一种基于多维特征融合的以太坊账户画像构建方法

本发明涉及一种基于多维特征融合的以太坊账户画像构建方法，属于区块链。

背景技术：

1、加密数字货币作为一种去中心化的数字货币，在近年来得到了广泛的关注和应用。以太坊是最主要的加密数字货币平台之一。然而，由于其匿名性和隐私性，加密数字货币的交易过程往往缺乏透明度和可追溯性，使得在以太坊中的异常账户难以被及时发现和防范，从而增加了交易风险和不确定性。因此，针对这一问题，精细化的加密数字货币账户画像技术变得越来越重要。

2、随着加密数字货币的广泛应用和不断发展，对于以太坊中账户画像构建已成为监管和安全管理的重要任务。然而，现有的以太坊画像技术往往只考虑单一特征或少数特征，只能从表层的交易信息中提取特征(如交易金额、交易时间、交易对象等)，无法提供全面、深入、准确的账户高维度、多层次账户信息。

技术实现思路

1、针对现有的以太坊平台下账户画像的技术缺陷和改进需求，本发明提供了一种基于多维度特征融合的以太坊账户画像构建方法，其目的在于构建精细化的加密数字货币账户画像体系。本发明通过综合考虑账户基础特征、交易统计特征、交易结构特征、交易时序特征和智能合约特征等多个维度的信息，提供全面、深入、准确的加密数字货币账户画像；并为以太坊平台的异常账户监管提供数据支撑。

2、为了实现从不同层次构建加密数字货币账户画像的目的，本发明创新性地对加密数字货币特征划分为如下五个维度：

3、1.账户静态特征，包括账户余额、账户类别、智能合约等信息；与加密货币网络同步数据后，收集加密数字货币网络的账户信息，以及账户关联的交易信息。

4、2.交易统计特征，包括最大值、最小值、平均值、众数、出度、入度等指标的统计特征；同步加密数字货币网络账户关联的交易信息，对账户关联的交易信息进行分析与统计，计算账户交易历史统计信息，与账户静态信息关联得到交易统计特征。

5、3.交易结构特征，包括交易图的局部特征(graphlets)、全局特征(随机游走)和高维抽象特征(图神经网络)。

6、4.交易时序特征，包括账户的交易行为的局部特征(shapelets)、账户交易时序频域分解特征、交易事件序列特征和高维抽象特征(lstm)。

7、5.交易社区特征，包括交易图的社区属性。

8、其中，针对交易结构特征、交易时序特征和交易社区特征分别提出了独有的特征提取方法：

9、交易结构特征：通过graphlets算法获取交易图的局部特征，利用时间与交易信息加权的随机游走算法获取交易图的全局特征，进一步利用基于注意力机制的图神经网络模型抽取账户的高维抽象特征，并关联交易图的局部特征、全局特征与高维抽象特征构建账户的交易结构特征。

10、交易时序特征：将账号交易按照交易时间戳排序，依照时间步长与时间片宽度分割账号交易信息，采集每一个步长内的交易信息与对应的账户静态特征构建交易网络图时间切片。通过shapelets算法抽取交易行为的局部特征,并对时序特征进行频域分解算法如变分模态分解等获取频域分解，利用基于序列神经网络与注意力机制的时序特征提取模型抽取账户的高维时序交易特征。

11、交易社区特征：切分加密货币交易网图为联通社区子图，融合社区账号，构建社区为单位的加密货币交易网络。通过图卷积神经网络算法计算社区账号的特征，关联账号与所属社区，构建账户的交易社区特征。

12、按照上述分类方法和特征提取方法获取到各类型的特征向量后，将特征向量合并，得到多维融合的以太坊账户画像，用于后续的以太坊账户节点分类、聚类以及交易追踪提供数据支撑。

13、本发明的技术方案为：

14、一种基于多维特征融合的以太坊账户画像构建方法，其步骤包括：

15、1)根据以太坊的全量账户交易信息以及以太坊中各账户节点的标签信息，构建出具有标签的以太坊账户地址交易图g＝{v,e,x,y,r}；所述以太坊账户地址交易图g为有向加权图，每一以太坊账户地址对应一节点，v表示节点集合，e表示边集合，x表示节点特征矩阵，y表示部分账户节点的标签集合，r表示交易中节点的角色集合；

16、2)对于节点集合v中的每一节点vi，根据以太坊账户地址交易图g获取节点vi的中心子图gi，各节点对应的中心子图集合go＝{g1,g2,g3,…,gn}；n为节点集合v中的节点总数；

17、3)获取以太坊中每一账户节点的账户静态特征和交易统计特征；

18、4)根据每一节点的中心子图获取以太坊中对应账户节点的交易结构特征、交易时序特征，根据以太坊账户地址交易图g得到每一账户节点的交易社区特征；

19、5)基于每一账户节点的账户静态特征、交易统计特征、交易结构特征、交易时序特征和交易社区特征构建该账户节点的以太坊账户画像。

20、进一步的，所述交易结构特征包括账户交易图局部特征、账户交易结构全局特征、账户交易高阶特征；其中，以每一账户节点为中心，通过graphlets算法从该账户节点的中心子图中提取graphlets子图作为该账户节点对应的账户交易结构局部特征；以每一账户节点为起点，通过在该账户节点的中心子图上随机游走，获取随机游走序列作为该账户节点对应的账户交易结构全局特征；构建一基于注意力机制的图神经网络模型，包括图神经网络和注意力模块；所述图神经网络对输入的中心子图进行特征提取，得到节点特征以及交易边特征并输入所述注意力模块，然后所述注意力模块对输入的节点特征以及交易边特征进行加权聚合，得到对应账户节点的账户交易高阶特征。

21、进一步的，所述交易时序特征包括账户交易时序局部特征、账户交易时序频域分解特征、交易事件序列特征和账户交易高维抽象特征；其中，根据每一账户节点的账户时序数据提取账户时序shapelets特征作为该账户节点对应的账户交易时序局部特征；将所述账户交易时序局部特征转化为频域特征并对其进行变分模态分解，得到所述账户交易时序频域分解特征；基于每一账户节点的中心子图构建该账户节点的交易事件序列，并通过基于霍克斯过程的方法从该交易事件序列获取该账户节点对应的交易事件序列特征；基于账户节点的中心子图对该账户节点的交易按照时间进行排序，得到该账户节点的账户交易时间序列并将其输入循环神经网络lstm进行特征提取，得到该账户节点对应的账户时序交易高维抽象特征。

22、进一步的，得到所述交易社区特征的方法为：

23、41)将所述以太坊账户地址交易图g分割为多个全连接子图；

24、42)对于所述以太坊账户地址交易图g中的每一个最小账户节点vj，将其与分割所得的每一全连接子图内最小账户节点vm进行融合构建新的最小账户节点vj′，该新的最小账户节点vj′保持最小账户节点vm的连接关系，更新所述以太坊账户地址交易图g；

25、43)重复步骤42)直至更新后的以太坊账户地址交易图g中节点数量满足设定阈值；然后将更新后的以太坊账户地址交易图g输入图卷积神经网络，得到对应账户节点的社区交易特征。

26、进一步的，通过同步以太坊节点的账本信息获取以太坊的全量账户交易信息；通过互联网上的以太坊标记信息，获取各账户节点的标签信息。

27、进一步的，所述账户静态特征包括账户身份静态信息和账户交易静态信息；从所述全量账户交易信息中提取所述账户交易静态信息；通过在互联网上的加密数字平台或互联网站点上获取所述账户身份静态信息。

28、进一步的，根据所述全量账户交易信息获取以太坊中每一账户节点的交易统计特征。

29、一种服务器，其特征在于，包括存储器和处理器，所述存储器存储计算机程序，所述计算机程序被配置为由所述处理器执行，所述计算机程序包括用于执行上述方法中各步骤的指令。

30、一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述方法的步骤。

31、本发明的优点如下：

32、本发明可以对加密数字货币账户的多个维度特征进行有效的描述和分析，提供更为全面、准确的账户画像，为加密数字货币的安全管理和风险控制提供有力的支持。同时，该方法具有易于实现、高效准确的特点，可以为加密数字货币系统的发展提供有力的支持。