[發(fā)明專利]一種基于區(qū)塊鏈的加密貨幣用戶特征挖掘、異常用戶檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910488285.0
• 申請(qǐng)日: 2019-06-05
• 公開（公告）號(hào): CN110363510B
• 公開（公告）日: 2022-09-06
• 發(fā)明（設(shè)計(jì)）人: 沈玉龍;楊凌霄;董學(xué)文;姜曉鴻;喬慧;谷鑫雨;鄭樂樂;宋雄飛
• 申請(qǐng)（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號(hào): G06Q20/06
• 分類號(hào): G06Q20/06;G06Q20/38;G06Q20/40;G06Q40/04
• 代理公司: 西安長(zhǎng)和專利代理有限公司 61227
• 代理人: 黃偉洪

本發(fā)明屬于區(qū)塊鏈的特征挖掘技術(shù)領(lǐng)域，公開了一種基于區(qū)塊鏈的加密貨幣用戶特征挖掘、異常用戶檢測(cè)方法，獲取區(qū)塊鏈加密貨幣的交易數(shù)據(jù)，對(duì)交易數(shù)據(jù)進(jìn)行處理，得到交易id、發(fā)送方假名、接收方假名、交易加密貨幣數(shù)量和交易時(shí)間戳等交易基本信息；采用基于啟發(fā)式的加密貨幣地址聚類方法將用戶的假名進(jìn)行聚類，同時(shí)將用戶進(jìn)行編號(hào)；然后提取用戶特征，并對(duì)其進(jìn)行分析、數(shù)據(jù)統(tǒng)計(jì)，將不同類型的用戶特征進(jìn)行分類，區(qū)分正常用戶與異常用戶特征；使用高斯混合模型對(duì)用戶進(jìn)行聚類，根據(jù)用戶分類的特征，找出疑似異常的用戶。本發(fā)明針對(duì)區(qū)塊鏈加密貨幣的匿名性，從區(qū)塊鏈中提取有價(jià)值的結(jié)果，檢測(cè)用戶的異常交易，有助于對(duì)加密貨幣洗錢等違法事件的監(jiān)管。

技術(shù)領(lǐng)域

本發(fā)明屬于區(qū)塊鏈的特征挖掘技術(shù)領(lǐng)域，尤其涉及一種基于區(qū)塊鏈的加密貨幣用戶特征挖掘、異常用戶檢測(cè)方法。

背景技術(shù)

目前，最接近的現(xiàn)有技術(shù)：大多是基于無監(jiān)督機(jī)器學(xué)習(xí)的加密貨幣交易匿名性分析，包括使用K-means聚類、無監(jiān)督支持向量機(jī)等算法，對(duì)真實(shí)的數(shù)據(jù)進(jìn)行異常檢測(cè)。這些方法的缺陷在于：首先，沒有對(duì)原始的交易數(shù)據(jù)進(jìn)行啟發(fā)式用戶地址聚類，沒有完全將用戶所持有的地址劃分到用戶地址集合當(dāng)中，因而導(dǎo)致用戶集群范圍的精確度降低；其次，這些方法沒有對(duì)用戶進(jìn)行詳細(xì)的特征挖掘，沒有明確給出正常用戶與異常用戶的劃分條件；然后，這些方法使用的算法缺乏估計(jì)密度的能力；最后，這些方法異常交易的檢測(cè)效果不佳，成功率在10％左右，并且是在不考慮混幣服務(wù)的前提下。

使用本發(fā)明所述一種基于區(qū)塊鏈的加密貨幣用戶特征挖掘、異常用戶檢測(cè)方法，首先，使用了啟發(fā)式用戶地址聚類方法，能夠全面的將用戶持有地址劃分到其地址集合中，提高了后續(xù)建模的精確性；其次，對(duì)用戶特征進(jìn)行了詳細(xì)的挖掘，包括十個(gè)方面的特征，豐富的描述了用戶存在的各種特點(diǎn)，并且給出正常用戶與異常用戶的6個(gè)劃分條件，對(duì)后續(xù)用戶聚類得到的集群分類起關(guān)鍵作用；然后，使用高斯混合模型對(duì)用戶進(jìn)行聚類，該算法是基于概率的算法，從密度估計(jì)角度進(jìn)行聚類；最后，在考慮混幣服務(wù)的情況下，異常交易檢測(cè)成功率提高到30％左右。

近年來，政府和其他政治機(jī)構(gòu)也對(duì)加密貨幣的不可追溯性非常關(guān)切，因?yàn)槿狈σ粋€(gè)監(jiān)督和監(jiān)管加密貨幣的中央機(jī)構(gòu)，會(huì)給社會(huì)帶來洗錢等非法活動(dòng)的風(fēng)險(xiǎn)。2018年3月26日，歐洲刑警組織破獲一超大規(guī)模涉及加密貨幣洗錢的網(wǎng)絡(luò)犯罪團(tuán)伙，在5年時(shí)間里，他們總計(jì)盜取全球銀行約10億歐元，并將非法收益轉(zhuǎn)化為加密貨幣。由此可見，建立對(duì)加密貨幣洗錢的監(jiān)管是非常迫切和重要的。

綜上所述，現(xiàn)有技術(shù)存在的問題是：對(duì)加密貨幣用戶特征挖掘不全面的問題，異常交易檢測(cè)的效果不佳的問題。

解決上述技術(shù)問題的難度和意義：針對(duì)加密貨幣的匿名性，基于區(qū)塊鏈的特征挖掘及異常檢測(cè)，其實(shí)是極富挑戰(zhàn)性的。第一，加密貨幣是分布式的，沒有任何中央機(jī)構(gòu)對(duì)其進(jìn)行管制，交易數(shù)據(jù)復(fù)雜、不易解析。第二，每個(gè)用戶擁有任意數(shù)量的地址，找出用戶的所有地址難度極高，對(duì)算力的要求也非常高，因此需要優(yōu)良的用戶地址聚類方法。第三，目前加密貨幣用戶特征類別模糊，需要大量數(shù)據(jù)統(tǒng)計(jì)分析，區(qū)分正常用戶與異常用戶特征，從而進(jìn)行異常檢測(cè)。因此，研究區(qū)塊鏈的用戶特征挖掘以及異常用戶檢測(cè)具有深遠(yuǎn)的實(shí)踐意義。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)存在的問題，本發(fā)明提供了一種基于區(qū)塊鏈的加密貨幣用戶特征挖掘、異常用戶檢測(cè)方法。

本發(fā)明是這樣實(shí)現(xiàn)的，一種基于區(qū)塊鏈的加密貨幣用戶特征挖掘、異常用戶檢測(cè)方法，所述基于區(qū)塊鏈的加密貨幣用戶特征挖掘、異常用戶檢測(cè)方法括以下步驟：

步驟一，獲取區(qū)塊鏈加密貨幣的交易數(shù)據(jù)，對(duì)交易數(shù)據(jù)進(jìn)行處理，得到交易id、發(fā)送方假名、接收方假名、交易加密貨幣數(shù)量和交易時(shí)間戳；

步驟二，采用基于啟發(fā)式的加密貨幣地址聚類方法將用戶的假名進(jìn)行聚類，同時(shí)將用戶進(jìn)行編號(hào)；

步驟三，提取用戶特征，并對(duì)其進(jìn)行分析、數(shù)據(jù)統(tǒng)計(jì)，將不同類型的用戶特征進(jìn)行分類，區(qū)分正常用戶與異常用戶特征；