[发明专利]一种以太坊上基于异构图转换网络的非法账户检测方法

权利要求书

1.一种以太坊上基于异构图转换网络的非法账户检测方法，其特征在于，包括如下步骤：

步骤1：获取合法账户和非法账户作为训练数据；其中，获取各个账户参与的包括相应交易、所在区块、账户余额以及所参与智能合约在内的活动信息；

步骤2：构建以账户为中心的异构信息网络，具体为：

步骤2.1：将账户、交易、区块、智能合约和余额作为网络的节点，并为各个节点添加相应的标签；

步骤2.2：根据不同类型节点之间的关联信息，分别构建邻接矩阵，由此构建边数据集D_edges，具体为：

对于账户-交易(Account-Transaction)邻接矩阵，若当前账户参与某交易，则邻接矩阵对应位置元素值为1，否则值为0，最终得到值全为0、1的稀疏矩阵；

对于交易-区块(Transaction-Block)邻接矩阵，若当前交易存在与某区块中，则邻接矩阵对应位置元素值为1，否则值为0；

对账户-交易(Account-Transaction)邻接矩阵和交易-区块(Transaction-Block)邻接矩阵分别进行转置操作，得到交易-账户邻接矩阵(Transaction-Account)和区块-交易邻接矩阵(Block-Transaction)，则得到四个邻接矩阵构成的不同实体间边集合D_edges；

步骤2.3：构建特征数据集D_features，具体为：

收集账户节点的特征信息，使用N×F的特征矩阵来存储账户的特征，其中N和F分别是异构网络中节点的数量和账户特征的维度；其中，账户节点采用账户特征表征，其他非账户节点的特征由与其关联的账户节点的特征求和再取均值表示；将账户节点特征矩阵和非账户节点特征矩阵上下拼接构建复合特征矩阵，最后将数值特征按照归一化和标准化操作进行缩放，得到特征数据集D_features；

步骤2.4：基于步骤2.1-2.3获取的信息建立异构信息网络；

步骤3：基于步骤2获取的异构网络，使用图转换层获取账户与其他类型节点间潜在的关联信息，构建新的潜在关联信息矩阵；

步骤4：基于步骤3中图转换层获取的潜在的关联信息，与步骤2中构建的各数据集，由图卷积神经网络作为特征提取器，计算获得节点嵌入，完成分类任务继而实现非法账户的检测。

2.如权利要求1所述的一种以太坊上基于异构图转换网络的非法账户检测方法，其特征在于，所述训练数据中，按照账户节点3：3：10的比例将所有节点划分为训练集L_tr、验证集l_val、测试集L_test。

3.如权利要求1所述的一种以太坊上基于异构图转换网络的非法账户检测方法，其特征在于，所述合法账户需要与非法账户ID交叉引用，并确保任何获得的合法账户都没有执行任何记录在案的非法活动。