[發明專利]一種面向以太坊平臺的龐氏騙局檢測方法

在審

• 申請號: 202110365475.0
• 申請日: 2021-04-06
• 公開（公告）號: CN112967063A
• 公開（公告）日: 2021-06-15
• 發明（設計）人: 毛典輝;梁秀霞
• 申請（專利權）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

本發明公開了一種面向以太坊平臺的龐氏騙局檢測方法，通過提取高質量鑒別特征，并結合多種分類器訓練，最終提高檢測方法的正確率。在etherscan.io采集并清洗數據后，根據以下步驟檢測：(1)提取交易特征：分別從投資和返利的角度提取合約賬戶交易；(2)提取代碼特征：使用一種新的文本特征提取方法，根據操作碼在合約及合約集中的頻率，計算操作碼的重要性指數；(3)組合以上特征，輸入stacking集成學習訓練，以第一層的輸出作為第二層的輸入，并采取不同于傳統結合方式結合各基分類器，以達到一個最優的檢測結果。本發明在特征提取階段提取了高質量的特征，并在模型訓練階段采用基分類器結合的方式有效降低了誤判概率，因此提升了檢測模型的分類性能。

技術領域

本發明涉及區塊鏈和機器學習領域，具體涉及一種面向以太坊平臺的龐氏騙局檢測方法。

背景技術

各種金融詐騙在社會上層出不窮，極大危害到人民群眾財產安全，同時對社會長治久安產生了嚴重的不利影響。作為金融詐騙的一種表現形式，龐氏騙局在線上分布廣泛。以太坊平臺上的龐氏騙局借助區塊鏈技術的去中心化和匿名性等特點，配合自動執行的智能合約肆意宣傳，吸引了大量的資金，然而超過9成的投資者都得不到任何的回報，極大傷害了人民群眾的利益。，這破壞了社會秩序，同時對區塊鏈的良性發展造成了阻礙。因此，嚴格監管以太坊，防止詐騙的出現是一項緊迫的技術問題。

目前，針對以太坊龐氏騙局的檢測方法主要集中在機器學習。分類所需的特征從交易記錄和智能合約中提取。然而原有的特征提取方法僅僅使用了一些統計方法進行數據的匯總，沒有表示出各個特征之間的聯系。另外，分類檢測所采用的機器學習也容易造成過擬合等不佳影響。

因此，對于龐氏騙局的檢測，需要提取更加有表征能力的特征，讓各個特征能夠相互聯系才能對分類結果有一個良好的作用。同時，檢測結果應不局限于固定的樣本，以緩和分類器的過擬合問題。

發明內容

為了解決上述技術問題，本發明提供一種面向以太坊平臺的龐氏騙局檢測方法，其解決方案包括：

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

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

步驟S3：根據合約賬戶的交易對象及其交易信息，提取同一對象的交易往來數據，即主要針對合約賬戶與受害者賬戶之間的交易次數、交易金額等，得到基于交易數據的最能體現龐氏騙局的特征；

步驟S4：根據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的頻率構建操作碼重要性作為代碼特征；

步驟S5：將得到的數據特征輸入到stacking機器學習中進行訓練，最后根據各個基礎分類器的分類效果賦予不同權重，采取不同于傳統結合方式結合所有基分類器，以求達到一個最優的檢測結果。

本發明與現有技術相比，具有以下優點：

1、本發明改進了TF-IDF算法，使用更適合于智能合約的ITF算法提取智能合約的代碼特征。通過提取的操作碼ITF值表示操作碼的重要性，解決特征提取受限于單一契約的問題。

2、本發明公開了一種面向以太坊平臺的龐氏騙局檢測方法，采用stacking集成學習進行整體的檢測分類，最后最后根據各個基礎分類器的分類效果賦予不同權重，采取不同于傳統結合方式結合所有基分類器，以達到一個最優的檢測結果。

附圖說明

圖1為本發明實施例中一種面向以太坊平臺的龐氏騙局檢測方法的流程圖；

圖2本發明實施例中一種面向以太坊平臺的龐氏騙局檢測方法的技術框架圖；