[发明专利]一种用于区块链社区发现的图机器学习模型

说明书

本发明提供一种用于区块链社区发现的图机器学习模型，属于计算机应用技术领域；包括区块链数据库、图数据库、数据预处理模块、机器学习模型训练模块、标签数据库、机器学习模型预测模、可视化模块；区块链数据库链上数据将数据传输到数据预处理模块，数据预处理模块将图数据传到到图数据库，图数据库将部分图数据传输到机器学习模型训练模块，机器学习模型训练模块将模型传输到机器学习模型预测模；标签数据库将标签数据传到到机器学习模型训练模块，机器学习模型训练模块将模型传输到机器学习模型预测模；图数据库将全量图数据传输到机器学习模型预测模。解决了不能从全局的角度发现社区内部的结构和各个社区之间彼此的联系的问题。

技术领域

本发明提供一种用于区块链社区发现的图机器学习模型，属于计算机应用技术领域。

背景技术

自比特币被发明至今，从比特币所用模型提炼出来的区块链技术已经得到较为广泛的应用，区块链技术本身更是得到了很大的延伸和扩展。在这一背景下，区块链生态得以蓬勃发展，同时依托于各条公链，同一条链上的多达数亿的账户地址通过各种交互自发的形成了各种不同的社区，而这些社区中的部分社区则与现实中的活跃社区或组织相对应，我们知道大部分区块链的数据秉持公开透明的原则，从这些公开透明的数据中发现由账户地址形成的不同社区，并进一步的与现实生活中的实体组织或社区关联起来，对于我们分析区块链世界的各种经济活动、安全威胁乃至于发展趋势等重大议题有极大的帮助，以中心化交易所为例，中心化交易所是大多数用户与区块链交互的重要入口，相应的同一交易所的用户所使用的账户地址自发的形成了紧密聚合的社区，针对具体的账户地址，经验丰富的区块链分析师可以根据账户的行为模式判定某个具体的账户地址是否为交易所地址，并根据交易所的常见钱包架构可以判定该地址在交易所钱包架构中的所属类型，然后通过启发式的扩展，我们可以进一步的发现更多的同一交易所地址，直到发现整个交易所的所有账户地址，这种从局部出发，通过行为模式判定加启发式搜索直到发现整个社区的方法非常依赖初始种子地址的选择，而且在效率方面有一定的瓶颈，也不能从全局的角度发现社区内部的结构和各个社区之间彼此的联系(例如不同交易所之间可能会形成一个暗池等)。

发明内容

本发明提供的一种用于区块链社区发现的图机器学习模型，结构简单，并且可以解决不能从全局的角度发现社区内部的结构和各个社区之间彼此的联系的问题。

本发明为了解决上述问题，所提出的技术方案为：一种用于区块链社区发现的图机器学习模型，包括区块链数据库、图数据库、数据预处理模块、机器学习模型训练模块、标签数据库、机器学习模型预测模、可视化模块，其运行步骤如下：

所述区块链数据库链上数据将数据传输到数据预处理模块，所述数据预处理模块将图数据传到到图数据库，所述图数据库将部分图数据传输到机器学习模型训练模块，所述机器学习模型训练模块将模型传输到机器学习模型预测模，所述机器学习模型预测模将社区数据传输到可视化模块，所述可视化模块将社区数据传输到统计分析模块；

所述标签数据库将标签数据传到到机器学习模型训练模块，所述机器学习模型训练模块将模型传输到机器学习模型预测模，所述机器学习模型预测模将社区数据传输到可视化模块，所述可视化模块将社区数据传输到统计分析模块；

所述图数据库将全量图数据传输到机器学习模型预测模，所述机器学习模型预测模将社区数据传输到可视化模块，所述可视化模块将社区数据传输到统计分析模块。

本发明的有益效果：本发明提出的模型是一套从构建图到分析生成社区并最终可视化的程序，针对某一公链，获取公链的全量历史交易数据，先根据账户地址的行为特征构建点和边，并构成一个无向图或有向图，然后直接运用无监督图机器学习算法，将图上的节点划分到不同的clusters，并通过已有的标签数据调节clusters的大小和精细程度，或利用已知标签数据和有监督图机器学习算法训练预测模型，并使用预测模型输出clusters，最终各个cluster内的点和边就构成了各个不同的社区，将所有cluster输出后用不同颜色标记可视化，即可直观分析各个社区的内部结构和彼此间的联系。

附图说明