[發(fā)明專利]一種面向以太坊平臺的龐氏騙局檢測方法

在審

• 申請?zhí)枺?/td>: 202110365475.0
• 申請日: 2021-04-06
• 公開（公告）號: CN112967063A
• 公開（公告）日: 2021-06-15
• 發(fā)明（設計）人: 毛典輝;梁秀霞
• 申請（專利權(quán)）人: 北京工商大學
• 主分類號: G06Q20/40
• 分類號: G06Q20/40;G06K9/62;G06N20/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種面向以太坊平臺的龐氏騙局檢測方法，其特征包括：

步驟S1：根據(jù)公開的帶有標簽的合約賬戶地址，從etherscan.io平臺爬取相關(guān)信息，包括智能合約與相應的交易歷史，得到粗糙的合約數(shù)據(jù)；

步驟S2：使用python編譯器中的Pandas包和Numpy包對初始的數(shù)據(jù)進行清洗處理，將數(shù)據(jù)變成可操作的格式；

步驟S3：根據(jù)交易對象及其交易信息，提取合約賬戶與同一對象的交易往來數(shù)據(jù)，即主要針對合約賬戶與參與者賬戶之間的交易次數(shù)、交易金額等，得到基于交易數(shù)據(jù)的最能體現(xiàn)龐氏騙局的特征；

步驟S4：根據(jù)各操作碼對龐氏騙局的重要性，使用一種新的文本特征提取方式，提取以操作碼在合約及合約集中出現(xiàn)的頻率構(gòu)建操作碼重要性作為代碼特征；

步驟S5：將得到的數(shù)據(jù)特征輸入到stacking機器學習中進行訓練，最后根據(jù)各個基礎(chǔ)分類器的分類效果賦予不同權(quán)重，采取不同于傳統(tǒng)結(jié)合方式結(jié)合所有基分類器，以求達到一個最優(yōu)的檢測結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種面向以太坊平臺的龐氏騙局檢測方法，其特征在于，所述步驟S1：根據(jù)公開的帶有標簽的合約賬戶地址，從etherscan.io平臺爬取相關(guān)信息，包括智能合約與相應的交易歷史，得到粗糙的合約數(shù)據(jù)，包括：

步驟S11：獲取公開數(shù)據(jù)集，得到已打標簽的合約地址集；

步驟S12：根據(jù)標簽地址集，使用jdk自帶的api發(fā)送相關(guān)地址http請求，得到相關(guān)網(wǎng)頁。

步驟S13：使用XPath用于對網(wǎng)頁字符串、數(shù)值、時間的匹配以及節(jié)點、序列的處理，抽取并儲存相關(guān)地址的數(shù)據(jù)內(nèi)容。

3.根據(jù)權(quán)利要求2所述的一種面向以太坊平臺的龐氏騙局檢測方法，其特征在于，所述步驟S2：使用python編譯器中的Pandas包和Numpy包對初始的數(shù)據(jù)進行清洗處理，將數(shù)據(jù)變成可操作的格式，包括

步驟S21：針對缺失、內(nèi)容或邏輯錯誤的數(shù)據(jù)，判斷其重要性，若數(shù)據(jù)相對重要，則進行修改補全，反之則刪除；

步驟S22：清理不需要的數(shù)據(jù)，如blockNumber、blockHash等與交易內(nèi)容無關(guān)的數(shù)據(jù)；

步驟S23：將清洗后的數(shù)據(jù)按照交易數(shù)據(jù)、合約數(shù)據(jù)重新組合形成新的數(shù)據(jù)集。

4.根據(jù)權(quán)利要求3所述的一種面向以太坊平臺的龐氏騙局檢測方法，其特征在于，所述步驟S3：根據(jù)交易對象及其交易信息，提取合約賬戶與同一對象的交易往來數(shù)據(jù)，即主要針對合約賬戶與參與者賬戶之間的交易次數(shù)、交易金額等，得到基于交易數(shù)據(jù)的最能體現(xiàn)龐氏騙局的特征，包括：

步驟S31：統(tǒng)計針對于合約賬戶特征，如余額、活躍度等屬于賬戶數(shù)據(jù)的特征；

步驟S32：統(tǒng)計針對于交易信息的特征，根據(jù)交易流動方向統(tǒng)計如交易數(shù)量、交易人數(shù)及交易總額等特征；

步驟S33：整合以上兩步驟的特征，形成針對交易的特征向量。