CN111008872A - 一种适用于以太坊的用户画像构建方法及*** - Google Patents
一种适用于以太坊的用户画像构建方法及*** Download PDFInfo
- Publication number
- CN111008872A CN111008872A CN201911295828.3A CN201911295828A CN111008872A CN 111008872 A CN111008872 A CN 111008872A CN 201911295828 A CN201911295828 A CN 201911295828A CN 111008872 A CN111008872 A CN 111008872A
- Authority
- CN
- China
- Prior art keywords
- account
- classification
- data
- ether house
- category
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/382—Payment protocols; Details thereof insuring higher security of transaction
- G06Q20/3829—Payment protocols; Details thereof insuring higher security of transaction involving key management
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Computer Security & Cryptography (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种适用于以太坊的用户画像构建方法及***,属于区块链领域,包括:收集已同步的以太坊数据并解析;收集已完成账户分类的账户数据作为验证数据;基于解析得到的信息,利用启发式分类算法进行初步分类,得到初级账户类别;利用机器学习算法对初级账户类别下的账户进行二次分类,得到目标账户类别;将目标账户类别的数据与对应的验证数据进行比对,以获得二次分类的准确度,若满足要求,则将当前的目标账户类别作为最终的账户类别,根据账户所属账户类别反向推导出各账户的行为特征,以构建各账户对应的用户画像;若不满足准确度要求,则调整参数后,重新进行初步分类和二分类。本发明能够在以太坊中实现用户画像的构建。
Description
技术领域
本发明属于区块链领域,更具体地,涉及一种适用于以太坊的用户画像构建方法及***。
背景技术
作为最大的拥有运行智能合约能力的公有区块链***,以太坊已经引起了学术界和工业界的广发关注。以太坊上的用户不仅可以进行比特币那样的简单转账交易,而且可以通过部署智能合约触发连续交易,为采用区块链进行技术改造和变革带来了无尽的想象空间。以太坊网络自2015年诞生以来经历了巨大的变化,随着越来越多的用户加入到以太坊中(从2015年底的数千人增加到现在的数百万人),相应地越来越多的账户被创建并加入以太坊网络中。根据在区块链生态中扮演的不同角色,账户可被分为不同的类别。举例来说,作为最重要的类别之一的矿工,其在以太坊网络中主要扮演验证交易并获取挖矿奖励的角色。此外,作为另一个大类的交易所提供了一个法币与加密货币进行兑换的平台。智能合约使得基于区块链创建各种去中心化的应用成为了可能,这催生了代币、游戏等应用的诞生。
用户画像,最初是在电商领域得到应用的,在大数据时代背景下,用户信息充斥在网络中,将用户的每个具体信息抽象成标签,利用这些标签将用户形象具体化,从而为用户提供有针对性的服务。构建以太坊上的用户画像,对于深入理解区块链***具有非常深远的意义。举例来说,对账户进行用户画像的构建将有助于对账户去匿名化。具体而言,如果一个账户已经被判别为是交易所类型,就可以更容易地将其与某一个特定的交易所联系起来。此外,通过比较以太坊和比特币上不同账户类别的分类组成,可以分析出智能合约对区块链平台的影响。
然而,目前几乎没有关于以太坊用户画像构建的工作,最相关的工作是账户的去匿名化工作,其可以被认为是一种广义上的账户分类工作。现有的去匿名化工作主要是在比特币上进行开展。根据其不同的分类原则,比特币上的去匿名化方法可以被分为两大类:一类方法主要是基于UTXO数据模型的,按照这种分类原则,一笔交易的不同发送账户可以被归属为同一个用户;另一类方法是基于用户的行为模式的,按照这种分类原则,交易中的一次性找零账户可以和发送账户归属为同一个用户。由于以太坊中的数据模型时账户模型,不同于比特币中的UTXO模型,因此,适用于比特币的去匿名化方法无法直接应用于以太坊中。总的来说,如何针对以太坊构建用户画像,是一个亟待解决的问题。
发明内容
针对现有技术的缺陷和改进需求,本发明提供了一种适用于以太坊的用户画像构建方法及***,其目的在于,在以太坊中实现用户画像的构建。
为实现上述目的,按照本发明的第一方面,提供了一种适用于以太坊的用户画像构建方法,包括:
(1)在以太坊数据同步后,收集以太坊数据并从中解析出外部交易信息、内部交易信息以及账户类别信息;
(2)收集已完成账户分类的账户的数据,作为对应账户类别的验证数据;
(3)基于对以太坊数据解析得到的信息,利用启发式分类算法对以太坊中的账户进行初步分类,得到多个初级账户类别;
(4)对于每一个初级账户类别下的账户,提取出以太坊中代表账户邻居信息的特征向量,并利用机器学习算法根据所提取的特征向量对该初级账户类别下的账户进行二次分类,将二次分类得到的类别作为目标账户类别;
(5)将每一个目标账户类别的数据与对应账户类别的验证数据进行比对,以获得二次分类的准确度,若满足预设的准确度要求,则将当前的目标账户类别作为最终的账户类别,并转入步骤(6);否则,调整启发式分类算法和计算学习算法的参数,以提高账户分类的准确度,并在参数调整完成后,转入步骤(3);
(6)对于以太坊中的各个账户,根据其所属账户类别反向推导出该账户的行为特征,以根据账户的行为特征构建该账户对应的用户画像。
进一步地,本发明第一方面提供的适用于以太坊的用户画像构建方法中,步骤(1)还包括:
在收集以太坊数据之前,检测***是否已对以太坊节点进行数据同步,若是,则直接收集以太坊数据;若否,则使***以全节点的模式对以太坊数据进行同步后,再收集以太坊数据。
进一步地,本发明第一方面提供的适用于以太坊的用户画像构建方法中,步骤(1)还包括:
在对以太坊数据解析完成后,将解析得到的信息存储到外部数据库中,以加速后续的数据查询。
进一步地,本发明第一方面提供的适用于以太坊的用户画像构建方法,还包括:
对于任意一个账户类别,分析该账户类别下各账户的行为特征,以得到该类账户在区块链网络中的行为倾向。
进一步地,步骤(2)包括:
对于已完成账户分类的账户,从互联网上爬取该账户的数据,作为对应账户类别的验证数据;
或者,对于已完成账户分类的账户,与相应账户类别的账户进行交易,以获取该账户的账户地址,作为对应账户类别的验证数据。
进一步地,步骤(3)中,利用启发式分类算法对以太坊中的账户进行初步分类,得到的初级账户类别包括:交易所,矿池、独立矿工、联合矿工、Oracle合约。
进一步地,步骤(4)中,提取以太坊中代表账户邻居信息的特征向量,包括:
计算账户所在节点在以太坊中的临节点类型的概率矩阵,从概率矩阵中提取代表账户邻居信息的特征向量。
按照本发明的第二方面,提供了一种适用于以太坊的用户画像构建***,包括:分类数据收集模块、验证数据收集模块、初步分类模块、二次分类模块、验证模块以及用户画像构建模块;
分类数据收集模块,用于在以太坊数据同步后,收集以太坊数据并从中解析出外部交易信息、内部交易信息以及账户类别信息;
验证数据收集模块,用于收集已完成账户分类的账户的数据,作为对应账户类别的验证数据;
初步分类模块,用于基于分类数据收集模块对以太坊数据解析得到的信息,利用启发式分类算法对以太坊中的账户进行初步分类,得到多个初级账户类别,并在初步分类结束后,触发二次分类模块;
二次分类模块,用于对于每一个初级账户类别下的账户,提取出以太坊中代表账户邻居信息的特征向量,并利用机器学习算法根据所提取的特征向量对该初级账户类别下的账户进行二次分类,将二次分类得到的类别作为目标账户类别;
验证模块,用于将每一个目标账户类别的数据与对应账户类别的验证数据进行比对,以获得二次分类的准确度,若满足预设的准确度要求,则将当前的目标账户类别作为最终的账户类别,并触发用户画像构建模块;若不满预设的准确度要求,则调整启发式分类算法和计算学习算法的参数,以提高账户分类的准确度,并在参数调整完成后,触发初级分类模块;
用户画像构建模块,用于对于以太坊中的各个账户,根据其所属账户类别反向推导出该账户的行为特征,以根据账户的行为特征构建该账户对应的用户画像。
总体而言,通过本发明所构思的以上技术方案,能够取得以下有益效果:
(1)本发明通过采集以太坊数据并解析后,采用启发式分类算法对以太坊中的账户进行初步分类,之后在初步分类的基础上,采用机器学习算法基于账户邻居信息的特征向量对账户进行二次分类,能够快速完成账户分类;结合已完成账户分类的账户的信息对分类结果的准确性进行验证,能够保证对以太坊账户分类的准确性;在分类结束后,基于账户分类结果,根据账户的行为特征构建账户对应的用户画像,由此在以太坊中实现了用户画像构建。
(2)本发明在完成以太坊中的用户画像构建后,基于用户画像,即账户类别下的账户行为特征,能够分析出特定类别下的账户在区块链网络中的行为倾向,有利于对以太坊中账户的实时行为进行更为精准的监管。
附图说明
图1为本发明实施例提供的适用于以太坊的用户画像构建方法示意图;
图2为本发明实施例提供的适用于以太坊的用户画像构建***示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
在本发明中,本发明及附图中的术语“第一”、“第二”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
为了在以太坊中实现用户画像的构建,本发明提供的适用于以太坊的用户画像构建方法,如图1所示,包括:
(1)在以太坊数据同步后,收集以太坊数据并从中解析出外部交易信息、内部交易信息以及账户类别信息;
在一个可选地实施方式中,为了保证账户分类的准确性,步骤(1)还可包括:
在收集以太坊数据之前,检测***是否已对以太坊节点进行数据同步,若是,则直接收集以太坊数据;若否,则使***以全节点的模式对以太坊数据进行同步后,再收集以太坊数据;
在一个可选地实施方式中,为了加速信息查询,步骤(1)还可包括:
在对以太坊数据解析完成后,将解析得到的信息存储到外部数据库中,以加速后续的数据查询;
可选地,所收集的以太坊数据包括但不限于区块头数据、状态数据、交易数据、收据数据等;
(2)收集已完成账户分类的账户的数据,作为对应账户类别的验证数据;
在一个可选的实施方式中,步骤(2)包括:
对于已完成账户分类的账户,从互联网上爬取该账户的数据,作为对应账户类别的验证数据;
或者,对于已完成账户分类的账户,与相应账户类别的账户进行交易(例如,向交易所存入加密货币或是从交易所提取加密货币等),以获取该账户的账户地址,作为对应账户类别的验证数据;
容易理解的是,在此收集的验证数据,是用于对后续的账户分类结果的准确性进行验证的验证数据,为了保证验证的有效性,应收集足够的验证数据,例如,累计解析超过三年的数据;
(3)基于对以太坊数据解析得到的信息,利用启发式分类算法对以太坊中的账户进行初步分类,得到多个初级账户类别;
在使用启发式分类算法对以太坊账户进行初步分类时,具体需要设计一些规则,并根据规则对待分类的数据进行筛选;例如,对于已经存储到数据库中的解析结果,可以通过SQL语句制定相关的规则,以对数据库中的账户数据进行筛选;
具体进行初步分类时,具体的初级账户类别可根据实际的应用特性确定;在一个可选的实施方式中,步骤(3)中,利用启发式分类算法对以太坊中的账户进行初步分类,得到的初级账户类别包括:交易所,矿池、独立矿工、联合矿工、Oracle合约;这5个账户类别能够基本覆盖到以太坊中的所有用户;应当说明的是,此处设置的初级账户仅为一种示例性描述,不应理解为对发明的唯一限定;
(4)对于每一个初级账户类别下的账户,提取出以太坊中代表账户邻居信息的特征向量,并利用机器学习算法根据所提取的特征向量对该初级账户类别下的账户进行二次分类,将二次分类得到的类别作为目标账户类别;
在一个可选的实施方式中,步骤(4)中,提取以太坊中代表账户邻居信息的特征向量,包括:
计算账户所在节点在以太坊中的临节点类型的概率矩阵,从概率矩阵中提取代表账户邻居信息的特征向量;
在利用启发式分类学习算法进行初步分类的基础上,利用机器学习算法进行二次分类,能够提升分类的覆盖率;可选地,进行二次分类的机器学习算法可以是任意一种机器学习算法,如极大似然估计的机器学习算法,图卷积网络,或者其他的机器学习算法,在此将不作一一列举;
(5)将每一个目标账户类别的数据与对应账户类别的验证数据进行比对,以获得二次分类的准确度,若满足预设的准确度要求,则将当前的目标账户类别作为最终的账户类别,并转入步骤(6);否则,调整启发式分类算法和计算学习算法的参数,以提高账户分类的准确度,并在参数调整完成后,转入步骤(3);
(6)对于以太坊中的各个账户,根据其所属账户类别反向推导出该账户的行为特征,以根据账户的行为特征构建该账户对应的用户画像;
可选地,根据账户类别反向推导账户行为特征时,具体可采用交易追踪分析的方法;举例来说,通过追踪在不同交易所之间的转出和转入交易,容易发现账户的套利行为;
上述适用于以太坊的用户画像构建方法,通过采集以太坊数据并解析后,采用启发式分类算法对以太坊中的账户进行初步分类,之后在初步分类的基础上,采用机器学习算法基于账户邻居信息的特征向量对账户进行二次分类,能够快速完成账户分类;结合已完成账户分类的账户的信息对分类结果的准确性进行验证,能够保证对以太坊账户分类的准确性;在分类结束后,基于账户分类结果,根据账户的行为特征构建账户对应的用户画像,由此在以太坊中实现了用户画像构建。
为了基于所构建的用户画像,对以太坊中的用户进行实时、准确的监管,上述适用于以太坊的用户画像构建方法,还可包括:
对于任意一个账户类别,分析该账户类别下各账户的行为特征,以得到该类账户在区块链网络中的行为倾向;例如,一些账户倾向于在交易所之间进行套利行为的转入转出,大大增加了网络的拥堵;
应当说明的是,不同类别账户的行为是不同的,在具体分析某一个账户类别下,账户的行为倾向时,应结合所构建的用户画像具体分析。
本发明还提供了一种适用于以太坊的用户画像构建***,如图2所示,包括:分类数据收集模块、验证数据收集模块、初步分类模块、二次分类模块、验证模块以及用户画像构建模块;
分类数据收集模块,用于在以太坊数据同步后,收集以太坊数据并从中解析出外部交易信息、内部交易信息以及账户类别信息;
验证数据收集模块,用于收集已完成账户分类的账户的数据,作为对应账户类别的验证数据;
初步分类模块,用于基于分类数据收集模块对以太坊数据解析得到的信息,利用启发式分类算法对以太坊中的账户进行初步分类,得到多个初级账户类别,并在初步分类结束后,触发二次分类模块;
二次分类模块,用于对于每一个初级账户类别下的账户,提取出以太坊中代表账户邻居信息的特征向量,并利用机器学习算法根据所提取的特征向量对该初级账户类别下的账户进行二次分类,将二次分类得到的类别作为目标账户类别;
验证模块,用于将每一个目标账户类别的数据与对应账户类别的验证数据进行比对,以获得二次分类的准确度,若满足预设的准确度要求,则将当前的目标账户类别作为最终的账户类别,并触发用户画像构建模块;若不满预设的准确度要求,则调整启发式分类算法和计算学习算法的参数,以提高账户分类的准确度,并在参数调整完成后,触发初级分类模块;
用户画像构建模块,用于对于以太坊中的各个账户,根据其所属账户类别反向推导出该账户的行为特征,以根据账户的行为特征构建该账户对应的用户画像;
在本发明实施例中,各模块的具体实施方式可参考上述方法实施例中的描述,在此将不作复述。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种适用于以太坊的用户画像构建方法,其特征在于,包括:
(1)在以太坊数据同步后,收集以太坊数据并从中解析出外部交易信息、内部交易信息以及账户类别信息;
(2)收集已完成账户分类的账户的数据,作为对应账户类别的验证数据;
(3)基于对以太坊数据解析得到的信息,利用启发式分类算法对以太坊中的账户进行初步分类,得到多个初级账户类别;
(4)对于每一个初级账户类别下的账户,提取出以太坊中代表账户邻居信息的特征向量,并利用机器学习算法根据所提取的特征向量对该初级账户类别下的账户进行二次分类,将二次分类得到的类别作为目标账户类别;
(5)将每一个目标账户类别的数据与对应账户类别的验证数据进行比对,以获得二次分类的准确度,若满足预设的准确度要求,则将当前的目标账户类别作为最终的账户类别,并转入步骤(6);否则,调整启发式分类算法和计算学习算法的参数,以提高账户分类的准确度,并在参数调整完成后,转入步骤(3);
(6)对于以太坊中的各个账户,根据其所属账户类别反向推导出该账户的行为特征,以根据账户的行为特征构建该账户对应的用户画像。
2.如权利要求1所述的适用于以太坊的用户画像构建方法,其特征在于,所述步骤(1)还包括:
在收集以太坊数据之前,检测***是否已对以太坊节点进行数据同步,若是,则直接收集以太坊数据;若否,则使***以全节点的模式对以太坊数据进行同步后,再收集以太坊数据。
3.如权利要求1所述的适用于以太坊的用户画像构建方法,其特征在于,所述步骤(1)还包括:
在对以太坊数据解析完成后,将解析得到的信息存储到外部数据库中,以加速后续的数据查询。
4.如权利要求1所述的适用于以太坊的用户画像构建方法,其特征在于,还包括:
对于任意一个账户类别,分析该账户类别下各账户的行为特征,以得到该类账户在区块链网络中的行为倾向。
5.如权利要求1-4任一项所述的适用于以太坊的用户画像构建方法,其特征在于,所述步骤(2)包括:
对于已完成账户分类的账户,从互联网上爬取该账户的数据,作为对应账户类别的验证数据;
或者,对于已完成账户分类的账户,与相应账户类别的账户进行交易,以获取该账户的账户地址,作为对应账户类别的验证数据。
6.如权利要求1-4任一项所述的适用于以太坊的用户画像构建方法,其特征在于,所述步骤(3)中,利用启发式分类算法对以太坊中的账户进行初步分类,得到的初级账户类别包括:交易所,矿池、独立矿工、联合矿工、Oracle合约。
7.如权利要求1-4任一项所述的适用于以太坊的用户画像构建方法,其特征在于,所述步骤(4)中,提取以太坊中代表账户邻居信息的特征向量,包括:
计算账户所在节点在以太坊中的临节点类型的概率矩阵,从概率矩阵中提取代表账户邻居信息的特征向量。
8.一种适用于以太坊的用户画像构建***,其特征在于,包括:分类数据收集模块、验证数据收集模块、初步分类模块、二次分类模块、验证模块以及用户画像构建模块;
所述分类数据收集模块,用于在以太坊数据同步后,收集以太坊数据并从中解析出外部交易信息、内部交易信息以及账户类别信息;
所述验证数据收集模块,用于收集已完成账户分类的账户的数据,作为对应账户类别的验证数据;
所述初步分类模块,用于基于所述分类数据收集模块对以太坊数据解析得到的信息,利用启发式分类算法对以太坊中的账户进行初步分类,得到多个初级账户类别,并在初步分类结束后,触发所述二次分类模块;
所述二次分类模块,用于对于每一个初级账户类别下的账户,提取出以太坊中代表账户邻居信息的特征向量,并利用机器学习算法根据所提取的特征向量对该初级账户类别下的账户进行二次分类,将二次分类得到的类别作为目标账户类别;
所述验证模块,用于将每一个目标账户类别的数据与对应账户类别的验证数据进行比对,以获得二次分类的准确度,若满足预设的准确度要求,则将当前的目标账户类别作为最终的账户类别,并触发所述用户画像构建模块;若不满预设的准确度要求,则调整启发式分类算法和计算学习算法的参数,以提高账户分类的准确度,并在参数调整完成后,触发所述初级分类模块;
所述用户画像构建模块,用于对于以太坊中的各个账户,根据其所属账户类别反向推导出该账户的行为特征,以根据账户的行为特征构建该账户对应的用户画像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911295828.3A CN111008872B (zh) | 2019-12-16 | 2019-12-16 | 一种适用于以太坊的用户画像构建方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911295828.3A CN111008872B (zh) | 2019-12-16 | 2019-12-16 | 一种适用于以太坊的用户画像构建方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111008872A true CN111008872A (zh) | 2020-04-14 |
CN111008872B CN111008872B (zh) | 2022-06-14 |
Family
ID=70114897
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911295828.3A Active CN111008872B (zh) | 2019-12-16 | 2019-12-16 | 一种适用于以太坊的用户画像构建方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111008872B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112600810A (zh) * | 2020-12-07 | 2021-04-02 | 中山大学 | 一种基于图分类的以太坊网络钓鱼诈骗检测方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170140301A1 (en) * | 2015-11-16 | 2017-05-18 | Alibaba Group Holding Limited | Identifying social business characteristic user |
CN108537542A (zh) * | 2018-04-02 | 2018-09-14 | 北京天材科技有限公司 | 用于社交网络的数据处理方法 |
CN108564469A (zh) * | 2018-04-11 | 2018-09-21 | 北京奇虎科技有限公司 | 区块链节点的画像数据获取方法、装置及计算设备 |
CN109711849A (zh) * | 2018-12-29 | 2019-05-03 | 北京金山安全软件有限公司 | 以太坊地址画像生成方法、装置、电子设备及存储介质 |
EP3561710A1 (en) * | 2018-04-25 | 2019-10-30 | Freeformers Holdings Limited | Data processing system utilising distributed ledger technology |
CN110457404A (zh) * | 2019-08-19 | 2019-11-15 | 电子科技大学 | 基于复杂异质网络的社交媒体账户分类方法 |
-
2019
- 2019-12-16 CN CN201911295828.3A patent/CN111008872B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170140301A1 (en) * | 2015-11-16 | 2017-05-18 | Alibaba Group Holding Limited | Identifying social business characteristic user |
CN108537542A (zh) * | 2018-04-02 | 2018-09-14 | 北京天材科技有限公司 | 用于社交网络的数据处理方法 |
CN108564469A (zh) * | 2018-04-11 | 2018-09-21 | 北京奇虎科技有限公司 | 区块链节点的画像数据获取方法、装置及计算设备 |
EP3561710A1 (en) * | 2018-04-25 | 2019-10-30 | Freeformers Holdings Limited | Data processing system utilising distributed ledger technology |
CN109711849A (zh) * | 2018-12-29 | 2019-05-03 | 北京金山安全软件有限公司 | 以太坊地址画像生成方法、装置、电子设备及存储介质 |
CN110457404A (zh) * | 2019-08-19 | 2019-11-15 | 电子科技大学 | 基于复杂异质网络的社交媒体账户分类方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112600810A (zh) * | 2020-12-07 | 2021-04-02 | 中山大学 | 一种基于图分类的以太坊网络钓鱼诈骗检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111008872B (zh) | 2022-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107194623B (zh) | 一种团伙欺诈的发现方法及装置 | |
CN110427433B (zh) | 一种区块链共识方法和存储介质 | |
Duman et al. | Solving credit card fraud detection problem by the new metaheuristics migrating birds optimization | |
CN113344562B (zh) | 基于深度神经网络的以太坊钓鱼诈骗账户检测方法与装置 | |
CN107908645B (zh) | 一种基于渗流分析的在线社交平台谣言传播的免疫方法 | |
CN106599230A (zh) | 一种分布式数据挖掘模型评估的方法与*** | |
Li et al. | An efficient DAG blockchain architecture for IoT | |
CN113486337B (zh) | 一种基于粒子群算法的网络安全态势要素识别***和方法 | |
CN109617994A (zh) | 一种定位区块链中节点位置的方法及*** | |
CN111008872B (zh) | 一种适用于以太坊的用户画像构建方法及*** | |
CN110287237B (zh) | 一种基于社会网络结构分析社团数据挖掘方法 | |
CN113938290B (zh) | 一种用户侧流量数据分析的网站去匿名方法和*** | |
CN114205816A (zh) | 一种电力移动物联网信息安全架构及其使用方法 | |
Yu et al. | Research on the tenacity survivability of wireless sensor networks | |
CN111651484B (zh) | 基于语义轨迹相似度移动对象伴随关系的分析方法和装置 | |
CN112235254B (zh) | 一种高速主干网中Tor网桥的快速识别方法 | |
CN110995770B (zh) | 一种模糊测试应用效果对比方法 | |
CN113538126A (zh) | 基于gcn的欺诈风险预测方法及装置 | |
CN116074092B (zh) | 一种基于异构图注意力网络的攻击场景重构*** | |
CN109255433B (zh) | 一种基于相似性的社区检测的方法 | |
He et al. | A comparative study of different approaches for tracking communities in evolving social networks | |
Chu et al. | Exploiting spatial-temporal behavior patterns for fraud detection in telecom networks | |
CN110457897A (zh) | 一种基于通信协议与sql语法的数据库安全检测方法 | |
CN116304252A (zh) | 一种基于图结构聚类的通信网络防诈骗方法 | |
Tikka et al. | Convolutional neural networks in estimating the spatial distribution of electric vehicles to support electricity grid planning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |