[發明專利]區塊鏈地址分類的方法和裝置

在審

• 申請號: 202110692274.1
• 申請日: 2021-06-22
• 公開（公告）號: CN113535847A
• 公開（公告）日: 2021-10-22
• 發明（設計）人: 穆長春;呂遠;卿蘇德;王艷輝;張凌云;吳浩
• 申請（專利權）人: 中國人民銀行數字貨幣研究所
• 主分類號: G06F16/27
• 分類號: G06F16/27;G06F16/26;G06F16/28;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 中原信達知識產權代理有限責任公司 11219
• 代理人: 張效榮;韓黎捷

1.一種區塊鏈地址分類的方法，其特征在于，包括：

獲取區塊鏈的賬本交易數據，根據所述賬本交易數據構建異質圖網絡；

根據所述異質圖網絡確定待分類地址的表征向量；

將所述待分類地址的表征向量輸入預訓練的分類模型，確定所述待分類地址的分類結果。

2.如權利要求1所述的方法，其特征在于，根據所述賬本交易數據構建異質圖網絡，包括：

將所述賬本交易數據對應的所有區塊鏈地址分別作為一個地址頂點，將所述賬本交易數據對應的交易標識分別作為一個交易頂點；

對于每條所述交易記錄，將所述交易記錄的交易標識對應的交易頂點分別與所述交易記錄的每個區塊鏈地址對應的地址頂點連接成邊，形成所述異質圖網絡。

3.如權利要求2所述的方法，其特征在于，根據所述異質圖網絡確定所述待分類地址的表征向量，包括：

使用metapath2vec算法在所述異質圖網絡上進行游走采樣，將采樣得到的編碼序列作為訓練數據；

根據已構建的地址標識對應地址的映射詞表，對每個待分類地址進行獨熱編碼，得到待分類地址的稀疏矩陣；

根據所述訓練數據和所述稀疏矩陣，使用Skip-Gram模型進行模型訓練，得到每個所述待分類地址的表征向量。

4.如權利要求3所述的方法，其特征在于，使用metapath2vec算法在所述異質圖網絡上進行游走采樣，包括：

使用metapath2vec算法，在所述異質圖網絡上根據元路徑進行游走采樣，得到海量不等長的編碼序列。

5.如權利要求4所述的方法，其特征在于，所述元路徑為：任一地址頂點→相連的交易頂點→交易相連的其他地址頂點。

6.如權利要求2所述的方法，其特征在于，從區塊鏈的所有地址中篩選多個地址，包括：

根據所述異質圖網絡確定所述區塊鏈中每個地址對應邊的數量，篩選對應邊的數量大于等于預設閾值的地址。

7.如權利要求1所述的方法，其特征在于，將所述待分類地址的表征向量輸入預訓練的分類模型之前，還包括：采用XGBoost算法訓練所述分類模型。

8.一種區塊鏈地址分類的裝置，其特征在于，包括：

網絡構建模塊，獲取區塊鏈的賬本交易數據，根據所述賬本交易數據構建異質圖網絡；

向量表征模塊，根據所述異質圖網絡確定待分類地址的表征向量；

地址分類模塊，將所述待分類地址的表征向量輸入預訓練的分類模型，確定所述待分類地址的分類結果。

9.如權利要求8所述的裝置，所述向量表征模塊根據所述異質圖網絡確定所述待分類地址的表征向量，包括：

使用metapath2vec算法在所述異質圖網絡上進行游走采樣，將采樣得到的編碼序列作為訓練數據；

從區塊鏈的所有地址中篩選多個地址，為篩選的每個地址設置地址標識，構建地址標識對應地址的映射詞表；對所述映射詞表中的每個單詞進行獨熱編碼，得到待分類地址的稀疏矩陣；

根據所述訓練數據和所述稀疏矩陣，使用Skip-Gram模型進行模型訓練，得到每個所述待分類地址的表征向量。

10.如權利要求9所述的裝置，所述向量表征模塊使用metapath2vec算法在所述異質圖網絡上進行游走采樣，包括：

使用metapath2vec算法，在所述異質圖網絡上根據元路徑進行游走采樣，得到海量不等長的編碼序列。

11.一種區塊鏈地址分類的電子設備，其特征在于，包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序，

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求1-7中任一所述的方法。

12.一種計算機可讀介質，其上存儲有計算機程序，其特征在于，所述程序被處理器執行時實現如權利要求1-7中任一所述的方法。