【技术实现步骤摘要】
本专利技术涉及区块链，特别是涉及一种基于图嵌入的以太坊洗钱检测方法。
技术介绍
1、目前在针对洗钱犯罪的监管研究中，一部分研究考虑改善现有反洗钱(anti-money laundering，aml)系统的审查验证成本上。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.)提出了一个机器学习分类模型减少基于aml规则的系统的假阳性，但并不替换基于规则的系统，只用来处理警报事件。另一方面，一些研究考虑使用机器学习方法识别洗钱等非法行为，但它们的检测目标是粗粒度的，将多种金融犯罪看作一个整体。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分类器根据以太坊的交易历史检测恶意账户。与这些方法相比，本专利技术不再采用传统的特征学习方法，选择采用图嵌入技术对特征进行自动提取。
2、近年来，也有研究将图嵌入技术用于以太坊的异常检测。lin等(lin d，wu j，xuanq，et al.ethereum tran
技术实现思路
1、为了解决以上技术问题，本专利技术提供一种基于图嵌入的以太坊洗钱检测方法，包括以下步骤
2、s1、通过以太坊客户端和以太坊区块资源浏览器etherscan爬取区块的交易记录和洗钱账户地址；并从区块的账户地址中随机选取未带有洗钱标记的等量正常地址；
3、s2、将洗钱账户地址与正常地址作为源节点，获取从每个源节点开始的2阶邻居节点以内的所有交易记录；
4、s3、将重复的交易去除，并删除交易状态为失败的交易条目；
5、s4、基于交易记录进行洗钱特征提取；
6、s5、基于交易网络结构进行洗钱特征提取，设计针对以太坊交易网络的随机游走搜索方法；
7、s6、将节点嵌入输入分类模型，对洗钱节点进行识别检测。
8、本专利技术进一步限定的技术方案是：
9、进一步的，步骤s1中，根据以太坊区块资源浏览器etherscan，获取带有upbit标签的815个外部拥有账户eoa和智能合约账户的地址。
10、前所述的一种基于图嵌入的以太坊洗钱检测方法，步骤s2中，每条交易记录包含该交易的源地址、目标地址、交易哈希、时间戳、gas price以及交易金额。
11、前所述的一种基于图嵌入的以太坊洗钱检测方法，步骤s2中，通过每个源节点构造一个有向加权子图，将子图相连接，最终构造一个有向带权金融交易图，作为图嵌入方法的输入；通过输入给定的有向带权金融交易图g并指定维度d，学习一个节点到节点嵌入的映射函数。
12、前所述的一种基于图嵌入的以太坊洗钱检测方法，步骤s4中，将交易记录中与洗钱者行为相关的gas price和时间戳信息作为图的辅助信息；步骤s2中构造的有向带权金融交易图g中，保留节点到节点的最新交易的gas price和时间戳，将每条交易边的gasprice和时间戳进行归一化，并设定平衡参数α将二者融合为一个新权重，并以此计算随机游走过程中的转移概率。
13、前所述的一种基于图嵌入的以太坊洗钱检测方法，平衡参数α设置为0.7。
14、前所述的一种基于图嵌入的以太坊洗钱检测方法，步骤s5包括以下分步骤
15、s5.1、定义返回参数p和探索参数q，在一个随机游走的过程中，参数p的大小决定下一步是否要返回上一个节点，参数q的大小决定邻域采样倾向于bfs还是i)fs；
16、s5.2、通过结合步骤s4融合的新权重和交易网络的结构信息，计算出转移概率；
17、s5.3、从每个源节点执行r个行走长度为l的有偏随机游走，其中每一步的选择都基于转移概率；
18、s5.4、使用word2vec的skip-gram方法进行节点表示学习，学习对邻居节点的预测。
19、前所述的一种基于图嵌入的以太坊洗钱检测方法，步骤s5.1中，返回参数p设置为，探索参数q设置为0.8。
20、本专利技术的有益效果是：
21、本专利技术中，可以更细粒度地对洗钱行为模式进行分析，提炼了交易记录上与洗钱活动最紧密相关的特征；同时还将以太坊交易网络中的gas price和时间戳作为图嵌入的辅助信息，全面地考虑了图的结构信息和洗钱账户的行为模式，可以准确提取以太坊中洗钱地址的特征；从而在真实的以太坊数据集上进行分类任务，对洗钱节点的识别效果优于其他先进的图嵌入方法。
本文档来自技高网...【技术保护点】
1.一种基于图嵌入的以太坊洗钱检测方法，其特征在于：包括以下步骤
2.根据权利要求1所述的一种基于图嵌入的以太坊洗钱检测方法，其特征在于：所述步骤S1中，根据以太坊区块资源浏览器Etherscan，获取带有Upbit标签的815个外部拥有账户EOA和智能合约账户的地址。
3.根据权利要求1所述的一种基于图嵌入的以太坊洗钱检测方法，其特征在于：所述步骤S2中，每条交易记录包含该交易的源地址、目标地址、交易哈希、时间戳、Gas price以及交易金额。
4.根据权利要求1所述的一种基于图嵌入的以太坊洗钱检测方法，其特征在于：所述步骤S2中，通过每个源节点构造一个有向加权子图，将子图相连接，最终构造一个有向带权金融交易图，作为图嵌入方法的输入；通过输入给定的有向带权金融交易图G并指定维度d，学习一个节点到节点嵌入的映射函数。
5.根据权利要求1所述的一种基于图嵌入的以太坊洗钱检测方法，其特征在于：所述步骤S4中，将交易记录中与洗钱者行为相关的gas price和时间戳信息作为图的辅助信息；步骤S2中构造的有向带权金融交易图G中，保留节点到
6.根据权利要求1所述的一种基于图嵌入的以太坊洗钱检测方法，其特征在于：所述平衡参数α设置为0.7。
7.根据权利要求1所述的一种基于图嵌入的以太坊洗钱检测方法，其特征在于：所述步骤S5包括以下分步骤
8.根据权利要求7所述的一种基于图嵌入的以太坊洗钱检测方法，其特征在于：所述步骤S5.1中，返回参数p设置为，探索参数q设置为0.8。
...【技术特征摘要】
1.一种基于图嵌入的以太坊洗钱检测方法，其特征在于：包括以下步骤
2.根据权利要求1所述的一种基于图嵌入的以太坊洗钱检测方法，其特征在于：所述步骤s1中，根据以太坊区块资源浏览器etherscan，获取带有upbit标签的815个外部拥有账户eoa和智能合约账户的地址。
3.根据权利要求1所述的一种基于图嵌入的以太坊洗钱检测方法，其特征在于：所述步骤s2中，每条交易记录包含该交易的源地址、目标地址、交易哈希、时间戳、gas price以及交易金额。
4.根据权利要求1所述的一种基于图嵌入的以太坊洗钱检测方法，其特征在于：所述步骤s2中，通过每个源节点构造一个有向加权子图，将子图相连接，最终构造一个有向带权金融交易图，作为图嵌入方法的输入；通过输入给定的有向带权金融交易图g并指定维度d，学习一个节点到节点嵌入的映射函数。
【专利技术属性】
技术研发人员：刘家伊，周璐，王昊，韩朝阳，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。