[发明专利]一种面向以太坊平台的庞氏骗局检测方法

说明书

本发明公开了一种面向以太坊平台的庞氏骗局检测方法，通过提取高质量鉴别特征，并结合多种分类器训练，最终提高检测方法的正确率。在etherscan.io采集并清洗数据后，根据以下步骤检测：(1)提取交易特征：分别从投资和返利的角度提取合约账户交易；(2)提取代码特征：使用一种新的文本特征提取方法，根据操作码在合约及合约集中的频率，计算操作码的重要性指数；(3)组合以上特征，输入stacking集成学习训练，以第一层的输出作为第二层的输入，并采取不同于传统结合方式结合各基分类器，以达到一个最优的检测结果。本发明在特征提取阶段提取了高质量的特征，并在模型训练阶段采用基分类器结合的方式有效降低了误判概率，因此提升了检测模型的分类性能。

技术领域

本发明涉及区块链和机器学习领域，具体涉及一种面向以太坊平台的庞氏骗局检测方法。

背景技术

各种金融诈骗在社会上层出不穷，极大危害到人民群众财产安全，同时对社会长治久安产生了严重的不利影响。作为金融诈骗的一种表现形式，庞氏骗局在线上分布广泛。以太坊平台上的庞氏骗局借助区块链技术的去中心化和匿名性等特点，配合自动执行的智能合约肆意宣传，吸引了大量的资金，然而超过9成的投资者都得不到任何的回报，极大伤害了人民群众的利益。，这破坏了社会秩序，同时对区块链的良性发展造成了阻碍。因此，严格监管以太坊，防止诈骗的出现是一项紧迫的技术问题。

目前，针对以太坊庞氏骗局的检测方法主要集中在机器学习。分类所需的特征从交易记录和智能合约中提取。然而原有的特征提取方法仅仅使用了一些统计方法进行数据的汇总，没有表示出各个特征之间的联系。另外，分类检测所采用的机器学习也容易造成过拟合等不佳影响。

因此，对于庞氏骗局的检测，需要提取更加有表征能力的特征，让各个特征能够相互联系才能对分类结果有一个良好的作用。同时，检测结果应不局限于固定的样本，以缓和分类器的过拟合问题。

发明内容

为了解决上述技术问题，本发明提供一种面向以太坊平台的庞氏骗局检测方法，其解决方案包括：

步骤S1：根据公开的带有标签的合约账户地址，从etherscan.io平台爬取相关信息，包括智能合约与相应的交易历史，得到粗糙的合约数据；

步骤S2：使用python编译器中的Pandas包和Numpy包对初始的数据进行清洗处理，将数据变成可操作的格式；

步骤S3：根据合约账户的交易对象及其交易信息，提取同一对象的交易往来数据，即主要针对合约账户与受害者账户之间的交易次数、交易金额等，得到基于交易数据的最能体现庞氏骗局的特征；

步骤S4：根据各操作码对庞氏骗局的重要性，使用一种新的文本特征提取方式，提取以操作码在合约及合约集中出现的频率构建操作码重要性作为代码特征；

步骤S5：将得到的数据特征输入到stacking机器学习中进行训练，最后根据各个基础分类器的分类效果赋予不同权重，采取不同于传统结合方式结合所有基分类器，以求达到一个最优的检测结果。

本发明与现有技术相比，具有以下优点：

1、本发明改进了TF-IDF算法，使用更适合于智能合约的ITF算法提取智能合约的代码特征。通过提取的操作码ITF值表示操作码的重要性，解决特征提取受限于单一契约的问题。

2、本发明公开了一种面向以太坊平台的庞氏骗局检测方法，采用stacking集成学习进行整体的检测分类，最后最后根据各个基础分类器的分类效果赋予不同权重，采取不同于传统结合方式结合所有基分类器，以达到一个最优的检测结果。

附图说明

图1为本发明实施例中一种面向以太坊平台的庞氏骗局检测方法的流程图；

图2本发明实施例中一种面向以太坊平台的庞氏骗局检测方法的技术框架图；