[發明專利]一種區塊鏈非法地址檢測方法和系統

在審

• 申請號: 202111329339.2
• 申請日: 2021-11-10
• 公開（公告）號: CN114066435A
• 公開（公告）日: 2022-02-18
• 發明（設計）人: 凌捷;董金令;羅玉
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06Q20/06
• 分類號: G06Q20/06;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 禹小明

1.一種區塊鏈非法地址檢測方法，其特征在于，包括：

S1：收集區塊鏈的非法地址，并對非法地址進行過濾，組成原始數據集；

S2：提取原始數據集中非法地址的多維度特征信息；

S3：對多維度特征信息進行優化，獲得優化特征，組成優化特征集；

S4：將優化特征集輸入構建的遞歸自動編碼器中進行循環訓練，獲取訓練好的遞歸自動編碼器；

S5：利用訓練好的遞歸自動編碼器進行非法地址檢測。

2.根據權利要求1所述的區塊鏈非法地址檢測方法，其特征在于，所述步驟S1中，從公共論壇收集區塊鏈的非法地址。

3.根據權利要求1所述的區塊鏈非法地址檢測方法，其特征在于，所述步驟S1中，對非法地址進行過濾具體為：

利用自動地址過濾法對非法地址進行過濾，刪除其中混入的正常地址和無標記地址。

4.根據權利要求1所述的區塊鏈非法地址檢測方法，其特征在于，所述步驟S2中，提取原始數據集中非法地址的多維度特征信息包括基礎特征、拓撲特征和時間特征；

基礎特征包括該地址上貨幣的總輸入量、總輸出量、總交易量和最終余額；拓撲特征包括該地址上貨幣輸入和輸出來源；時間特征包括該地址上余額變動時的時間序列。

5.根據權利要求1所述的區塊鏈非法地址檢測方法，其特征在于，所述步驟S3中，利用k鄰近分類算法對多維度特征信息進行優化，具體的：

S3.1：計算某個多維度特征信息與其余多維度特征信息間的距離；

S3.2：按照距離從小到大的順序對其余多維度特征信息進行排序；

S3.3：計算前k個多維度特征信息的類別出現的頻率；

S3.4：將出現頻率最高的類別作為預測類別，將預測類別對應的多維度特征信息作為優化特征。

6.根據權利要求1所述的區塊鏈非法地址檢測方法，其特征在于，所述步驟S4中，遞歸自動編碼器基于現有的自動編碼器構建；所述遞歸自動編碼器包括編碼層和解碼層，編碼層的輸出端與解碼層的輸入端連接；

優化特征集輸入遞歸自動編碼器中，編碼層將優化特征被映射到潛在向量上，并將潛在向量輸出至解碼層；解碼層根據所述潛在向量重構原優化特征向量。

7.根據權利要求6所述的區塊鏈非法地址檢測方法，其特征在于，所述編碼層和解碼層均是循環神經網絡構成。

8.根據權利要求7所述的區塊鏈非法地址檢測方法，其特征在于，所述編碼層和解碼層均是由若干個長短期記憶網絡單元首尾相連組成。

9.根據權利要求8所述的區塊鏈非法地址檢測方法，其特征在于，所述步驟S4中，將優化特征集輸入構建的遞歸自動編碼器中進行循環訓練的具體方法為：

將優化特征集作為輸入序列輸入遞歸自動編碼器中，其中表示第n個事件的優化特征，經編碼層映射到緊湊的潛在向量上，并將潛在向量輸出至解碼層，計算還原序列其中表示第n個事件的原優化特征向量，公式為：

式中，LSTM_θ(·)和表示編碼層，表示編碼層內部狀態給定的第t個事件；LSTM_φ(·)和表示解碼層，表示解碼層內部狀態給定的第t個事件；

則重構損失函數為：

式中，||·||₂表示L2范數；

通過滑動窗口機制在輸入序列的每個優化特征上獲得子序列，每個時間步長產生一個優化特征的子序列其中，m表示滑動窗口大小；使重構損失函數取最小值時，獲得優化特征的子序列集合{W_m，…，W_N}；計算每個優化特征的異常值：

其中，表示子序列W_i經遞歸自動編碼器的輸出。

10.一種區塊鏈非法地址檢測系統，其特征在于，包括：

數據收集模塊，用于收集區塊鏈的非法地址，并對非法地址進行過濾，組成原始數據集；

特征提取模塊，用于提取原始數據集中非法地址的多維度特征信息；

特征優化模塊，用于對多維度特征信息進行優化，獲得優化特征，組成優化特征集；

訓練模塊，用于將優化特征集輸入構建的遞歸自動編碼器中進行循環訓練，獲取訓練好的遞歸自動編碼器；

檢測模塊，利用訓練好的遞歸自動編碼器進行非法地址檢測。