行为检测方法

说明书

本发明公开了一种基于图嵌入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数据，同时获取与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，提取所有节点特征，将进行特征提取后的节点构建为事务图，根据构建的事务图基于图嵌入技术形成异常行为识别模型；S300：交易检测，交易发生时根据得到的异常行为识别模型，判断交易风险，并提示用户风险等级。本发明的一种基于图嵌入的区块链异常行为检测方法，能够实现对区块链交易中可能存在的异常行为进行有效检测并预警。

技术领域

本发明涉及区块链网络领域，尤其涉及一种针对区块链异常行为进行检测的检测方法。

背景技术

随着区块链技术的不断发展，一个区块链的时代正在到来。区块链技术为政府社会治理、司法实践发展和民生领域的社会治理带来诸多机遇。区块链技术在社会治理领域得到了普遍的应用，但同时也带来了很多挑战。现有的针对区块链异常行为的检测方法主要是针对区块链中的以太坊平台的单一异常行为通过人工标注或代码分析进行检测，若依托上述单一异常行为检测方法对可能存在的所有异常行为进行检测，不仅需要收集不同方法需求的大量数据，还需要将各种检测方法进行融合，从而增加检测方法的复杂度，降低由上述方法构建的检测系统稳定性，还会因木桶效应花费大量的时间，增加检测服务器的运行负担。因此迫切需要一种简单、稳定、高效的实现区块链异常行为检测的方法。

发明内容

本发明的主要目的是提供一种基于图嵌入的区块链异常行为检测方法。以克服现有技术中存在的缺陷与不足。

本发明的技术方案如下：

一种基于图嵌入的区块链异常行为检测方法，其特殊之处在于，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。

优选的，所述S100具体包括：

S101：所述异常行为节点主要从EtherScamDB和Etherscan等开源数据库中获取。

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。

优选的，所述S200具体包括：

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等。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等。

S202：将S201提取的节点特征及交易特征构建为一个事务图；

所述事务图可以表示为G＝(V,E)，其中V是节点的集合，E是边的集合。

优选的，所述V是节点集合，用于存储S201提取的节点特征，每个节点可以表示为四元组，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。