[發明專利]基于自動機器學習的以太坊燃料限制預測方法及裝置

有效

• 申請號: 202010761121.3
• 申請日: 2020-07-31
• 公開（公告）號: CN111898766B
• 公開（公告）日: 2023-02-24
• 發明（設計）人: 張楠;王健宗;瞿曉陽
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00;G06N3/04;G06N3/094;G06N3/092;G06F18/24;G06F18/23;G06F18/2135;G06F16/27;G06Q40/04
• 代理公司: 深圳市精英專利事務所 44242
• 代理人: 李翔宇

本發明公開了基于自動機器學習的以太坊燃料限制預測方法、裝置、計算機設備及存儲介質，涉及區塊鏈技術，包括從目標網址中獲取在以太坊上已發布所有智能合約的網絡地址，以獲取已完成驗證的目標智能合約代碼集合，和與各目標智能合約代碼對應的交易信息；將各交易信息進行信息篩選后對應的特征集輸入至待訓練自動機器學習模型進行訓練得，到自動機器學習模型；若檢測到當前智能合約代碼，獲取當前智能合約代碼對應的當前特征集以將其輸入至自動機器學習模型中進行運算，得到對應的以太坊燃料限制。實現了基于智能合約代碼自動篩選特征自動降維后，以對以太坊燃料限制進行預測，不僅避免了人工干預從而降低人工成本，而且提高了預測的準確率。

技術領域

本發明涉及區塊鏈技術領域，尤其涉及一種基于自動機器學習的以太坊燃料限制預測方法、裝置、計算機設備及存儲介質。

背景技術

作為區塊鏈比較成功的項目-比特幣，其最為核心的創新就是在不需要信任第三方的情況下可以遠距離進行轉移價值。但是比特幣的缺點在于并沒有支持圖靈完備的腳本語言。也即比特幣只做到在分布式環境的條件下存儲，但是并沒有做到在分布式條件下既能存儲也能計算。針對這個問題，Vitalik等人推出以太坊。與比特幣相比，以太坊最大的不同點在于以太坊是可以支持圖靈完備的腳本語言，允許開發者在上面開發任意應用，實現智能合約。

以太坊在區塊鏈上實現一個運行環境，被稱為以太坊虛擬機。每個參與到以太坊網絡的節點都會運行以太坊虛擬機作為區塊驗證協議的一部分。這些節點會驗證區塊中覆蓋的每個交易并在以太坊虛擬機中運行交易所觸發的代碼(智能合約里面的代碼)。每個網絡上的全節點都會進行相同的計算并存儲相同的值。而在執行這些代碼和計算的過程中，每一個命令比如加法、hash等等都會有一個特定的消耗，在以太坊上用燃料來進行計數，例如在以太坊上進行加法的操作就需要消耗3個燃料。

由于在代碼執行過程需要消耗一定的燃料，而且燃料的消耗還跟智能合約所在的狀態有關系。因此在進行每一筆交易之前都用戶預先支付一定數量的燃料。簡單來說這個預先支付的金額在以太坊里被稱為燃料限制。在網絡上的節點進行認證和計算過程中，如果用戶的交易用于計算需要使用的燃料數量小于或等于所設置的燃料限制，那么這個交易就會被處理。相反，如果燃料的總消耗超過燃料限制，用戶所提供的燃料都會被使用完，甚至在這過程中所有的操作都會被復原。因此，保證燃料限制的精確就顯得非常重要。

機器學習作為人工智能的一個分支，也是比較熱門的研究話題。機器學習算法是一類從數據中自動分析獲得規律，并利用規律對未知數據進行預測的算法。機器學習的最大優勢是工作效率有大幅度的提高。機器學習無法解決人類解決不了的問題，但是它可以接受大量的數據，基于數據迅速建立連接，做出預測。因此在收集到大量數據的情況下，用機器學習來做預測是效率比較高而且是比較準確的。而當前以太坊就已經有數千萬個交易了。用機器學習來發現這些數據中的規律無疑是一種比較好的辦法。因此，用機器學習來預測以太坊上交易的燃料限制是可行的。但是對于以太坊交易程序數據來說包含智能合約URL，特征不明顯，手動特征工程和手動選擇機器學習模型工作量較大且難以保證通用性和準確率。

發明內容

本發明實施例提供了一種基于自動機器學習的以太坊燃料限制預測方法、裝置、計算機設備及存儲介質，旨在解決現有技術中以太坊交易程序數據包含智能合約的網絡地址，數據特征不明顯，手動特征工程和手動選擇機器學習模型工作量較大，且難以保證通用性和準確率的問題。

第一方面，本發明實施例提供了一種基于自動機器學習的以太坊燃料限制預測方法，其包括：

調用預設存儲的廣度優先算法和預先設置的目標網址，通過廣度優先算法對應的廣度優先搜索從所述目標網址中獲取在以太坊上已發布所有智能合約的網絡地址；

根據所述網絡地址獲取已完成驗證的目標智能合約代碼集合，和與目標智能合約代碼集合中各目標智能合約代碼對應的交易信息；