一种基于流量分析虚拟货币交易的方法与流程

本发明涉及流量解析，特别是涉及一种基于流量分析虚拟货币交易的方法。

背景技术：

1、虚拟货币是一种数字化的资产，包括比特币、以太坊、莱特币等。它们的交易已经成为金融领域的热门话题，吸引了越来越多的投资者和交易者。然而，虚拟货币交易也面临着一些挑战和问题，主要涉及交易透明度、安全性和监管合规等方面。

2、目前虚拟货币交易分析技术主要包括数据挖掘和机器学习、人工智能技术，然而这些现有技术存在以下缺陷：由于虚拟货币市场的高度动态性和复杂性，数据质量可能受到影响，例如存在缺失值、异常值或错误的数据，以及数据来源不确定性、数据采集困难、数据样本的偏差，这些问题使得数据挖掘和机器学习技术在处理虚拟货币交易数据时可能面临数据质量不足的问题，难以顺利解析出虚拟货币交易次数和交易金额位数；人工智能技术在在建立预测模型时，可能受到过拟合或欠拟合等问题的影响，无法对数据进行准确建模或很好地泛化到新的数据集上，从而导致预测结果的不准确。

技术实现思路

1、发明目的：本发明的目的是提供一种能够准确识别虚拟货币交易次数和交易金额位数的基于流量分析虚拟货币交易的方法。

2、技术方案：为实现上述目的，本发明所述的一种基于流量分析虚拟货币交易的方法，包括以下步骤：

3、步骤s1：将虚拟货币交易平台的移动网络数据流量接入到dpi(deep packetinspection，深度报文解析)设备中，通过dpi设备将数据流量进行解析还原，生成结构化码流数据；

4、步骤s2：对码流数据进行筛选和预处理；

5、步骤s3：利用码流波动模型提取筛选和预处理后的码流数据中的交易行为特征规律，以对码流数据进行交易行为标识；

6、步骤s4：获取已标识交易行为的码流数据中最后一个码流包大小，利用交易位数层级模型根据最后一个码流包大小对码流数据进行交易位数标识；

7、步骤s5：将已标识交易行为和交易位数的码流数据按天进行存储，从而按天对终端交易次数和交易金额位数进行统计。

8、步骤s1所述的移动网络流量丢包率为零且sm打标率正常。

9、步骤s1所述的码流数据包括流量产生的终端、流量产生时间、流量产生的包大小范围、流量产生的包流向及短时间内连续产生的流量最后的码流包大小。

10、步骤s2所述的筛选和预处理是指空值处理、字符型数据处理。

11、步骤s3所述的利用码流波动模型提取筛选和预处理后的码流数据中的交易行为特征规律，以对码流数据进行交易行为标识，具体为：码流波动模型采用皮尔逊相关系数计算码流数据中包大小和交易行为连续产生的码流数据条数两个变量之间的相关性，并获取多组交易码流数据包大小最小值以及交易行为连续产生的码流数据条数的最小值(x，y)；将(x，y)作为码流数据交易行为标识最低标准；

12、所述皮尔逊相关系数的计算公式为：ρ＝cov(x，y)/(std(x)*std(y))；

13、其中，ρ是皮尔逊相关系数，cov(x，y)是变量x和y的协方差，std(x)和std(y)是变量x和y的标准差。

14、所述协方差的计算公式为：

15、cov(x，y)＝∑i＝ln(xi-xˉ)(yi-yˉ)∑i＝ln(xi-xˉ)2∑i＝ln(yi-yˉ)2；

16、其中，cov(x，y)是协方差，xi和yi是两个随机变量，xˉ和yˉ是xi和yi的算术平均值，i是交易行为产生的码流数据的条数。

17、所述标准差的计算公式为：

18、std＝∑i＝ln(xi-xˉ)2n；

19、其中，std是标准差，xi是每个数据点的值，xˉ是xi的算术平均值，n是样本大小。

20、所述的相关性，具体为：当多组码流数据计算的皮尔逊相关系数在0.6以上，则说明交易行为数据中包大小和交易行为连续产生的码流数据条数存在强关性；当皮尔逊相关系数在0.8-1.0之间，则包大小和次数两个变量的相关性是极强相关；当皮尔逊相关系数在0.6-0.8之间，则包大小和次数两个变量的相关性是强相关；当皮尔逊相关系数在0.4-0.6之间，则包大小和次数两个变量的相关性是中等程度相关；当皮尔逊相关系数在0.2-0.4之间，则包大小和次数两个变量的相关性是弱相关；当皮尔逊相关系数在0.2以下，则包大小和次数两个变量的相关性是极弱相关或无相关。

21、步骤s4所述的交易位数层级模型用于计算最小交易位数的包大小，根据包大小判断出交易金额的位数，从而对交易位数进行标识。

22、所述的利用交易位数层级模型根据最后一个码流包大小对码流数据进行交易位数标识，具体为获取多组交易动作码流数据中最后一个码流包大小，并计算包大小的最大公因数，求取覆盖率最大的最大公因数作为交易金额的位数层级之差，根据交易金额的位数层级之差研判出交易动作以及交易金额位数。

23、有益效果：本发明具有如下优点：1、本发明是基于流量数据对虚拟货币交易行为和交易金额位数进行分析，相比现有技术而言，流量数据获取方便，能够及时捕捉市场变化和交易趋势，更准确地理解市场情况和交易行为，有助于预测趋势和做出决策；

24、2、本发明提供的方法能够快速处理大规模的交易数据，提高分析效率，并在短时间内发现潜在的交易机会或风险，同时还可以深入分析个别交易，识别潜在的异常交易行为，从而保护投资者利益和市场稳定。

技术特征：

1.一种基于流量分析虚拟货币交易的方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于流量分析虚拟货币交易的方法，其特征在于，步骤s1所述的移动网络流量丢包率为零且sm打标率正常。

3.根据权利要求1所述的基于流量分析虚拟货币交易的方法，其特征在于，步骤s1所述的码流数据包括流量产生的终端、流量产生时间、流量产生的包大小范围、流量产生的包流向及短时间内连续产生的流量最后的码流包大小。

4.根据权利要求1所述的基于流量分析虚拟货币交易的方法，其特征在于，步骤s2所述的筛选和预处理是指空值处理、字符型数据处理。

5.根据权利要求1所述的基于流量分析虚拟货币交易的方法，其特征在于，步骤s3所述的利用码流波动模型提取筛选和预处理后的码流数据中的交易行为特征规律，以对码流数据进行交易行为标识，具体为：码流波动模型采用皮尔逊相关系数计算码流数据中包大小和交易行为连续产生的码流数据条数两个变量之间的相关性，并获取多组交易码流数据包大小最小值以及交易行为连续产生的码流数据条数的最小值(x，y)；将(x，y)作为码流数据交易行为标识最低标准；

6.根据权利要求5所述的基于流量分析虚拟货币交易的方法，其特征在于，所述协方差的计算公式为：

7.根据权利要求5所述的基于流量分析虚拟货币交易的方法，其特征在于，所述标准差的计算公式为：

8.根据权利要求5所述的基于流量分析虚拟货币交易的方法，其特征在于，所述的相关性，具体为：当多组码流数据计算的皮尔逊相关系数在0.6以上，则说明交易行为数据中包大小和交易行为连续产生的码流数据条数存在强关性；当皮尔逊相关系数在0.8-1.0之间，则包大小和次数两个变量的相关性是极强相关；当皮尔逊相关系数在0.6-0.8之间，则包大小和次数两个变量的相关性是强相关；当皮尔逊相关系数在0.4-0.6之间，则包大小和次数两个变量的相关性是中等程度相关；当皮尔逊相关系数在0.2-0.4之间，则包大小和次数两个变量的相关性是弱相关；当皮尔逊相关系数在0.2以下，则包大小和次数两个变量的相关性是极弱相关或无相关。

9.根据权利要求1所述的基于流量分析虚拟货币交易的方法，其特征在于，步骤s4所述的交易位数层级模型用于计算最小交易位数的包大小，根据包大小判断出交易金额的位数，从而对交易位数进行标识。

10.根据权利要求9所述的基于流量分析虚拟货币交易的方法，其特征在于，所述的利用交易位数层级模型根据最后一个码流包大小对码流数据进行交易位数标识，具体为获取多组交易动作码流数据中最后一个码流包大小，并计算包大小的最大公因数，求取覆盖率最大的最大公因数作为交易金额的位数层级之差，根据交易金额的位数层级之差研判出交易次数以及交易金额位数。

技术总结
本发明公开了一种基于流量分析虚拟货币交易的方法，包括将虚拟货币交易平台的移动网络数据流量接入到DPI设备中，通过DPI设备将数据流量进行解析还原，生成结构化码流数据；对码流数据进行筛选和预处理；利用码流波动模型提取筛选和预处理后的码流数据中的交易行为特征规律，以对码流数据进行交易行为标识；获取已标识交易行为的码流数据中最后一个码流包大小，利用交易位数层级模型根据最后一个码流包大小对码流数据进行交易位数标识；将已标识交易行为和交易位数的码流数据按天进行存储，从而按天对终端交易次数和交易金额进行统计。本发明解决了现有虚拟货币交易分析技术中存在的无法准确解析出具体交易次数和交易金额位数的问题。

技术研发人员：杨方东,薛晨荣,陈关松,徐林
受保护的技术使用者：南京中新赛克科技有限责任公司
技术研发日：
技术公布日：2024/1/15