CN112801783A - 一种基于数字货币交易特征的实体识别方法及装置 - Google Patents
一种基于数字货币交易特征的实体识别方法及装置 Download PDFInfo
- Publication number
- CN112801783A CN112801783A CN202011642946.XA CN202011642946A CN112801783A CN 112801783 A CN112801783 A CN 112801783A CN 202011642946 A CN202011642946 A CN 202011642946A CN 112801783 A CN112801783 A CN 112801783A
- Authority
- CN
- China
- Prior art keywords
- transaction
- entity
- address
- addresses
- information
- 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.)
- Pending
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q20/04—Payment circuits
- G06Q20/06—Private payment circuits, e.g. involving electronic currency used among participants of a common payment scheme
- G06Q20/065—Private payment circuits, e.g. involving electronic currency used among participants of a common payment scheme using e-cash
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Finance (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Computer Security & Cryptography (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于数字货币交易特征的实体识别方法及装置,方法包括:获取隶属于同一待检测实体的区块链交易地址集合中每一个交易地址的交易特征信息;根据每一个交易地址的交易特征信息,对所述区块链交易集合中的交易地址进行聚类,得到多个交易地址子集合;获取每一个交易地址子集合中的交易地址的交易信息;利用预设大数据分析方法对交易地址的交易信息进行分析,得到所述每一个交易地址子集合的评判结果;将所述评判结果输入到实体类型识别模型,根据所述实体类型识别模型的识别结果,确定所述待检测实体的类型。
Description
技术领域
本发明涉及区块链技术领域,具体涉及一种基于数字货币交易特征的实体识别方法及装置。
背景技术
数字货币是一种基于区块链技术的虚拟电子货币,可以被用于真实的商品和服务交易,依靠校验和密码技术来创建、发行和流通,这种货币基于特定的算法得出,发行量有限且被加密保证安全,其特点是运用P2P对等网络技术来发行、管理和流通。
数字货币具有货币属性,在一定场景中,交易实体可以使用数字货币进行交易,而数字货币相比法定货币更呈现出匿名性的特征,故亟待提出一种基于数字货币交易特征的实体识别方法以将具备非法交易特征的实体与具备正常交易特征的实体区分开来,从而达到识别不同实体类型的目的,为监管机构提供服务。
发明内容
因此,本发明提供一种基于数字货币交易特征的实体识别方法及装置以将具备非法交易特征的实体与具备正常交易特征的实体区分开来,从而达到识别不同实体类型的目的,为监管机构提供服务。
根据第一方面,本发明实施例公开了一种基于数字货币交易特征的实体识别方法,包括:获取隶属于同一待检测实体的区块链交易地址集合中每一个交易地址的交易特征信息;根据每一个交易地址的交易特征信息,对所述区块链交易集合中的交易地址进行聚类,得到多个交易地址子集合;获取每一个交易地址子集合中的交易地址的交易信息;利用预设大数据分析方法对交易地址的交易信息进行分析,得到所述每一个交易地址子集合的评判结果;将所述评判结果输入到实体类型识别模型,根据所述实体类型识别模型的识别结果,确定所述待检测实体的类型。
可选地,所述获取隶属于同一待检测实体的区块链交易地址集合,包括:获取区块链上的多个交易地址;根据预设地址类型确定方法对所述多个交易地址进行划分,得到隶属于不同待检测实体的多个区块链交易地址集合。
可选地,所述大数据分析方法包括逻辑回归方法或决策树方法。
可选地,所述预设地址类型确定方法,包括:互联网信息抓取方法、数字货币地址相关性分析方法以及向交易地址对应的实体进行信息询问方法中的任意多种。
根据第二方面,本发明实施例还公开了一种基于数字货币交易特征的实体识别装置,包括:第一获取模块,用于获取隶属于同一待检测实体的区块链交易地址集合中每一个交易地址的交易特征信息;聚类模块,用于根据每一个交易地址的交易特征信息,对所述区块链交易集合中的交易地址进行聚类,得到多个交易地址子集合;第二获取模块,用于获取每一个交易地址子集合中的交易地址的交易信息;评判模块,用于利用预设大数据分析方法对交易地址的交易信息进行分析,得到所述每一个交易地址子集合的评判结果;确定模块,用于将所述评判结果输入到实体类型识别模型,根据所述实体类型识别模型的识别结果,确定所述待检测实体的类型。
可选地,所述第一获取模块,包括获取子模块,用于获取区块链上的多个交易地址;划分模块,用于根据预设地址类型确定方法对所述多个交易地址进行划分,得到隶属于不同待检测实体的多个区块链交易地址集合。
可选地,所述大数据分析方法包括逻辑回归方法或决策树方法。
可选地,所述预设地址类型确定方法,包括:互联网信息抓取方法、数字货币地址相关性分析方法以及向交易地址对应的实体进行信息询问方法中的任意多种。
根据第三方面,本发明实施例还公开了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行如第一方面或第一方面任一可选实施方式所述的基于数字货币交易特征的实体识别方法的步骤。
根据第四方面,本发明实施方式还公开了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面或第一方面任一可选实施方式所述的基于数字货币交易特征的实体识别方法的步骤。
本发明技术方案,具有如下优点:
本发明提供的基于数字货币交易特征的实体识别方法/装置,通过获取隶属于同一待检测实体的区块链交易地址集合中每一个交易地址的交易特征信息,根据每一个交易地址的交易特征信息,对区块链交易集合中的交易地址进行聚类,得到多个交易地址子集合,获取每一个交易地址子集合中的交易地址的交易信息,利用预设大数据分析方法对交易地址的交易信息进行分析,得到每一个交易地址子集合的评判结果,将评判结果输入到实体类型识别模型,根据实体类型识别模型的识别结果,确定待检测实体的类型。通过获取同一待检测实体的不同类型的交易地址的交易信息进行分析,得到同一待检测实体的不同类型的交易地址的评判结果,根据多维度的评判结果确定待检测实体的类型,提高了对待检测实体类型识别结果的准确性,以将具备非法交易特征的实体与具备正常交易特征的实体区分开来,从而达到识别不同实体类型的目的,便于监管机构对不同类型的实体进行监管。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中基于数字货币交易特征的实体识别方法的一个具体示例的流程图;
图2为本发明实施例中基于数字货币交易特征的实体识别装置的一个具体示例的原理框图;
图3为本发明实施例中电子设备的一个具体示例图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,还可以是两个元件内部的连通,可以是无线连接,也可以是有线连接。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本发明实施例公开了一种基于数字货币交易特征的实体识别方法,如图1所示,该方法包括如下步骤:
步骤101,获取隶属于同一待检测实体的区块链交易地址集合中每一个交易地址的交易特征信息。
示例性地,隶属于同一待检测实体的区块链交易地址集合的获取方式可以是接收到的外部用户节点上传的需要检测的实体对应的交易地址集合。本申请实施例对隶属于同一待检测实体的区块链交易地址集合的获取方法不作限定,本领域技术人员可以根据实际需要确定。对区块链交易地址集合中每一个交易地址的全量交易特征信息进行获取,获取的交易特征信息包括但不限于交易哈希、交易时间、交易额度、交易手续费等,本领域技术人员可以根据实际需要选择需要获取的交易特征信息的种类。其中每一个交易地址的交易特征信息的获取方式可以是进行实体识别的设备与每一个交易地址进行通信,获取每一个交易地址对应的节点本地存储的交易数据,继而得到相应的交易特征信息。
步骤102,根据每一个交易地址的交易特征信息,对所述区块链交易集合中的交易地址进行聚类,得到多个交易地址子集合。
示例性地,根据交易特征信息对区块链交易地址集合中包含的交易地址进行聚类的方式可以是按照交易特征信息对应的预设归类指标对交易地址进行划分。如当交易特征信息为交易时间,交易时间对应的预设归类指标可以是按照上班时间和下班时间分别对交易地址进行分类,将在上班时间进行交易的交易地址划分为一个交易地址子集合,将在下班时间进行交易的交易地址划分为一个交易地址子集合。本申请实施例对按照交易时间进行交易地址子集合的划分方式不作限定,本领域技术人员可以根据实际需要确定;当交易特征信息为交易额度,交易额度对应的预设归类指标可以是按照输出金额与输入金额大小关系分别对交易地址进行分类,将输出金额大于输入金额的交易地址划分为一个交易地址子集合,将输出金额小于输入金额的交易地址划分为一个交易地址子集合。本申请实施例对按照交易金额进行交易地址子集合的划分方式不作限定,本领域技术人员可以根据实际需要确定。本申请实施例中可以选用多个类型的交易特征信息对交易地址进行聚类,得到多个不同维度的交易地址子集合,以提高后续对实体类型分析结果的准确性。
步骤103,获取每一个交易地址子集合中的交易地址的交易信息。
示例性地,每一个交易地址子集合中交易地址的交易信息可以包括但不限于交易频率、交易量级、交易金额变化等,本申请实施例对获取的交易地址的交易信息的类型和数量不作限定,本领域技术人员可以根据实际需要确定。
步骤104,利用预设大数据分析方法对交易地址的交易信息进行分析,得到所述每一个交易地址子集合的评判结果。
示例性地,预设大数据分析方法可以是逻辑回归方法或决策树方法,也可以是根据获取的交易信息数据,利用预先训练好的神经网络模型对每一个交易地址子集合进行评判。本申请实施例对预设大数据分析方法的类型不作限定,本领域技术人员可以根据实际需要确定。评判结果的表征形式可以是评分或概率大小,本申请实施例对此不作限定。
例如,当通过交易时间为下班时间划分出的交易地址子集合对应的交易频率为100笔/小时,而正常的交易频率为20笔/小时,则可以通过实际获取到交易频率与预设的正常的交易频率的差值大小,对该交易地址子集合进行评分。由于交易地址子集合包括多个,则可以通过预设大数据分析方法得到不同维度的交易地址子集合的评分结果。
步骤105,将所述评判结果输入到实体类型识别模型,根据所述实体类型识别模型的识别结果,确定所述待检测实体的类型。
示例性地,该实体类型识别模型的构建方式可以是预先获取每一个实体在每一个维度的真实数据,将该真实数据输入到预设大数据分析方法得到真实评分结果,将该真实评分结果输入到实体类型识别模型,即该实体类型识别模型存储有每一种实体在各个维度的真实评分。当接收到任一待检测实体对应的评分结果,实体类型识别模型将实际接收到的任一待检测实体的评分结果与预先存储的每一种实体的真实评分结果进行相似性比对,将相似性最高的实体类型作为待检测实体的实体类型。
本发明实施例提供的基于数字货币交易特征的实体识别方法,通过获取同一待检测实体的不同类型的交易地址的交易信息进行分析,得到同一待检测实体的不同类型的交易地址的评判结果,根据多维度的评判结果确定待检测实体的类型,提高了对待检测实体类型识别结果的准确性,以将具备非法交易特征的实体与具备正常交易特征的实体区分开来,从而达到识别不同实体类型的目的,便于监管机构对不同类型的实体进行监管。
作为本发明一个可选实施方式,所述获取隶属于同一待检测实体的区块链交易地址集合,包括:
首先,获取区块链上的多个交易地址。
示例性地,区块链上的多个交易地址的获取方式可以是进行实体类型识别的设备接入区块链网络,通过网络爬虫技术获取到区块链网络中的交易地址。本申请实施例对该交易地址的获取方式不作限定,本领域技术人员可以根据实际需要确定。
其次,根据预设地址类型确定方法对所述多个交易地址进行划分,得到隶属于不同待检测实体的多个区块链交易地址集合。
示例性地,所述预设地址类型确定方法,包括:互联网信息抓取方法、数字货币地址相关性分析方法以及向交易地址对应的实体进行信息询问方法中的任意多种。其中互联网信息抓取方法可以为通过抓取传输至相应的交易地址的信息或从交易地址发送出来的信息来确定交易地址的作用,以实现对相应的交易地址进行类型划分,以将同一功能类型的交易地址划分为同一待检测实体;数字货币地址相关性分析方法可以是先确定获取的交易地址所隶属的区块链的交易模型,不同交易模型的区块链对应不同的相关性分析方法,比如比特币是UTXO模型,则对应的数字货币地址相关性分析方法为将同一交易的多个输入地址划分为同一实体;向交易地址对应的实体进行信息询问的方法可以是通过获取到的交易地址,向该交易地址发送身份信息获取指令,根据获取到的交易地址反馈回来的身份信息,对交易地址进行类型划分。本申请对交易地址的划分方式不作限定,本领域技术人员可以根据实际需要确定。
本发明实施例还公开了一种基于数字货币交易特征的实体识别装置,如图2所示,该装置包括:
第一获取模块201,用于获取隶属于同一待检测实体的区块链交易地址集合中每一个交易地址的交易特征信息;
聚类模块202,用于根据每一个交易地址的交易特征信息,对所述区块链交易集合中的交易地址进行聚类,得到多个交易地址子集合;
第二获取模块203,用于获取每一个交易地址子集合中的交易地址的交易信息;
评判模块204,用于利用预设大数据分析方法对交易地址的交易信息进行分析,得到所述每一个交易地址子集合的评判结果;
确定模块205,用于将所述评判结果输入到实体类型识别模型,根据所述实体类型识别模型的识别结果,确定所述待检测实体的类型。
本发明实施例提供的基于数字货币交易特征的实体识别装置,通过获取同一待检测实体的不同类型的交易地址的交易信息进行分析,得到同一待检测实体的不同类型的交易地址的评判结果,根据多维度的评判结果确定待检测实体的类型,提高了对待检测实体类型识别结果的准确性,以将具备非法交易特征的实体与具备正常交易特征的实体区分开来,从而达到识别不同实体类型的目的,便于监管机构对不同类型的实体进行监管。
作为本发明一个可选实施方式,所述第一获取模块201,包括:获取子模块,用于获取区块链上的多个交易地址;划分模块,用于根据预设地址类型确定方法对所述多个交易地址进行划分,得到隶属于不同待检测实体的多个区块链交易地址集合。
作为本发明一个可选实施方式,所述大数据分析方法包括逻辑回归方法或决策树方法。
作为本发明一个可选实施方式,所述预设地址类型确定方法,包括:互联网信息抓取方法、数字货币地址相关性分析方法以及向交易地址对应的实体进行信息询问方法中的任意多种。
本发明实施例还提供了一种电子设备,如图3所示,该电子设备可以包括处理器401和存储器402,其中处理器401和存储器402可以通过总线或者其他方式连接,图3中以通过总线连接为例。
处理器401可以为中央处理器(Central Processing Unit,CPU)。处理器401还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器402作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块,如本发明实施例中的基于数字货币交易特征的实体识别方法对应的程序指令/模块。处理器401通过运行存储在存储器402中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现上述方法实施例中的基于数字货币交易特征的实体识别方法。
存储器402可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储处理器401所创建的数据等。此外,存储器402可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器402可选包括相对于处理器401远程设置的存储器,这些远程存储器可以通过网络连接至处理器401。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器402中,当被所述处理器401执行时,执行如图1所示实施例中的基于数字货币交易特征的实体识别方法。
上述电子设备具体细节可以对应参阅图1所示的实施例中对应的相关描述和效果进行理解,此处不再赘述。
本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(RandomAccessMemory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
虽然结合附图描述了本发明的实施例,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下作出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (10)
1.一种基于数字货币交易特征的实体识别方法,其特征在于,包括:
获取隶属于同一待检测实体的区块链交易地址集合中每一个交易地址的交易特征信息;
根据每一个交易地址的交易特征信息,对所述区块链交易集合中的交易地址进行聚类,得到多个交易地址子集合;
获取每一个交易地址子集合中的交易地址的交易信息;
利用预设大数据分析方法对交易地址的交易信息进行分析,得到所述每一个交易地址子集合的评判结果;
将所述评判结果输入到实体类型识别模型,根据所述实体类型识别模型的识别结果,确定所述待检测实体的类型。
2.根据权利要求1所述的方法,其特征在于,所述获取隶属于同一待检测实体的区块链交易地址集合,包括:
获取区块链上的多个交易地址;
根据预设地址类型确定方法对所述多个交易地址进行划分,得到隶属于不同待检测实体的多个区块链交易地址集合。
3.根据权利要求1所述的方法,其特征在于,所述大数据分析方法包括逻辑回归方法或决策树方法。
4.根据权利要求2所述的方法,其特征在于,所述预设地址类型确定方法,包括:互联网信息抓取方法、数字货币地址相关性分析方法以及向交易地址对应的实体进行信息询问方法中的任意多种。
5.一种基于数字货币交易特征的实体识别装置,其特征在于,包括:
第一获取模块,用于获取隶属于同一待检测实体的区块链交易地址集合中每一个交易地址的交易特征信息;
聚类模块,用于根据每一个交易地址的交易特征信息,对所述区块链交易集合中的交易地址进行聚类,得到多个交易地址子集合;
第二获取模块,用于获取每一个交易地址子集合中的交易地址的交易信息;
评判模块,用于利用预设大数据分析方法对交易地址的交易信息进行分析,得到所述每一个交易地址子集合的评判结果;
确定模块,用于将所述评判结果输入到实体类型识别模型,根据所述实体类型识别模型的识别结果,确定所述待检测实体的类型。
6.根据权利要求5所述的装置,其特征在于,所述第一获取模块,包括获取子模块,用于获取区块链上的多个交易地址;划分模块,用于根据预设地址类型确定方法对所述多个交易地址进行划分,得到隶属于不同待检测实体的多个区块链交易地址集合。
7.根据权利要求5所述的装置,其特征在于,所述大数据分析方法包括逻辑回归方法或决策树方法。
8.根据权利要求6所述的装置,其特征在于,所述预设地址类型确定方法,包括:互联网信息抓取方法、数字货币地址相关性分析方法以及向交易地址对应的实体进行信息询问方法中的任意多种。
9.一种电子设备,其特征在于,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行如权利要求1-4任一所述的基于数字货币交易特征的实体识别方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-4中任一项所述的基于数字货币交易特征的实体识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011642946.XA CN112801783A (zh) | 2020-12-31 | 2020-12-31 | 一种基于数字货币交易特征的实体识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011642946.XA CN112801783A (zh) | 2020-12-31 | 2020-12-31 | 一种基于数字货币交易特征的实体识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112801783A true CN112801783A (zh) | 2021-05-14 |
Family
ID=75809312
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011642946.XA Pending CN112801783A (zh) | 2020-12-31 | 2020-12-31 | 一种基于数字货币交易特征的实体识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112801783A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114492383A (zh) * | 2021-12-20 | 2022-05-13 | 北京邮电大学 | 一种数字货币交易地址的实体名称识别方法和装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060136301A1 (en) * | 2001-07-05 | 2006-06-22 | Flix Grovit | Transaction processing system and method |
US20160012465A1 (en) * | 2014-02-08 | 2016-01-14 | Jeffrey A. Sharp | System and method for distributing, receiving, and using funds or credits and apparatus thereof |
US20160321434A1 (en) * | 2015-05-01 | 2016-11-03 | Monegraph, Inc. | Digital content rights transactions using block chain systems |
CN107085812A (zh) * | 2016-12-06 | 2017-08-22 | 雷盈企业管理(上海)有限公司 | 区块链数字资产的反洗钱***及方法 |
CN108009807A (zh) * | 2017-10-17 | 2018-05-08 | 国家计算机网络与信息安全管理中心 | 一种比特币交易身份标识方法 |
CN109074562A (zh) * | 2016-02-23 | 2018-12-21 | 区块链控股有限公司 | 基于区块链的合并式数据传输控制方法和*** |
CN111383004A (zh) * | 2018-12-29 | 2020-07-07 | 北京知帆科技有限公司 | 数字货币的实***置提取方法、信息的提取方法及其装置 |
CN111652732A (zh) * | 2020-05-26 | 2020-09-11 | 北京理工大学 | 一种基于交易图匹配的比特币异常交易实体识别方法 |
CN111754345A (zh) * | 2020-06-18 | 2020-10-09 | 天津理工大学 | 一种基于改进随机森林的比特币地址分类方法 |
-
2020
- 2020-12-31 CN CN202011642946.XA patent/CN112801783A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060136301A1 (en) * | 2001-07-05 | 2006-06-22 | Flix Grovit | Transaction processing system and method |
US20160012465A1 (en) * | 2014-02-08 | 2016-01-14 | Jeffrey A. Sharp | System and method for distributing, receiving, and using funds or credits and apparatus thereof |
US20160321434A1 (en) * | 2015-05-01 | 2016-11-03 | Monegraph, Inc. | Digital content rights transactions using block chain systems |
CN109074562A (zh) * | 2016-02-23 | 2018-12-21 | 区块链控股有限公司 | 基于区块链的合并式数据传输控制方法和*** |
CN107085812A (zh) * | 2016-12-06 | 2017-08-22 | 雷盈企业管理(上海)有限公司 | 区块链数字资产的反洗钱***及方法 |
CN108009807A (zh) * | 2017-10-17 | 2018-05-08 | 国家计算机网络与信息安全管理中心 | 一种比特币交易身份标识方法 |
CN111383004A (zh) * | 2018-12-29 | 2020-07-07 | 北京知帆科技有限公司 | 数字货币的实***置提取方法、信息的提取方法及其装置 |
CN111652732A (zh) * | 2020-05-26 | 2020-09-11 | 北京理工大学 | 一种基于交易图匹配的比特币异常交易实体识别方法 |
CN111754345A (zh) * | 2020-06-18 | 2020-10-09 | 天津理工大学 | 一种基于改进随机森林的比特币地址分类方法 |
Non-Patent Citations (1)
Title |
---|
许先文;: "区块链数字货币的技术特性及其在支付领域的应用", 数字技术与应用, no. 02 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114492383A (zh) * | 2021-12-20 | 2022-05-13 | 北京邮电大学 | 一种数字货币交易地址的实体名称识别方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112769796B (zh) | 一种基于端侧边缘计算的云网端协同防御方法及*** | |
CN110177108B (zh) | 一种异常行为检测方法、装置及验证*** | |
CN105590055B (zh) | 用于在网络交互***中识别用户可信行为的方法及装置 | |
WO2020015104A1 (zh) | 风险旅客流量预测方法、装置、计算机设备和存储介质 | |
CN110929840A (zh) | 使用滚动窗口的连续学习神经网络*** | |
CN109919781A (zh) | 团伙欺诈案件识别方法、电子装置及计算机可读存储介质 | |
CN110163242B (zh) | 风险识别方法、装置及服务器 | |
CN105678125A (zh) | 一种用户认证方法、装置 | |
CN109145030B (zh) | 一种异常数据访问的检测方法和装置 | |
CN112329811A (zh) | 异常账号识别方法、装置、计算机设备和存储介质 | |
WO2020056968A1 (zh) | 数据降噪方法、装置、计算机设备和存储介质 | |
CN110008976A (zh) | 一种网络行为分类方法和装置 | |
CN110929525A (zh) | 一种网贷风险行为分析检测方法、装置、设备和存储介质 | |
CN115879017A (zh) | 一种电力敏感数据自动化分类分级方法、装置及存储介质 | |
CN112801783A (zh) | 一种基于数字货币交易特征的实体识别方法及装置 | |
CN112437034A (zh) | 虚假终端检测方法和装置、存储介质及电子装置 | |
CN111275453A (zh) | 一种物联网设备的行业识别方法及*** | |
US20210357772A1 (en) | System and method for time series pattern recognition | |
Nguyen et al. | An evaluation method for unsupervised anomaly detection algorithms | |
CN113065748A (zh) | 业务风险评估方法、装置、设备及存储介质 | |
CN112199388A (zh) | 陌电识别方法、装置、电子设备及存储介质 | |
CN117132383A (zh) | 一种信贷数据处理方法、装置、设备及可读存储介质 | |
CN110874602A (zh) | 一种图像识别方法及装置 | |
CN114189585A (zh) | 骚扰电话异常检测方法、装置及计算设备 | |
CN114443409A (zh) | 支付业务***监控方法、装置和设备及计算机存储介质 |
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 |