CN115660837B - 一种基于知识图谱的虚拟货币地址画像构建方法及装置 - Google Patents
一种基于知识图谱的虚拟货币地址画像构建方法及装置 Download PDFInfo
- Publication number
- CN115660837B CN115660837B CN202211081094.0A CN202211081094A CN115660837B CN 115660837 B CN115660837 B CN 115660837B CN 202211081094 A CN202211081094 A CN 202211081094A CN 115660837 B CN115660837 B CN 115660837B
- Authority
- CN
- China
- Prior art keywords
- address
- data
- transaction
- transfer
- address2
- 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.)
- Active
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于知识图谱的虚拟货币地址画像方法及装置。适用于普遍的虚拟货币地址画像问题。这种地址画像的方法主要是基于知识图谱构建结构化数据,结合了地址画像的思想,对虚拟货币地址数据进行处理,首先使用neo4j图关系数据库存储相关虚拟货币地址,然后分析各地址的性质构建地址画像其次通过可视化技术展示各地址间的数据,最后将获取到的地址间的性质提取出来,利用地址和地址之间的关系状况决定各地址的画像方法。本发明方法可有效提高虚拟货币犯罪追溯效率,具有更好的实用性。
Description
技术领域
本发明属于知识图谱和区块链领域,特别涉及一种基于知识图谱的虚拟货币地址画像构建方法及装置。
背景技术
在面对地址溯源的问题的时候,通常会选择直接对地址进行溯源。发掘地址之间的关系获取各地址存在的发展,以提高溯源的准确度,结合可视化技术为地址分析提供更加直观的显示。
知识图谱(Knowledge Graph),是结构化的语义知识库,用于以符号形式描述物理世界中的概念及其相互关系。其基本组成单位是“实体-关系-实体”三元组,以及实体及其相关属性-值对,实体间通过关系相互联结,构成网状的知识结构。
虚拟货币,也常称数字货币,即非真实的货币,当下提到的虚拟币一般指比特币、以太坊、瑞波币等数字虚拟货币,也称加密货币,是由加密算法规则产生的数字货币。
在面向虚拟货币犯罪溯源的时候,已有论文主要基于建立账户进行聚类从而推测各账户的身份信息,但对于同一用户的不同账户可能存在推测不全的情况。传统的关于虚拟货币溯源的方法主要依赖于对货币地址进行简单推测,但是忽视了地址之间关系。
发明内容
发明目的:针对背景技术中指出的问题,本发明提出了一种基于知识图谱的虚拟货币地址画像构建方法及装置,通过知识图谱的方法建立规则提取不同地址之间的属性,建立地址画像,然后通过可视化技术直观展示各地址之间的联系,然后将各地址属性显示出来实现快速准确溯源的效果。
技术方案:本发明提出一种基于知识图谱的虚拟货币地址画像构建方法,包括如下步骤:
步骤1:运行比特币节点客户端,同步比特币交易区块数据D1;
步骤2:将比特币交易区块数据D1导入neo4j图关系数据库中形成图关系数据G1;
步骤3:根据所获数据G1基于知识图谱的相关知识获取比特币地址数据之间的属性,属性包括交易次数、地址交易转入转出数据、地址财富状况、地址圈、地址安全性、洗钱指数、异常值;
步骤4:利用地址交易转入转出数据分析地址财富状况,根据交易次数确定是否为特殊地址,并根据地址交易状况获取地址圈,利用已有交易数据分析得出地址财富值,并分析得出洗钱指数,建立分析规则构建比特币地址画像A1;
步骤5:利用可视化分析技术优化地址画像显示。
进一步地,所述步骤2的具体方法为:
步骤2.1:读取本地区块数据blk.dat文件;
步骤2.2:利用Cypher查询将blk.dat中的数据导入到neo4j图关系数据库中形成图关系数据G1。
进一步地,所述比特币地址数据及地址的属性之间形成定点和边的拓扑关系,所有的地址及其属性之间构成超大的知识图谱。
进一步地,所述步骤4的具体方法为:
步骤4.1:获取交易数据中各地址的转入数据I1={I1,I2,...,IN}及转出数据O1={O1,O2,...,On};
步骤4.2:通过转入数据I1分析得出地址财富状况收入状况,对于转入数据中的每条数据Ii,如果Ii.vin.address存在,则记为vini总收入情况vinI=={vin1,vin2,...,vinn},否则判断下一条数据;
步骤4.3:通过转出数据O1分析得出地址财富状况支出状况,对于数据中的每条数据Oi,如果Oi.vout.address存在,则记为vouti总支出情况voutI=={vout1,vout2,...,Voutn},否则判断下一条数据;
步骤4.5:通过转入转出数据I1、O1分析得出地址收入交易数CI=count(I1)、支出交易次数CO=count(O1)及总交易次数CA=CI+CO;
步骤4.6:通过转入转出数据I1、O1及财富状况vin,vout分析得出比特币地址数据地址圈C1:
对于交易数据I1、O1判断每条数据:首先对于转入数据进行判断,令本条交易地址为address1,同时令address2=Ii.vin.address,若不存在address2,则判断下一条交易数据;若存在address2,则判断address2的交易金额Ii.vin.value,若交易金额Ii.vin.value大于0且小于1,则利用address2与address1的交易数据I1、O1转入步骤4.7求得两交易地址之间的交易次数TGi,并判断TGi是否大于等于2,若TGi大于等于2,将address2添加到CIa中;若TGi小于2,地址数据address2不添加至CIa;若交易金额Ii.vin.value大于等于1,则将address2添加到CIa中;同理可得出COa,最终可得出该地址的地址圈C1={CIa,COa};
步骤4.7:判断两地址address1与address2之间的交易次数,循环判断地址address1交易数据中的Ii.vin.address是否等于address2,如果相等TGi增1,判断address1交易数据中的Oi.vout.address是否等于address2,如果相等TCo增1,返回TC=TGi+TCo;
步骤4.8:根据财富值R1、交易次数CA分析得出洗钱指数X:
步骤4.9:根据上述步骤得出当前地址的画像特征值,最终获得各个画像特征值A1,所述当前地址的画像特征为Aj={I1,O1,vinI、voutI、R1、CI、CO、CA、C1、X},A1={A0、A1、…、An},j大于等于0小于等于n。
进一步地,所述步骤5的具体方法为:
步骤5.1:建立优化显示图形界面;
步骤5.2:根据地址画像数据利用联系图分析显示地址画像;
步骤5.3:构建安全性监测界面显示异常情况。
本发明还公开一种基于知识图谱的虚拟货币地址画像构建装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述计算机程序被加载至处理器时执行上述基于知识图谱的虚拟货币地址画像构建方法的步骤。
有益效果:
1、本发明方法基于已有的neo4j图关系数据库作为数据存储,利用知识图谱的方法提取地址画像的属性,以便更加全面地抽取地址特征,获得更精确的地址画像。
2、本发明利用已有数据简化建立地址画像,节省时间精力,利用转入转出数据分析出财富状况,同时根据交易次数得出是否为特殊地址,并根据地址交易状况获取地址圈情况,同时利用已有交易数据分析得出地址财富值。并借此分析得出洗钱指数有效节省虚拟货币犯罪溯源效率。
附图说明
图1为本发明总体流程图;
图2为同步比特币交易区块数据流程图;
图3为建立分析规则构建比特币地址画像示意图;
图4为建立分析规则构建比特币地址画像流程图;
图5为可视化分析技术优化地址画像显示流程图。
具体实施方式
下面结合具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
本发明公开了一种基于知识图谱的虚拟货币地址画像构建方法,参见附图1至附图5,具体包括如下步骤:
步骤1:运行比特币节点客户端,同步比特币交易区块数据D1;
步骤1.1:下载安装比特币核心软件;
步骤1.2:基于比特币核心软件同步比特币相关区块数据至本地D1。
步骤2:将比特币交易区块数据D1导入neo4j图关系数据库中形成图关系数据G1;
步骤2.1:读取本地区块数据blk.dat文件;
步骤2.2:利用Cypher查询将blk.dat中的数据导入到neo4j图关系数据库中形成图关系数据G1。
步骤3:根据所获数据G1基于知识图谱的相关知识获取比特币地址数据之间的属性。属性包括交易次数、地址交易转入转出数据、地址财富状况、地址圈、地址安全性、洗钱指数、异常值。比特币地址数据及地址的属性之间形成定点和边的拓扑关系,所有的地址及其属性之间构成知识图谱。
步骤4:利用地址交易转入转出数据分析地址财富状况,根据交易次数确定是否为特殊地址,并根据地址交易状况获取地址圈,利用已有交易数据分析得出地址财富值,并分析得出洗钱指数,建立分析规则构建比特币地址画像A1。
步骤4.1:获取交易数据中各地址的转入数据I1={I1,I2,...,In}及转出数据O1={O1,O2,...,On}。
步骤4.2:通过转入数据I1分析得出地址财富状况收入状况,对于数据中的每条数据Ii,如果Ii.vin.address存在,则记为vini总收入情况vinI=={vin1,vin2,...,vinn},否则判断下一条数据。
步骤4.3:通过转出数据O1分析得出地址财富状况支出状况,对于数据中的每条数据Oi,如果Oi.vout.address存在,则记为youti总支出情况voutI=={vout1,vout2,...,voutn},否则判断下一条数据。
步骤4.5:通过转入转出数据I1、O1分析得出地址收入交易数CI=count(I1),支出交易次数CO=count(O1)及总交易次数CA=CI+CO。
步骤4.6:通过转入转出数据I1、O1及财富状况vin、vout分析得出比特币地址数据地址圈C1:
对于交易数据I1、O1,判断每条数据:首先对于转入数据进行判断,令本条交易地址为address1,同时令address2=Ii.vin.address,若不存在address2,则判断下一条交易数据;若存在address2,则判断address2的交易金额Ii.vin.value。若交易金额Ii.vin.value大于0且小于1,则利用address2与address1的交易数据I1、O1转入步骤4.7求得两交易地址之间的交易次数TGi,并判断TGi是否大于等于2,若TGi大于等于2,将address2添加到CIa中;若TGi小于2,地址数据address2不添加至CIa;若交易金额Ii.vin.value大于等于1,则将address2添加到CIa中。同理可得出COa,则最终可得出该地址的地址圈C1={CIa,COa}。
步骤4.7:判断两地址address1与address2之间的交易次数:
循环判断地址address1交易数据中的Ii.vin.address是否等于address2,如果相等TGi增1,判断address1交易数据中的Oi.vout.address是否等于address2,如果相等TCo增1,返回TC=TGi+TCo。
步骤4.8:根据财富值R1、交易次数CA分析得出洗钱指数X:
2)当CA<10同时R1<10的情况下,计算公式为X=0;
即:
步骤4.9:根据上述步骤得出当前地址的画像特征值,最终获得各个画像特征值A1,所述当前地址的画像特征为Aj={I1,O1,vinI、voutI、R1、CI、CO、CA、C1、X},A1={A0、A1、…、An},j大于等于0,小于等于n。
步骤5:并利用可视化分析技术优化地址画像显示。
步骤5.1:建立优化显示图形界面;
步骤5.2:根据地址画像数据利用联系图分析显示地址画像;
步骤5.3:构建安全性监测界面显示异常情况。
下表为本申请中相关变量说明:
本发明可与计算机***结合成为基于知识图谱的虚拟货币地址画像构建装置,该装置包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,计算机程序被加载至处理器时实现上述基于知识图谱的虚拟货币地址画像构建方法。
上述实施方式只为说明本发明的技术构思及特点,其目的在于让熟悉此项技术的人能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡根据本发明精神实质所做的等效变换或修饰,都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种基于知识图谱的虚拟货币地址画像构建方法,其特征在于,包括如下步骤:
步骤1:运行比特币节点客户端,同步比特币交易区块数据D1;
步骤2:将比特币交易区块数据D1导入neo4j图关系数据库中形成图关系数据G1;
步骤3:根据所获图关系数据G1基于知识图谱的相关知识获取比特币地址数据之间的属性,属性包括交易次数、地址交易转入转出数据、地址财富状况、地址圈、地址安全性、洗钱指数、异常值;
步骤4:利用地址交易转入转出数据分析地址财富状况,根据交易次数确定是否为特殊地址,并根据地址交易状况获取地址圈,利用已有交易数据分析得出地址财富值,并分析得出洗钱指数,建立分析规则构建比特币地址画像A1;
步骤4.1:获取交易数据中各比特币地址的转入数据I1={I1,I2,…,In}及转出数据O1={O1,O2,…,On};
步骤4.2:通过转入数据I1分析得出地址财富状况收入状况,对于转入数据中的每条数据Ii,如果Ii.vin.address存在,则记为vini总收入情况vinI=={vin1,vin2,…,vinn},否则判断下一条数据;
步骤4.3:通过转出数据O1分析得出地址财富状况支出状况,对于数据中的每条数据Oi,如果Oi.vout.address存在,则记为vouti总支出情况voutI=={vout1,vout2,…,voutn},否则判断下一条数据;
步骤4.5:通过转入转出数据I1、O1分析得出地址收入交易数CI=count(I1)、支出交易次数CO=count(O1)及总交易次数CA=CI+CO;
步骤4.6:通过转入转出数据I1、O1及财富状况vin,vout分析得出当前比特币地址数据地址圈C1:
对于转入转出数据I1、O1,判断每条数据:首先对于转入数据进行判断,令当前交易的比特币地址为address1,同时令address2=Ii.vin.address,若不存在address2,则判断下一条交易数据;若存在address2,则判断address2的交易金额Ii.vin.value,若交易金额Ii.vin.value大于0且小于1,则利用address2与address1的转入转出数据I1、O1转入步骤4.7求得两交易地址之间的交易次数TCi,并判断TCi是否大于等于2,若TCi大于等于2,将address2添加到CIa中;若TCi小于2,地址数据address2不添加至CIa;若交易金额Ii.vin.value大于等于1,则将address2添加到CIa中;同理可得出COa,最终可得出该地址的地址圈C1={CIa,COa};
步骤4.7:判断两地址address1与address2之间的交易次数,循环判断地址address1交易数据中的Ii.vin.address是否等于address2,如果相等TCi增1,判断address1交易数据中的Oi.vout.address是否等于address2,如果相等TCo增1,返回TC=TCi+TCo,TC为交易次数,TCo为转出数据判断与本地址多次交易次数;
步骤4.8:根据财富值R1、总交易次数CA分析得出洗钱指数X:
步骤4.9:根据上述步骤得出当前比特币地址的画像特征值,最终获得各个画像的比特币地址画像A1的特征值,所述当前比特币地址的画像特征值为Aj={I1,O1,vinI、voutI、R1、CI、CO、CA、C1、X},A1={A0、A1、···、An},j大于等于0小于等于n;
步骤5:利用可视化分析技术优化比特币地址画像A1显示。
2.根据权利要求1所述的基于知识图谱的虚拟货币地址画像构建方法,其特征在于,所述步骤2的具体方法为:
步骤2.1:读取本地区块数据blk.dat文件;
步骤2.2:利用Cypher查询将blk.dat中的数据导入到neo4j图关系数据库中形成图关系数据G1。
3.根据权利要求1所述的基于知识图谱的虚拟货币地址画像构建方法,其特征在于,所述比特币地址数据及比特币地址数据之间的属性之间形成定点和边的拓扑关系,所有的地址及其属性之间构成知识图谱。
4.根据权利要求1所述的基于知识图谱的虚拟货币地址画像构建方法,其特征在于,所述步骤5的具体方法为:
步骤5.1:建立优化显示图形界面;
步骤5.2:根据比特币地址画像数据利用联系图分析显示比特币地址画像;
步骤5.3:构建安全性监测界面显示异常情况。
5.一种基于知识图谱的虚拟货币地址画像构建装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述计算机程序被加载至处理器时执行权利要求1-4任一项所述的基于知识图谱的虚拟货币地址画像构建方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211081094.0A CN115660837B (zh) | 2022-09-05 | 2022-09-05 | 一种基于知识图谱的虚拟货币地址画像构建方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211081094.0A CN115660837B (zh) | 2022-09-05 | 2022-09-05 | 一种基于知识图谱的虚拟货币地址画像构建方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115660837A CN115660837A (zh) | 2023-01-31 |
CN115660837B true CN115660837B (zh) | 2023-05-30 |
Family
ID=84983716
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211081094.0A Active CN115660837B (zh) | 2022-09-05 | 2022-09-05 | 一种基于知识图谱的虚拟货币地址画像构建方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115660837B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111444232A (zh) * | 2020-01-03 | 2020-07-24 | 上海宓猿信息技术有限公司 | 挖掘数字货币交易所地址的方法以及存储介质 |
CN112365248A (zh) * | 2020-11-16 | 2021-02-12 | 厦门市美亚柏科信息安全研究所有限公司 | 一种分析数字货币交易路径的方法及*** |
CN114119026A (zh) * | 2022-01-26 | 2022-03-01 | 成都无糖信息技术有限公司 | 一种虚拟货币交易追踪溯源方法及*** |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108537668A (zh) * | 2018-04-11 | 2018-09-14 | 北京奇虎科技有限公司 | 基于智能合约的数字货币交易方法及装置、计算设备 |
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 |
KR102487663B1 (ko) * | 2020-05-12 | 2023-01-12 | 대한민국 | 불법 가상통화 자동 추적 방법 및 시스템 |
CN114819965B (zh) * | 2021-01-21 | 2023-10-20 | 成都链安科技有限公司 | 区块链虚拟货币监测*** |
-
2022
- 2022-09-05 CN CN202211081094.0A patent/CN115660837B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111444232A (zh) * | 2020-01-03 | 2020-07-24 | 上海宓猿信息技术有限公司 | 挖掘数字货币交易所地址的方法以及存储介质 |
CN112365248A (zh) * | 2020-11-16 | 2021-02-12 | 厦门市美亚柏科信息安全研究所有限公司 | 一种分析数字货币交易路径的方法及*** |
CN114119026A (zh) * | 2022-01-26 | 2022-03-01 | 成都无糖信息技术有限公司 | 一种虚拟货币交易追踪溯源方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN115660837A (zh) | 2023-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104915879B (zh) | 基于金融数据的社会关系挖掘的方法及装置 | |
TWI729472B (zh) | 特徵詞的確定方法、裝置和伺服器 | |
CN107832407A (zh) | 用于生成知识图谱的信息处理方法、装置和可读存储介质 | |
CN112925954B (zh) | 用于在图数据库中查询数据的方法和装置 | |
CN110727857A (zh) | 针对业务对象识别***的关键特征的方法及装置 | |
WO2020015112A1 (zh) | 产品功能推荐方法、终端设备及计算机可读存储介质 | |
US20230004979A1 (en) | Abnormal behavior detection method and apparatus, electronic device, and computer-readable storage medium | |
McLaughlin et al. | A large scale study of the ethereum arbitrage ecosystem | |
CN102521713B (zh) | 数据处理装置和数据处理方法 | |
CN113506113B (zh) | 一种基于关联网络的***套现团伙挖掘方法及*** | |
CN112598510B (zh) | 资源数据处理方法和装置 | |
CN115660837B (zh) | 一种基于知识图谱的虚拟货币地址画像构建方法及装置 | |
CN105389714B (zh) | 一种从行为数据识别用户特性的方法 | |
CN112597399A (zh) | 图数据处理方法、装置、计算机设备和存储介质 | |
CN107563402A (zh) | 一种社交关系推断方法及*** | |
CN112967138A (zh) | 基于区块链和云计算的信息推送方法及信息推送*** | |
CN115187366A (zh) | 一种基于智能合约的闪电贷识别方法和装置 | |
CN115907505A (zh) | 一种基于知识图谱的电力互联网运维预警方法及*** | |
CN114697127A (zh) | 一种基于云计算的业务会话风险处理方法及服务器 | |
CN113469696A (zh) | 一种用户异常度评估方法、装置及计算机可读存储介质 | |
Guo et al. | EC‐Structure: Establishing Consumption Structure through Mining E‐Commerce Data to Discover Consumption Upgrade | |
CN111932356A (zh) | 确定企业信用风险等级的方法和装置 | |
CN112925847B (zh) | 一种针对区块链的数据处理与网络分析工具 | |
CN113127491B (zh) | 一种基于关联特征的流图划分*** | |
WO2024093960A1 (zh) | 异常交易应对策略的验证方法和验证装置 |
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 |