[發明專利]以太坊區塊鏈中賬戶的風險識別方法、裝置及設備

在審

• 申請號: 202111607766.2
• 申請日: 2021-12-23
• 公開（公告）號: CN114429402A
• 公開（公告）日: 2022-05-03
• 發明（設計）人: 孫溢;樊禮;林昭文;張引;余恪平
• 申請（專利權）人: 北京郵電大學
• 主分類號: G06Q40/08
• 分類號: G06Q40/08;G06K9/62;G06N20/00
• 代理公司: 北京金咨知識產權代理有限公司 11612
• 代理人: 宋教花

1.一種以太坊區塊鏈中賬戶的風險識別方法，其特征在于，所述方法包括：

根據以太坊區塊鏈中待識別賬戶的目標賬戶地址，獲取所述待識別賬戶的目標交易信息；

將所述目標交易信息輸入到預先建立的賬戶風險識別模型，利用所述賬戶風險識別模型基于所述目標交易信息提取所述待識別賬戶的賬戶特征，并根據提取到的賬戶特征對所述待識別賬戶進行風險識別；其中，所述賬戶風險識別模型基于歷史風險賬戶的交易信息以及歷史正常賬戶的交易信息進行模型訓練獲得；

根據所述賬戶風險識別模型輸出的風險識別結果，確定所述待識別賬戶是否屬于風險賬戶。

2.根據權利要求1所述的以太坊區塊鏈中賬戶的風險識別方法，其特征在于，所述賬戶風險識別模型的構建方法包括：

采集歷史風險賬戶的賬戶地址和歷史正常賬戶的賬戶地址；

基于所述歷史風險賬戶的賬戶地址獲取歷史風險賬戶的交易信息，基于所述歷史正常賬戶的賬戶地址獲取歷史正常賬戶的交易信息；

對所述歷史風險賬戶的交易信息進行特征提取，獲得風險賬戶特征集合，對所述歷史正常賬戶的交易信息進行特征提取，獲得正常賬戶特征集合；

利用所述風險賬戶特征集合和所述正常賬戶特征集合對所述賬戶風險識別模型進行模型訓練，獲得所述賬戶風險識別模型。

3.根據權利要求2所述的以太坊區塊鏈中賬戶的風險識別方法，其特征在于，所述利用所述風險賬戶特征集合和所述正常賬戶特征集合對所述賬戶風險識別模型進行模型訓練，獲得所述賬戶風險識別模型，包括：

將所述風險賬戶特征集合和所述正常賬戶特征集合輸入到賬戶風險識別模型中，進行模型訓練，利用網格搜索確定出所述賬戶風險識別模型的目標模型參數組合；

基于所述目標模型參數組合獲得賬戶風險識別模型。

4.根據權利要求2所述的以太坊區塊鏈中賬戶的風險識別方法，其特征在于，所述采集歷史風險賬戶的賬戶地址包括：

從風險賬戶數據庫中獲取風險賬戶的初選賬戶地址，或在風險行為監督平臺或以太坊區塊鏈瀏覽器中通過查詢風險關鍵詞，獲取風險賬戶的初選賬戶地址；

在獲取到風險賬戶的初選賬戶地址后，對初選賬戶地址進行查重，將重復的初選賬戶地址刪除，獲得風險賬戶的賬戶地址。

5.根據權利要求4所述的以太坊區塊鏈中賬戶的風險識別方法，其特征在于，所述歷史正常賬戶的賬戶地址的采集方法包括：

從以太坊區塊中采集交易發送者的以太坊地址作為備用賬戶地址；

將備用賬戶地址去重后與采集到的歷史風險賬戶的賬戶地址進行比對，將與所述歷史風險賬戶的賬戶地址相同的備用賬戶地址刪除，剩余的備用賬戶地址作為所述歷史正常賬戶的賬戶地址。

6.根據權利要求1所述的以太坊區塊鏈中賬戶的風險識別方法，其特征在于，所述方法還包括：

利用所述賬戶風險識別模型計算各個賬戶特征的平均增益率；

根據各個賬戶特征的平均增益率從高到低對各個賬戶特征進行排序，將排序在前指定名次的賬戶特征作為風險識別賬戶特征；

所述利用所述賬戶風險識別模型基于所述目標交易信息提取所述待識別賬戶的賬戶特征，并根據提取到的賬戶特征對所述待識別賬戶進行風險識別，包括：

利用所述賬戶風險識別模型基于所述目標交易信息提取所述待識別賬戶的賬戶特征后，篩選出所述風險識別賬戶特征中與所述風險識別賬戶特征相同的賬戶特征，所述賬戶風險識別模型利用篩選后的賬戶特征對所述待識別賬戶進行風險識別。

7.根據權利要求1所述的以太坊區塊鏈中賬戶的風險識別方法，其特征在于，所述賬戶特征包括：統計特征和交易類型特征，所述統計特征包括：交易金額特征、交易次數特征、交易時間特征。