技术特征：
1.一种基于深度聚类区块链实体关联关系评估方法，其特征在于，包括以下步骤：提取区块信息，将获取到的实体的相关数据转化为第一矩阵，并随机为每一个实体分配一个伪标签，所述实体包括区块链网络上的账号、交易账号及链群，所述实体的相关数据包括区块链网络上的账号信息、交易数据及链群信息；对所述第一矩阵进行数据增强处理，并输入至特征提取网络，得到特征信息；将所述特征信息映射到子空间，进行对比学习，并更新特征提取网络的参数；基于子空间中的特征向量计算并更新每个实体的伪标签，并更新特征提取网络的参数；重复更新特征提取网络的参数的步骤，直到特征提取网络的参数收敛，得到构建的关联模型；依据所述伪标签对实体进行分类，并得到实体间行为相似度。2.根据权利要求1所述的基于深度聚类区块链实体关联关系评估方法，其特征在于，所述对所述第一矩阵进行数据增强并输入特征提取网络，得到特征信息，包括以下步骤：所述特征提取网络包括卷积层和transformer编码器；基于不同的数据增强方式t
a
和t
b
对所述第一矩阵进行操作，生成x
a,i
＝t
a
(x
i
),x
b,i
＝t
b
(x
i
),i∈[n],其中，x
i
表示实体，n为实体的数量，i表示实体的索引，x
a,i
，x
b,i
表示同一实体分别经过两种数据增强方式后形成的不同向量；对x
a
,x
b
进行嵌入操作，使用轻量型堆叠卷积将其转化为第二矩阵；将所述第二矩阵输入至transformer编码器，得到特征信息h
a
,h
b
。3.根据权利要求2所述的基于深度聚类区块链实体关联关系评估方法，其特征在于，所述轻量型堆叠卷积使用4个3
×
3大小、步长为2的卷积，每个卷积后跟随批量归一化和线性整流函数，最后经过一个1
×
1，步长为1的卷积。4.根据权利要求1所述的基于深度聚类区块链实体关联关系评估方法，其特征在于，所述将所述特征信息映射到子空间，进行对比学习，并更新特征提取网络的参数，包括以下步骤：对特征信息分别执行两次线性变换、批量归一化、线性整流函数，将其线性映射到子空间z
a
,z
b
；进行对比学习，增强由相同实体产生的{z
a,i
,z
b,i
}之间的相似性，降低不同实体产生的{z
a,i
,z
b,j
,i≠j}之间的相似性，其中相似性定义为其中，p,q表示两个具有相同维度的特征向量，使用损失函数有相同维度的特征向量，使用损失函数得到损失值作为优化目标，并使用adam作为优化器更新特征提取网络的参数。5.根据权利要求1所述的基于深度聚类区块链实体关联关系评估方法，其特征在于，所述基于子空间中的特征向量计算并更新每个实体的伪标签，并更新特征提取网络的参数，包括以下步骤：将表示所有实体的矩阵输入更新后的特征提取网络，得到特征信息；对特征信息执行两次线性变换、批量归一化、线性整流函数，再经过柔性最大值传输函数得到伪标签y'
n
；
若实体的初始伪标签c不包含于y'
n
中，则进行重新分配操作，选取包含实体数量最多的一类标签，保留其中一半实体的标签不变，将另一半实体的标签更改为c，如果y'
n
包含所有类型的伪标签，则不进行重新分配操作；计算前一轮训练得到的伪标签y
n
和y'
n
之间的交叉熵损失作为优化目标，并使用sgd作为优化器更新特征提取网络的参数。6.根据权利要求1所述的基于深度聚类区块链实体关联关系评估方法，其特征在于，所述依据所述伪标签对实体进行分类，并得到实体间行为相似度，包括以下步骤：将表示所有实体的矩阵输入更新后的特征提取网络，得到特征信息；对特征信息执行两次线性变换、批量归一化、线性整流函数，再经过柔性最大值传输函数得到伪标签y'
n
，将同一种标签对应的实体划分为同一类型的实体；在同一类型实体中选取少量实体进行具体分析，使得特征更具可解释性；对实体进行特征提取，对特征信息分别执行两次线性变换、批量归一化、线性整流函数，将其线性映射到子空间z
a
,z
b
；进行对比学习，提高由相同实体产生的{z
a,i
,z
b,i
}之间的相似性，降低不同实体产生的{z
a,i
,z
b,j
,i≠j}之间的相似性，其中，相似性定义为使用损失函数得到损失值，并使用adam作为优化器更新特征提取网络的参数，评估实体间行为相似性并构建实体间关联关系。7.一种基于深度聚类区块链实体关联关系评估系统，其特征在于，包括信息提取模块、特征处理模块、第一更新模块、第二更新模块及分类处理模块；所述信息提取模块，用于提取区块信息，将描述实体的数据转化为第一矩阵，并随机为每一个实体分配一个伪标签，其中，所述实体包括区块链网络上的账号、交易账号及链群，所述实体的相关数据包括区块链网络上的账号信息、交易数据及链群信息；所述特征处理模块，对所述第一矩阵进行数据增强并输入特征提取网络，得到特征信息；所述第一更新模块，用于将所述特征信息映射到子空间，进行对比学习，并更新特征提取网络的参数；所述第二更新模块，用于基于子空间中的特征向量计算并更新每个实体的伪标签，并更新特征提取网络的参数；所述分类处理模块，用于重复更新特征提取网络的参数，依据所述伪标签对实体进行分类，并得到实体间行为相似度。8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任意一项所述的方法。9.一种电子装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任意一项所述的方法。
技术总结
本发明提出了一种基于深度聚类区块链实体关联关系评估方法、系统及装置，首先提取区块信息，将描述实体的数据转化为第一矩阵，并随机为每一个实体分配一个伪标签，对第一矩阵进行数据增强并输入特征提取网络，得到特征信息；将特征信息映射到子空间，进行对比学习，并更新特征提取网络的参数；重复更新特征提取网络的参数，依据伪标签对实体进行分类，并得到实体间行为相似度。本发明基于深度聚类的方法，可以准确有效的对区块链生态中关系复杂的实体进行类型划分和行为相似性检测；不需要事先标记完成的训练集，可以在无监督情形下完成区块链实体聚类过程，实现账号、交易、链群三维一体的实体关联关系构建。一体的实体关联关系构建。一体的实体关联关系构建。
技术研发人员：黄步添 周芃旸 张舟洋 何钦铭 刘振广 梁逸敏
受保护的技术使用者：杭州云象网络技术有限公司
技术研发日：2022.11.14
技术公布日：2023/3/7