[發明專利]一種基于圖神經網絡的多通道區塊鏈釣魚節點檢測方法

有效

• 申請號: 202110654086.X
• 申請日: 2021-06-11
• 公開（公告）號: CN113283902B
• 公開（公告）日: 2023-05-09
• 發明（設計）人: 陳晉音;張敦杰;黃國瀚
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06Q20/38
• 分類號: G06Q20/38;G06Q40/04;G06N3/0464;G06F18/241;H04L9/40
• 代理公司: 杭州天勤知識產權代理有限公司 33224
• 代理人: 何秋霞;胡紅娟

本發明公開一種基于圖神經網絡的多通道區塊鏈釣魚節點檢測方法，包括步驟：根據區塊鏈交易信息構建網絡序列型動態整體交易網絡圖和動態交易模式子圖；獲得時間加權交易連邊；學習目標節點的用戶潛在特征和交易模式特征；獲得組合特征輸入到檢測模塊中獲得最終檢測結果；利用目標節點的真實類標與最終檢測結果對檢測模型進行訓練，獲得多通道區塊鏈釣魚節點檢測模型。本發明的釣魚節點檢測方法，采用基于圖神經網絡的節點分類與節點交易模式識別雙通道，可以有效提取用戶節點的潛在特征與其交易模式特征，提高區塊鏈釣魚節點檢測模型的有效性，實現對區塊鏈釣魚節點的檢測。

技術領域

本發明涉及區塊鏈網絡安全領域，具體涉及一種基于圖神經網絡的多通道區塊鏈釣魚節點檢測方法。

背景技術

區塊鏈技術起源于比特幣，其最初提出的目的是為了解決電子支付中過度依賴可信第三方的問題，實現電子支付的去中心化。區塊鏈技術是一種具有匿名性與不可篡改性分布式賬本，并成功應用于金融、政治、商業等領域。隨著區塊鏈技術在金融領域中的飛速發展，加密貨幣的盛行也滋生了大量的網絡詐騙犯罪。區塊鏈技術雖然能確保加密貨幣被用戶自身掌握，并提供可靠的交易行為。但在另一方面，由于其去中心化的性質，缺乏第三方機構監管的交易環境令用戶陷入網絡詐騙者的威脅中。一旦向詐騙者的轉賬行為被區塊鏈確認，用戶失去的電子貨幣幾乎不可能再被尋回。

在眾多的區塊鏈金融詐騙中，有50％以上的可以歸類為以加密貨幣作為釣魚目標進行的釣魚詐騙。(參照文獻1：M.Conti,E.S.Kumar,C.Lal,and?S.Ruj,“A?survey?onsecurity?and?privacy?issues?of?bitcoin,”IEEE?Commun.Surv.Tut.,vol.20,no.4,pp.3416–3452,2018.)

為了在去中心化的區塊鏈金融系統中為正常用戶提供一定的保護，Wu等人(參照文獻2：Wu?J,Dan?Lin,Zibin?Zheng?and?Qi?Yuan.Temporal?WEighted?MultiDiGraphEmbedding[J].2019.)研究了區塊鏈生態系統中的反網絡釣魚問題。考慮到金融交易網絡中起作用的交易時間和交易額信息，他們將以太坊網絡釣魚地址的識別建模為二分類問題，為識別釣魚節點，或預測潛在的被詐騙對象提供新的技術手段。

圖數據由于其強大的表達能力，在現實生活中有著廣泛的應用。圖神經網絡是處理圖類型數據的主要方法之一，圖神經網絡可以巧妙地從圖數據中提取特征，而這些被提取出來的特征可以完成許多圖數據分析任務，如：節點分類、圖分類、鏈路預測和社區發現等。這些圖數據分析任務又被廣泛應用于社交網絡、推薦系統、電子商務網絡等實際場景，并取得了出色的性能。

區塊鏈交易系統的公開性為構建區塊鏈交易網絡提供了大量的數據基礎，這也使得圖神經網絡成為檢測區塊鏈釣魚詐騙的一種可能的工具。將圖神經網絡應用于區塊鏈釣魚詐騙檢測的難點在于區塊鏈交易網絡往往具有復雜的交易時間與交易額信息，傳統的圖神經網絡難以適用于具有時間信息的多鏈路交易網絡。此外，不同圖數據分析任務下的圖神經網絡關注到的圖信息也有所區別，通過單一的節點分類模型難以全面地學習潛在釣魚詐騙者的特征。因此，針對具有時間信息的多鏈路區塊鏈交易圖數據，如何利用圖神經網絡更全面地提取用戶節點的潛在特征，以便精準識別釣魚詐騙者有著重要的實踐意義。

發明內容

本發明目的是設計一種基于圖神經網絡的多通道區塊鏈釣魚節點檢測方法，利用可訓練的時間重要性系數對不同交易時間段內的多鏈路交易進行加權求和，采用基于圖神經網絡的節點分類與節點交易模式識別雙通道，分別對區塊鏈動態整體交易網絡圖魚節點交易模式子圖進行動態節點分類與動態圖分類，最終融合用戶節點在不同層次的特征，提高區塊鏈釣魚節點檢測模型的檢測有效性。

為實現上述目的，本發明采用的技術方案是：

一種基于圖神經網絡的多通道區塊鏈釣魚節點檢測方法，其特征在于，包括如下步驟：