[发明专利]比特币交易所地址识别方法、系统、装置在审
申请号: | 201910228791.6 | 申请日: | 2019-03-25 |
公开(公告)号: | CN109918584A | 公开(公告)日: | 2019-06-21 |
发明(设计)人: | 梁嘉琦;李林静;曾大军 | 申请(专利权)人: | 中国科学院自动化研究所 |
主分类号: | G06F16/9537 | 分类号: | G06F16/9537 |
代理公司: | 北京市恒有知识产权代理事务所(普通合伙) 11576 | 代理人: | 郭文浩;尹文会 |
地址: | 100190 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 输入信息 地址标识符 地址分类器 地址识别 交易数据 交易网络 安全技术领域 分类器模型 地址信息 交易信息 特征空间 特征向量 网络表示 样本训练 映射函数 直接识别 识别率 构建 样本 标签 信息技术 学习 | ||
本发明属于信息技术及安全技术领域,具体涉及一种比特币交易所地址识别方法、系统、装置,旨在解决基于比特币的交易信息判断输入的地址信息是否为交易所地址的问题,本发明方法包括:获取包括比特币地址标识符、比特币流向数据的待识别交易数据作为输入信息;基于输入信息构建比特币交易网络;利用网络表示学习法获取比特币交易网络中节点的特征向量构成特征空间,进一步通过地址分类器识别输入信息中比特币地址标识符是否为真实的比特币交易所地址。本发明中的地址分类器基于交易数据样本和标签样本训练得到,为基于多个映射函数的分类器模型的组合。本发明依赖资源少,且能直接识别交易所地址,达到较好的识别率。
技术领域
本发明属于信息技术及安全技术领域,具体涉及一种比特币交易所地址识别方法、系统、装置。
背景技术
2008年金融危机时期,各国为应对危机纷纷出台宽松货币政策,主权货币信用跌至冰点,导致基于国家信用的中心化货币体系不再那么可靠。比特币就此诞生,它具有匿名性和去中心化的特点,使用区块链技术构建公开帐单,确保交易安全,控制新货币的诞生,受到越来越多人的关注。但不法分子利用其匿名性进行非法交易活动并轻易逃脱法律的制裁,最臭名昭著的就是丝绸之路(Silk Road)非法毒品贩卖和跨国洗钱,而监管机构很难对其进行监管和调查。
针对这种情况,目前的主流方法是反匿名推测,主要包括以下两种方案:
方案一:通过搜集比特币交易所等公开获得的数据,实现比特币的反匿名,一些比特币交易所会存储用户的比特币地址、身份信息等,还有一些支持比特币支付或接受比特币捐赠的服务机构,会公开他们的比特币地址。但涉及隐私保护问题,需政府和多方平台的支持,代价比较大,无法大规模应用。
方案二:通过部署尽可能多的探测节点,监听并获取比特币网络交易信息及传播路径,实现交易者信息的识别。该方案在发明名称为“一种比特币交易身份表示方法”(申请号为201710965814)的专利申请中有具体描述。该方案涉及大量探针的部署,代价较大,无法普及使用,准确率也无法保证。
鉴于上述情况,本发明的目的是将反匿名问题转为比特币交易所地址的真伪识别问题。比特币交易所,作为比特币和法定货币兑换的平台,提供了虚拟货币与真实世界链接的唯一通道,在比特币交易系统中具有重要的作用。识别比特币交易网络中的交易所地址对监管至关重要,可通过其进一步分析感兴趣的交易和地址,观察这些交易和地址加入、退出交易网络的时间,并进一步对其可能牵涉的犯罪行为进行判定。
发明内容
为了解决现有技术中的上述问题,即为了解决基于比特币的交易信息判断输入的地址信息是否为交易所地址的问题,本发明第一方面,提出了一种比特币交易所地址的识别方法,该方法包括:
步骤S10,获取待识别交易数据作为输入信息;所述交易数据包括比特币地址标识符、比特币流向数据;
步骤S20,将基于所述输入信息,构成比特币交易网络;
步骤S30,利用网络表示学习法,获取所述比特币交易网络中的节点的特征向量构成的特征空间;
步骤S40,根据特征空间,通过地址分类器识别所述输入信息中的比特币地址标识符是否为真实的比特币交易所地址信息;
其中,
所述地址分类器为基于多个映射函数的分类器模型的组合,所述的映射函数的分类器模型包括线性支持向量机模型、二项逻辑回归模型、决策树模型、随机森林模型中的一个或多个;多个映射函数模型的输出通过多数投票法选择,作为所述地址分类器的输出。
在一些优选的实施方式中,所述的比特币交易网络中,以交易地址为节点、以同一交易中地址之间比特币的流动关系为边。
在一些优选的实施方式中,步骤S30“利用网络表示学习法,获取所述比特币交易网络中节点的特征向量构成的特征空间”,其方法为:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院自动化研究所,未经中国科学院自动化研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910228791.6/2.html,转载请声明来源钻瓜专利网。