一种基于区块链的加密货币用户特征挖掘、异常用户检测方法
专利汇可以提供一种基于区块链的加密货币用户特征挖掘、异常用户检测方法专利检索，专利查询，专利分析的服务。并且本 发明 属于 区 块 链 的特征挖掘技术领域，公开了一种基于区块链的 加密 货币 用户特征挖掘、异常用户检测方法，获取区块链 加密货币 的交易数据，对交易数据进行处理，得到交易id、发送方 假名 、接收方假名、交易加密货币数量和交易时间戳等交易基本信息；采用基于启发式的 加密货币地址 聚类方法将用户的假名进行聚类，同时将用户进行编号；然后提取用户特征，并对其进行分析、数据统计，将不同类型的用户特征进行分类，区分正常用户与异常用户特征；使用高斯混合模型对用户进行聚类，根据用户分类的特征，找出疑似异常的用户。本发明针对区块链加密货币的匿名性，从区块链中提取有价值的结果，检测用户的异常交易，有助于对加密货币洗钱等违法事件的监管。，下面是一种基于区块链的加密货币用户特征挖掘、异常用户检测方法专利的具体信息内容。
1.一种基于区块链的加密货币用户特征挖掘、异常用户检测方法，其特征在于，所述基于区块链的加密货币用户特征挖掘、异常用户检测方法包括以下步骤：
步骤一，获取区块链加密货币的交易数据，对交易数据进行处理，得到交易id、发送方假名、接收方假名、交易加密货币数量和交易时间戳；
步骤二，采用基于启发式的加密货币地址聚类方法将用户的假名进行聚类，同时将用户进行编号；
步骤三，提取用户特征，并对其进行分析、数据统计，将不同类型的用户特征进行分类，区分正常用户与异常用户特征；
步骤四，使用高斯混合模型对用户进行聚类，根据用户分类的特征，找出疑似异常的用户。
2.如权利要求1所述的基于区块链的加密货币用户特征挖掘、异常用户检测方法，其特征在于，所述步骤一获取区块链加密货币的交易数据，对交易数据进行处理，得到交易id、发送方假名、接收方假名、交易加密货币数量和交易时间戳具体包括：
首先，从BlockChair获取区块链交易原始数据，包括inputs、outputs和transactions三个部分；
然后，将三个部分的原始数据进行处理整合；
最后，获取交易id、发送方假名、接收方假名、交易加密货币数量和交易时间戳等交易基本信息。
3.如权利要求1所述的基于区块链的加密货币用户特征挖掘、异常用户检测方法，其特征在于，所述步骤二采用基于启发式的加密货币地址聚类方法将用户的假名进行聚类，同时将用户进行编号具体包括：
首先，判断交易类型是否为产量交易；
然后，识别非产量交易输出地址中的找零地址；
最后，更新用户地址集合。
4.如权利要求3所述的基于区块链的加密货币用户特征挖掘、异常用户检测方法，其特征在于，所述找零地址的特征有：
特征一：作为输出地址的情况通常只有一次；
特征二：不会同时出现在一笔交易的输入地址和输出地址；
特征三：一笔交易的输出地址不能只有找零地址；
识别交易t的找零地址a的算法如下：
1)地址a只作为一次交易t的输出；
2)交易t不是产量交易；
3)对于a′∈Inputs(t)，不存在a′∈Outputs(t)，即交易t不是“自我找零”交易；
4)对于a′∈Outputs(t)，不存在a′≠a但a′只作为一次交易的输出，即对于交易的所有输出，条件1)只对a满足；
其中，Inputs(t)为交易的输入地址集合，Outputs(t)为交易的输出地址集合。
5.如权利要求3所述的基于区块链的加密货币用户特征挖掘、异常用户检测方法，其特征在于，所述更新用户地址集合方法具体包括：
若交易为产量交易：
1)若 且Outputs(t)≠Addr(u)，则继续遍历交易；
2)若 则新建Addr(u)，使Addr(u)＝Outputs(t)；
若交易为非产量交易：
1)若 且Inputs(t)≠Addr(u)，则更新Addr(u)，使Addr(u)＝
Addr(u)∪Inputs(t)∪ChangeAddr(t)；
2)若 则新建Addr(u)，使Addr(u)＝Inputs(t)∪
ChangeAddr(t)；
其中，Addr(u)为用户u的地址集合，ChangeAddr(t)为交易t中的找零地址。
6.如权利要求1所述的基于区块链的加密货币用户特征挖掘、异常用户检测方法，其特征在于，所述步骤三的提取用户特征、用户特征分类，用户特征具体包括：
特征一：地址数，表示用户拥有的地址数量；
特征二：交易数，表示用户出现的交易数量；
特征三：平均输入地址数，表示用户地址在交易中作为输入地址的平均数量；
特征四：平均输出地址数，表示用户地址在交易中作为输出地址的平均数量；
特征五：用户入度，表示用户作为接收方，其发送方的数量；
特征六：用户出度，表示用户作为发送方，其接收方的数量；
特征七：平均接收金额，表示用户地址在交易中平均接收加密货币的金额；
特征八：平均发送金额，表示用户地址在交易中平均发送加密货币的金额；
特征九：用户活跃时间范围，表示用户第一笔交易到最近一次交易的时间间隔；
特征十：地址平均活跃时间范围，表示用户地址的第一笔交易到最近一次交易的平均时间间隔；
用户特征分类分为正常用户和可疑用户，正常用户分为消费者、长期投资者、短期投资者和早期采用者；可疑用户分为洗钱者和盗窃者。具体划分条件包括：
消费者：地址数应该小于或等于平均值；平均发送和接收金额应该基本持平，并且金额接近中值；
长期投资者：较长的用户活跃时间范围和地址平均活跃时间范围；交易数应该较低并且平均接收金额应该较高；
短期投资者：交易数应该较高；地址平均活跃时间范围较短；
早期采用者：很长的用户活跃时间范围；交易量接近中值；
洗钱者：显著高的平均输入地址数和平均输出地址数并且地址具有一次性特点；平均接收和发送金额基本持平并且较低；显著短的地址平均活跃时间范围；
盗窃者：地址数较高；地址之间具有稳定的加密货币转移交易；平均接收和发送金额基本持平；地址平均活跃时间范围较短。
7.如权利要求1所述的基于区块链的加密货币用户特征挖掘、异常用户检测方法，其特征在于，所述步骤四使用高斯混合模型对用户进行聚类：
其中，πk是权值因子，它表示在训练集中数据点属于类别Zk的概率，μk是集群中心，∑k是协方差矩阵；
从用户特征数据集中筛选出符合正常用户特征的数据点作为训练集，然后将整个用户特征数据集作为测试集；
最后，将聚类出的不同集群特征与用户分类的特征对比，找出异常集群，进而在异常集群中找出疑似异常的用户。
8.一种如权利要求1所述的基于区块链的加密货币用户特征挖掘、异常用户检测方法的基于区块链的特征挖掘及异常检测系统，其特征在于，所述基于区块链的特征挖掘及异常检测系统包括：
预处理模块，获取区块链加密货币的交易数据，对交易数据进行处理，得到交易id、发送方假名、接收方假名、交易加密货币数量和交易时间戳等交易基本信息；
用户处理模块，采用基于启发式的加密货币地址聚类方法将用户的假名进行聚类，同时将用户进行编号；
特征提取模块，提取用户特征，并对其进行分析、数据统计，将不同类型的用户特征进行分类，区分正常用户与异常用户特征；
异常检测模块，使用高斯混合模型对用户进行聚类，根据用户分类的特征，找出疑似异常的用户。
9.一种应用权利要求1～7任意一项所述基于区块链的加密货币用户特征挖掘、异常用户检测方法的信息数据处理终端。
10.一种应用权利要求1～7任意一项所述基于区块链的加密货币用户特征挖掘、异常用户检测方法的异常用户检测系统。
一种基于区块链的加密货币用户特征挖掘、异常用户检测
方法
技术领域
背景技术
发明内容
附图说明
具体实施方式
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种基于区块链和分布式存储的位置隐私保护方法 | 2020-05-14 | 722 |
| 一种针对加密货币钱包的分布式加密管理方法、装置及系统 | 2020-05-18 | 823 |
| 一种基于区块链的加密货币用户特征挖掘、异常用户检测方法 | 2020-05-21 | 519 |
| 一种基于加密货币的跨平台推广系统 | 2020-05-22 | 699 |
| 一种线上及线下的虚拟货币转移方法及其系统 | 2020-05-25 | 1035 |
| 客户发起的支付交易系统和方法 | 2020-05-15 | 67 |
| 一种基于智能合约的加密货币多通道支付方法 | 2020-05-14 | 61 |
| 数字加密货币现货市场交易深度图的生成和展现方法 | 2020-05-24 | 937 |
| 利用机器学习进行优化的跨区块货币交易 | 2020-05-19 | 761 |
| 紅利點數加密貨幣交易系統及方法 | 2020-05-15 | 791 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
