本發(fā)明涉及區(qū)塊鏈，特別是涉及一種基于圖嵌入的以太坊洗錢檢測(cè)方法。

背景技術(shù)：

1、目前在針對(duì)洗錢犯罪的監(jiān)管研究中，一部分研究考慮改善現(xiàn)有反洗錢(anti-money?laundering，aml)系統(tǒng)的審查驗(yàn)證成本上。eddin等(eddin?a?n，bono?j，aparíciod，et?al.anti-money?laundering?alert?optimization?using?machine?learning?withgraphs[j].arxiv?preprint?arxiv：2112.07508，2021.)提出了一個(gè)機(jī)器學(xué)習(xí)分類模型減少基于aml規(guī)則的系統(tǒng)的假陽(yáng)性，但并不替換基于規(guī)則的系統(tǒng)，只用來(lái)處理警報(bào)事件。另一方面，一些研究考慮使用機(jī)器學(xué)習(xí)方法識(shí)別洗錢等非法行為，但它們的檢測(cè)目標(biāo)是粗粒度的，將多種金融犯罪看作一個(gè)整體。steven等(farrugia?s，ellul?j，azzopardig.detection?of?illicit?accounts?over?the?ethereum?blockchain[j].expertsystems?with?applicatiohs，2020，150：113318.)采用xgboost分類器根據(jù)以太坊的交易歷史檢測(cè)惡意賬戶。與這些方法相比，本發(fā)明不再采用傳統(tǒng)的特征學(xué)習(xí)方法，選擇采用圖嵌入技術(shù)對(duì)特征進(jìn)行自動(dòng)提取。

2、近年來(lái)，也有研究將圖嵌入技術(shù)用于以太坊的異常檢測(cè)。lin等(lin?d，wu?j，xuanq，et?al.ethereum?transaction?tracking：inferring?evolution?of?transactionnetworks?via?link?prediction[j].physica?a：statistical?mechanics?and?itsapplications，2022，600：127504.)提出了一個(gè)基于偏置隨機(jī)游走的鏈接預(yù)測(cè)框架來(lái)研究交易追蹤，證明了交易頻率和交易金額對(duì)交易網(wǎng)絡(luò)演化的影響。wu等(wu?j，yuan?q，lin?d，et?al.who?are?the?phishers？phishing?seam?detection?on?ethereum?via?networkembedding[j].ieee?transactions?on?systems，man，and?cybernetics：systems，2020，52(2)：1156-1166.)通過(guò)結(jié)合交易的金額和時(shí)間戳，提出了一種新的網(wǎng)絡(luò)嵌入模型trans2vec用于檢測(cè)以太坊上的釣魚詐騙。這些研究雖然采用了圖嵌入技術(shù)，但它們針對(duì)的是以太坊上的其他金融犯罪，考慮到幾種金融犯罪的行為模式差異較大，這些方法在洗錢檢測(cè)上的效果還有待證明。

技術(shù)實(shí)現(xiàn)思路

1、為了解決以上技術(shù)問(wèn)題，本發(fā)明提供一種基于圖嵌入的以太坊洗錢檢測(cè)方法，包括以下步驟

2、s1、通過(guò)以太坊客戶端和以太坊區(qū)塊資源瀏覽器etherscan爬取區(qū)塊的交易記錄和洗錢賬戶地址；并從區(qū)塊的賬戶地址中隨機(jī)選取未帶有洗錢標(biāo)記的等量正常地址；

3、s2、將洗錢賬戶地址與正常地址作為源節(jié)點(diǎn)，獲取從每個(gè)源節(jié)點(diǎn)開(kāi)始的2階鄰居節(jié)點(diǎn)以內(nèi)的所有交易記錄；

4、s3、將重復(fù)的交易去除，并刪除交易狀態(tài)為失敗的交易條目；

5、s4、基于交易記錄進(jìn)行洗錢特征提??；

6、s5、基于交易網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行洗錢特征提取，設(shè)計(jì)針對(duì)以太坊交易網(wǎng)絡(luò)的隨機(jī)游走搜索方法；

7、s6、將節(jié)點(diǎn)嵌入輸入分類模型，對(duì)洗錢節(jié)點(diǎn)進(jìn)行識(shí)別檢測(cè)。

8、本發(fā)明進(jìn)一步限定的技術(shù)方案是：

9、進(jìn)一步的，步驟s1中，根據(jù)以太坊區(qū)塊資源瀏覽器etherscan，獲取帶有upbit標(biāo)簽的815個(gè)外部擁有賬戶eoa和智能合約賬戶的地址。

10、前所述的一種基于圖嵌入的以太坊洗錢檢測(cè)方法，步驟s2中，每條交易記錄包含該交易的源地址、目標(biāo)地址、交易哈希、時(shí)間戳、gas?price以及交易金額。

11、前所述的一種基于圖嵌入的以太坊洗錢檢測(cè)方法，步驟s2中，通過(guò)每個(gè)源節(jié)點(diǎn)構(gòu)造一個(gè)有向加權(quán)子圖，將子圖相連接，最終構(gòu)造一個(gè)有向帶權(quán)金融交易圖，作為圖嵌入方法的輸入；通過(guò)輸入給定的有向帶權(quán)金融交易圖g并指定維度d，學(xué)習(xí)一個(gè)節(jié)點(diǎn)到節(jié)點(diǎn)嵌入的映射函數(shù)。

12、前所述的一種基于圖嵌入的以太坊洗錢檢測(cè)方法，步驟s4中，將交易記錄中與洗錢者行為相關(guān)的gas?price和時(shí)間戳信息作為圖的輔助信息；步驟s2中構(gòu)造的有向帶權(quán)金融交易圖g中，保留節(jié)點(diǎn)到節(jié)點(diǎn)的最新交易的gas?price和時(shí)間戳，將每條交易邊的gasprice和時(shí)間戳進(jìn)行歸一化，并設(shè)定平衡參數(shù)α將二者融合為一個(gè)新權(quán)重，并以此計(jì)算隨機(jī)游走過(guò)程中的轉(zhuǎn)移概率。

13、前所述的一種基于圖嵌入的以太坊洗錢檢測(cè)方法，平衡參數(shù)α設(shè)置為0.7。

14、前所述的一種基于圖嵌入的以太坊洗錢檢測(cè)方法，步驟s5包括以下分步驟

15、s5.1、定義返回參數(shù)p和探索參數(shù)q，在一個(gè)隨機(jī)游走的過(guò)程中，參數(shù)p的大小決定下一步是否要返回上一個(gè)節(jié)點(diǎn)，參數(shù)q的大小決定鄰域采樣傾向于bfs還是i)fs；

16、s5.2、通過(guò)結(jié)合步驟s4融合的新權(quán)重和交易網(wǎng)絡(luò)的結(jié)構(gòu)信息，計(jì)算出轉(zhuǎn)移概率；

17、s5.3、從每個(gè)源節(jié)點(diǎn)執(zhí)行r個(gè)行走長(zhǎng)度為l的有偏隨機(jī)游走，其中每一步的選擇都基于轉(zhuǎn)移概率；

18、s5.4、使用word2vec的skip-gram方法進(jìn)行節(jié)點(diǎn)表示學(xué)習(xí)，學(xué)習(xí)對(duì)鄰居節(jié)點(diǎn)的預(yù)測(cè)。

19、前所述的一種基于圖嵌入的以太坊洗錢檢測(cè)方法，步驟s5.1中，返回參數(shù)p設(shè)置為，探索參數(shù)q設(shè)置為0.8。

20、本發(fā)明的有益效果是：

21、本發(fā)明中，可以更細(xì)粒度地對(duì)洗錢行為模式進(jìn)行分析，提煉了交易記錄上與洗錢活動(dòng)最緊密相關(guān)的特征；同時(shí)還將以太坊交易網(wǎng)絡(luò)中的gas?price和時(shí)間戳作為圖嵌入的輔助信息，全面地考慮了圖的結(jié)構(gòu)信息和洗錢賬戶的行為模式，可以準(zhǔn)確提取以太坊中洗錢地址的特征；從而在真實(shí)的以太坊數(shù)據(jù)集上進(jìn)行分類任務(wù)，對(duì)洗錢節(jié)點(diǎn)的識(shí)別效果優(yōu)于其他先進(jìn)的圖嵌入方法。

技術(shù)特征：

1.一種基于圖嵌入的以太坊洗錢檢測(cè)方法，其特征在于：包括以下步驟

2.根據(jù)權(quán)利要求1所述的一種基于圖嵌入的以太坊洗錢檢測(cè)方法，其特征在于：所述步驟s1中，根據(jù)以太坊區(qū)塊資源瀏覽器etherscan，獲取帶有upbit標(biāo)簽的815個(gè)外部擁有賬戶eoa和智能合約賬戶的地址。

3.根據(jù)權(quán)利要求1所述的一種基于圖嵌入的以太坊洗錢檢測(cè)方法，其特征在于：所述步驟s2中，每條交易記錄包含該交易的源地址、目標(biāo)地址、交易哈希、時(shí)間戳、gas?price以及交易金額。

4.根據(jù)權(quán)利要求1所述的一種基于圖嵌入的以太坊洗錢檢測(cè)方法，其特征在于：所述步驟s2中，通過(guò)每個(gè)源節(jié)點(diǎn)構(gòu)造一個(gè)有向加權(quán)子圖，將子圖相連接，最終構(gòu)造一個(gè)有向帶權(quán)金融交易圖，作為圖嵌入方法的輸入；通過(guò)輸入給定的有向帶權(quán)金融交易圖g并指定維度d，學(xué)習(xí)一個(gè)節(jié)點(diǎn)到節(jié)點(diǎn)嵌入的映射函數(shù)。

5.根據(jù)權(quán)利要求1所述的一種基于圖嵌入的以太坊洗錢檢測(cè)方法，其特征在于：所述步驟s4中，將交易記錄中與洗錢者行為相關(guān)的gas?price和時(shí)間戳信息作為圖的輔助信息；步驟s2中構(gòu)造的有向帶權(quán)金融交易圖g中，保留節(jié)點(diǎn)到節(jié)點(diǎn)的最新交易的gas?price和時(shí)間戳，將每條交易邊的gas?price和時(shí)間戳進(jìn)行歸一化，并設(shè)定平衡參數(shù)α將二者融合為一個(gè)新權(quán)重，并以此計(jì)算隨機(jī)游走過(guò)程中的轉(zhuǎn)移概率。

6.根據(jù)權(quán)利要求1所述的一種基于圖嵌入的以太坊洗錢檢測(cè)方法，其特征在于：所述平衡參數(shù)α設(shè)置為0.7。

7.根據(jù)權(quán)利要求1所述的一種基于圖嵌入的以太坊洗錢檢測(cè)方法，其特征在于：所述步驟s5包括以下分步驟

8.根據(jù)權(quán)利要求7所述的一種基于圖嵌入的以太坊洗錢檢測(cè)方法，其特征在于：所述步驟s5.1中，返回參數(shù)p設(shè)置為，探索參數(shù)q設(shè)置為0.8。

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種基于圖嵌入的以太坊洗錢檢測(cè)方法，涉及區(qū)塊鏈技術(shù)領(lǐng)域，首先從以太坊客戶端和權(quán)威的以太坊區(qū)塊瀏覽器Etherscan獲取了以太坊全節(jié)點(diǎn)的數(shù)據(jù)和洗錢賬戶地址。通過(guò)對(duì)交易記錄進(jìn)行挖掘，該發(fā)明綜合考慮了洗錢者的行為模式和交易網(wǎng)絡(luò)的結(jié)構(gòu)信息，能夠自動(dòng)提取洗錢地址的特征。具體來(lái)說(shuō)，本發(fā)明將交易記錄中的gas?price和時(shí)間戳融合為一個(gè)新權(quán)重，并且設(shè)置恰當(dāng)?shù)姆祷貐?shù)和探索參數(shù)來(lái)調(diào)控隨機(jī)游走的采樣傾向，對(duì)洗錢節(jié)點(diǎn)進(jìn)行表征。我們使用以太坊真實(shí)數(shù)據(jù)構(gòu)造了數(shù)據(jù)集，并在數(shù)據(jù)集上通過(guò)隨機(jī)森林等多種分類器評(píng)估了該發(fā)明的有效性。實(shí)驗(yàn)結(jié)果顯示，本發(fā)明能夠準(zhǔn)確有效地識(shí)別出洗錢賬戶，并優(yōu)于其他圖嵌入方法。

技術(shù)研發(fā)人員：劉家伊,周璐,王昊,韓朝陽(yáng)
受保護(hù)的技術(shù)使用者：南京航空航天大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2