[發明專利]一種針對以太網釣魚詐騙的網絡表示學習方法

在審

• 申請號: 202010140820.6
• 申請日: 2020-03-03
• 公開（公告）號: CN111447179A
• 公開（公告）日: 2020-07-24
• 發明（設計）人: 吳嘉婧;袁琪;鄭子彬
• 申請（專利權）人: 中山大學
• 主分類號: H04L29/06
• 分類號: H04L29/06;H04L12/24;G06Q40/04
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

1.一種針對以太網釣魚詐騙的網絡表示學習方法，其特征在于，包括：

S10獲取交易歷史記錄，從交易歷史記錄中提取節點及其一階鄰居節點，其中節點包括釣魚節點和其他節點；

S20從各節點交易的歷史記錄中提取各節點的交易特征；

S30采用網絡表示學習方法采樣各節點間的交易特征并學習，以得到與各節點結構特征相應的網絡表示學習向量；

S40采樣各節點交易特征的相應網絡表示學習向量輸入分類器分類，以將釣魚節點從各節點中分類出來。

2.如權利要求1所述的針對以太網釣魚詐騙的網絡表示學習方法，其特征在于，所述S30具體包括：

S301針對交易網絡建立網絡表示學習方法trans2vec以學習交易網絡各節點間的結構特征，將交易網絡視為四元組：G＝(V,E,X,Y)，其中V為節點集合，E為邊的集合，s為邊的特征空間大小，X為邊屬性，y代表標簽集合，是實數集合，Y代表標簽空間；

S302采用隨機游走生成器捕捉節點與周圍節點之間的聯系，并將之形成表示節點的結構特征序列，基于隨機游走采樣各節點的結構特征序列由交易網絡的四元組生成交易網絡的特征結構；

S303采用skip-gram模型求解最大似然優化來學習得到節點的網絡表示向量。

3.如權利要求2所述的針對以太網釣魚詐騙的網絡表示學習方法，其特征在于，所述交易網絡的特征結構為有向有權的交易網絡。

4.如權利要求2所述的針對以太網釣魚詐騙的網絡表示學習方法，其特征在于，所述交易特征至少包括交易金額，所述隨機游走生成器采用基于交易金額的隨機游走策略，具體為：

在交易網絡中，兩個節點之間的交易金額越大，則它們的關系越緊密，基于節點間交易金額的采樣概率函數，從節點u出發，節點u的一階鄰居節點x的轉移概率為：

其中u為任意節點，x為節點u的一階鄰居節點，V_u為節點u的一階鄰居節點集合，A(u,x)為節點u和x的交易金額。

5.如權利要求1所述的針對以太網釣魚詐騙的網絡表示學習方法，其特征在于，所述交易特征至少包括時間戳，所述隨機游走生成器還采用基于時間戳的隨機游走策略，具體為：

假設與中心節點交易時間越近的節點，對中心節點的影響越大，將每次交易唯一對應的時間戳映射到離散時間步長中，建立基于時間戳的采樣概率函數，從節點u出發，節點u的一階鄰居節點x的轉移概率為：

其中u為任意節點，x為節點u的一階鄰居節點，V_u為節點u的一階鄰居節點集合，T(u,x)為節點u和x最近的一次交易時間戳的時間步長。

6.如權利要求1所述的針對以太網釣魚詐騙的網絡表示學習方法，其特征在于，所述交易特征至少包括交易特征和時間戳，所述隨機游走生成器設置了用于在交易金額和時間戳之間平衡的游走偏置α，基于交易金額和時間戳的采樣概率函數，節點u到一階鄰居節點x的非標準化的轉移概率為：

其中，u為任意節點，x為節點u的一階鄰居節點，V_u為節點u的一階鄰居節點集合，A(u,x)為節點u和x的交易金額，T(u,x)為節點u和一階鄰居節點x的最近一次交易時間戳的時間步長。

7.如權利要求6所述的針對以太網釣魚詐騙的網絡表示學習方法，其特征在于，所述游走偏置α允許在時間和數量之間采樣時根據具體情況進行調整且，0α1。