[发明专利]一种基于图神经网络的区块链恶意节点检测方法

说明书

本发明的一种基于图神经网络的区块链恶意节点检测方法，包括：步骤1：采集区块链平台中各个节点的历史数据，并对历史数据集进行预处理，生成检测数据样本集，并将检测数据样本集分为训练集、验证集和测试集；步骤2：构建并优化基于图神经网络的区块链恶意节点检测模型，并通过训练集、验证集对模型进行训练；步骤3：采集区块链平台上的最新数据，利用训练好的基于图神经网络的区块链恶意节点检测模型进行恶意节点检测。本发明的恶意节点检测方法，结合图神经网络的强大嵌入能力并使用改进的参数初始化方法，能够可迁移、大范围地检测区块链恶意节点，并同时具备高效的检测性能。

技术领域

本发明属于计算机网络中的网络安全技术领域，具体涉及一种基于图神经网络的区块链恶意节点检测方法。

背景技术

在加密货币市场中，区块链技术作为一项新兴技术，虽然有望在金融、数据库、物联网(IoT)、医疗领域等领域发挥重要作用，但也可能成为犯罪的温床。区块链技术具有持久性、匿名和去中心化的特点，这使得罪犯能够迅速、自信地实施违法行为并将非法财产从一个国家转移到另一个国家。目前，区块链技术已被地下犯罪分子广泛利用，给许多国家和地区金融安全带来严峻挑战。因此，检测区块链上的恶意节点对于遏制犯罪的发生至关重要。由于区块链具有共识机制、智能合约、去中心化点对点交易、缺乏中央权威等多方面特性，这使其与传统网络不同。传统的恶意节点检测技术难以在区块链平台上发挥作用。目前，对于区块链恶意节点检测的方法有利用交易时间戳、交易类型、交易数量来分析检测恶意节点的方法、基于采样的恶意节点检测算法、和基于机器学习的恶意节点检测算法。其中基于分析的恶意节点检测法分析复杂、检测范围小，难以对多数恶意节点产生作用，基于采样的恶意节点检测算法具有较大的波动性，难以稳定检测恶意节点，而基于机器学习的方法依然不够高效准确简洁地完成检测任务。

发明内容

为解决上述技术问题，本发明的目的是提供一种基于图神经网络的区块链恶意节点检测方法，结合图神经网络的强大嵌入能力并使用改进的参数初始化方法，能够可迁移、大范围地检测区块链恶意节点，并同时具备高效的检测性能。

本发明的一种基于图神经网络的区块链恶意节点检测方法，包括：

步骤1：采集区块链平台中各个节点的历史数据，并对历史数据集进行预处理，生成检测数据样本集，并将检测数据样本集分为训练集、验证集和测试集；

步骤2：构建并优化基于图神经网络的区块链恶意节点检测模型，并通过训练集、验证集对模型进行训练；

步骤3：采集区块链平台上的最新数据，利用训练好的基于图神经网络的区块链恶意节点检测模型进行恶意节点检测。

在本发明的基于图神经网络的区块链恶意节点检测方法中，步骤1中所述的区块链平台中各个节点的历史检测数据由节点地址、交易地址、货币接收方地址、货币发出方地址、区块链块高、交易金额、以及标签构成。

在本发明的基于图神经网络的区块链恶意节点检测方法中，所述步骤1具体为：

步骤1.1：对除标签以外的数据按字符拆开转化为多维数字组成的向量；

步骤1.2：将每个节点的多个向量进行拼接构成一条检测数据，区块链平台中各个节点对应的检测数据构成检测数据样本集，将检测数据样本集分为训练集、验证集和测试集；

步骤1.3：对产生交易的双方作为图上的两个节点，构建整个交易图，如果两个节点间存在交易则该两个节点间存在边。

在本发明的基于图神经网络的区块链恶意节点检测方法中，所述步骤2具体为：

步骤2.1：将每个节点的多个向量拼接后构成的检测数据作为该节点的节点嵌入向量；

步骤2.2：由交易图构成图邻接矩阵，并计算邻接矩阵中每个元素的期望和方差，以及嵌入向量的方差；