你懂的免费在线观看视频网站,在线精品视频免费播放,中文字幕亚洲在线

基于網絡表示學習的區塊鏈異常交易檢測

網絡安全與數據治理 4期

張曉琦1，白雪2，李光松1，王永娟3

(1.信息工程大學網絡空間安全學院，河南鄭州450001； 2.中國船舶工業綜合技術經濟研究院，北京100081；3.河南省網絡密碼重點實驗室，河南鄭州450001)

摘要： 由于具有巨大的流通市值、龐大的用戶量和賬戶匿名性的特點，區塊鏈交易頻繁受到盜竊、龐氏騙局、欺詐等異常行為的威脅。針對區塊鏈異常交易，提出一種網絡表示學習模型DeepWalk-Ba用于特征提取，以比特幣為例，對區塊鏈交易的網絡結構和屬性進行學習，從交易的鄰域結構中挖掘隱含信息作為節點特征，再使用5種有監督和1種無監督的機器學習算法進行異常檢測。實驗表明，有監督模型隨機森林表現最好，達到了99.3%的精確率和86.4%的召回率，比使用傳統的特征提取方法的異常檢測模型具有更好的檢測效果。

關鍵詞： 區塊鏈異常檢測網絡表示學習隨機游走機器學習

中圖分類號： TP311.1
文獻標識碼： A
DOI： 10.19358/j.issn.2097-1788.2022.04.002
引用格式：張曉琦，白雪，李光松，等. 基于網絡表示學習的區塊鏈異常交易檢測[J].網絡安全與數據治理，2022，41(4)：11-20.

Blockchain abnormal transaction detection based on network representation learning

Zhang Xiaoqi1，Bai Xue2，Li Guangsong1，Wang Yongjuan3

(1.School of Cyberspace Security，Information Engineering University，Zhengzhou 450001，China； 2.China Institute of Marine Technology & Economy，Beijing 100081，China； 3.Henan Key Laboratory of Network Cryptography Technology，Zhengzhou 450001，China)

Abstract： Due to its characteristics of huge circulation market value, user volume and anonymity of accounts, blockchain transactions are frequently threatened by abnormal behaviours such as theft, Ponzi scheme and fraud. This paper proposed a network representation learning model DeepWalk-Ba as feature extraction method, taking bitcoin as an example, to learn the network structure and attributes of blockchain transactions, and excavate hidden information from the neighborhood structure of transactions as features. Then, 5 supervised and 1 unsupervised machine learning algorithms were used for anomaly detection. The experiment indicated that the supervised model random forest performed best, with a precision of 99.3% and recall value of 86.4%. The detection effect was better than detection models using the traditional feature extraction methods.

Key words : lockchain；anomaly detection；network representation learning；random walk；machine learning

0 引言

區塊鏈是一種分布式加密賬本，為非信任成員可以安全地進行交易提供平臺，使得去中心化、低成本、點對點的交易成為可能，在金融、醫療、物流、物聯網等領域得到了廣泛應用。區塊鏈使用分布式存儲和集體維護來實現去中心化，使用SHA-256等非對稱加密算法和可靠存儲技術完成信用背書，保障了系統的開源、公開和安全。區塊鏈最成功的實踐是以比特幣為代表的加密數字貨幣，自2009年比特幣誕生以來，越來越多的加密數字貨幣涌現出來并進入金融市場。截至2021年12月31日，加密數字貨幣的種類超過了1.6萬種，用戶近3億。主流加密數字貨幣主要有比特幣、以太坊、萊特幣等，其中，比特幣在2021年11月達到了歷史最高單價68 928.90美元，流通市值達到1萬億美元。加密數字貨幣具有匿名性的特點，不需要用戶進行實名認證，因此越來越多的犯罪分子將加密貨幣作為犯罪工具，實施網絡和金融犯罪，如敲詐勒索、欺詐和洗錢等。2020年非法交易在所有加密貨幣交易中所占的比例為0.34%，總量達到100億美元，而在2021年，0.15%的加密貨幣交易與網絡犯罪、洗錢和恐怖主義融資等活動有關，其中詐騙案件共涉及資金約140億美元[1]。與加密貨幣相關的犯罪的發生增加了加密貨幣的價格波動，也為區塊鏈技術的發展帶來了不利的影響，還給社會帶來了安全問題，交易安全已成為區塊鏈系統生態的一個重要問題。對區塊鏈的異常交易進行檢測，挖掘交易中有用的信息，提高對區塊鏈犯罪的打擊效率已成為一個迫切需要解決的問題。同時，采用技術手段對區塊鏈交易中的異常進行檢測，也能為解決區塊鏈技術擴展到其他領域將要面臨的安全問題提供有意義的指導。因此，研究區塊鏈異常交易檢測方法具有重要現實意義。

本文詳細內容請下載：http://www.jysgc.com/resource/share/2000004984

作者信息：

張曉琦1，白雪2，李光松1，王永娟3

(1.信息工程大學網絡空間安全學院，河南鄭州450001；

2.中國船舶工業綜合技術經濟研究院，北京100081；3.河南省網絡密碼重點實驗室，河南鄭州450001)

微信圖片_20210517164139.jpg

原創聲明：此內容為AET網站原創，未經授權禁止轉載。

相關內容