一种基于图分类的深度图卷积模型钓鱼账户识别方法

技术特征：
1.一种基于图分类的深度模型钓鱼账户识别方法，其特征在于：包括以下步骤：s1：构建轻量数据集；从公开的以太坊交易记录中进行采样，对大规模数据进行轻量化后，构建二阶交易子图网络并提取出该网络中账户的特征；其中目标账户包含已被标记的钓鱼节点和非钓鱼节点；交易对象包括目标节点的一阶邻居节点和二阶邻居节点；特征包括轻量化后的数据集中钓鱼账户和非钓鱼账户的指定特征；s2：对交易子图进行采样，综合考虑了网络的拓扑结构，根据网络平均度值、网络密度、节点数、连边数的属性构建了目标节点邻居数量的计算公式，得到大小均匀且合理的子图规模；当邻居数量小于时，则保留全部邻居节点；若邻居数量大于，则对目标节点的邻居节点进行交易金额和交易次数的属性排序后保留个邻居，得到采样后的小规模子图；s3：通过chebyshev的图卷积深度神经网络，学习账户潜在的交易行为模式，并实现端到端的钓鱼账户的识别。2.如权利要求1所述的基于图分类的深度模型钓鱼账户识别方法，其特征在于，步骤s1具体包括：s1.1：以目标账户地址为起始点，通过二阶宽度优先搜索算法bfs提取小规模化的交易数据；s1.2：在上述步骤s1.1的轻量化数据的基础上，利用随机游走采样算法对数据集进行再一次轻量的操作；游走算法首先随机选择一个账户作为起始节点，并由它为起点向前采样获取一段长度固定的游走序列；若在采样过程中序列还未达到预定长度时，某个账户已经不存在交易账户，则需要随机选取一个序列中已被访问的账户重新开始游走；s1.3：分别对钓鱼和非钓鱼的二阶交易网络中的账户提取特征。3.如权利要求2所述的基于图分类的深度模型钓鱼账户识别方法，其特征在于，步骤s2具体包括：s2.1：为了约束邻居数量和邻域阶数提出一种邻居数量的计算公式，对h阶的邻居排序并取得k个邻居节点，邻居节点数量k的计算公式如下：其中，表示网络的平均度值，density表示网络密度，表示对
·
向上取整，|v|和|e|分别表示网络的节点数和连边数。4.如权利要求3所述的基于图分类的深度模型钓鱼账户识别方法，其特征在于，步骤s3具体包括：s3.1：用向量集合的形式表示每个账户的二阶交易网络；每个目标账户的二阶交易网络都可以用g＝(v,e,a,x,y)表示；其中v为交易网络包含的所有节点的集合；e为交易网络中有向边的集合，定义为a为交易网络的邻接矩阵，表示为a∈r
n
×
n
；x为节点特征，可用x∈r
n
×
d
表示，其中d表示特征的维度，n表示节点的总数；y表示目标节点是否为钓鱼账户，y＝1表示目标节点是一个钓鱼账户，y＝0表示目标节点不是钓鱼账户；s3.2：利用chebyshev gcn的图卷积层自动聚合节点领域信息，chebyshev gcn的卷积
层形式定义为：其中，β
k
是chebyshev多项式对应的系数，这些参数将在训练中迭代更新，x是二阶交易网络的节点特征向量；是k阶的chebyshev多项式，由于t
k
(x)＝cos(k
·
arccos(x))，因此特征值的对角矩阵需要被固定在[-1,1]之间，表示为：这里λ
max
利用幂迭代法求出，l为拉普拉斯矩阵这样变换的好处在于计算过程无需再进行特征向量分解；由于提取的二阶交易子图为有权有向的网络，因此将拉普拉斯矩阵变形为：将拉普拉斯矩阵变形为：其中a为交易子图的邻接矩阵，是邻接矩阵与其转置的和，为经变形后的邻接矩阵的度矩阵，是一个对角阵；σ(
·
)为激活函数，这里选择relu(
·
)＝max(0，
·
)作为激活函数；在实际运算过程中，可以利用chebyshev多项式的性质，得到递推式：得到递推式：采用两层chebyshev gcn聚合目标节点的邻域信息，以目标账户u为中心提取的交易子图特征表示为o
u
＝gs；s3.3：采用池化函数提取出步骤s3.2中经两层chebyshev gcn卷积后的特征信息；这里的池化函数采取平均池化函数，通过平均池化层将节点特征池化为图特征，定义为：y
pooling
＝avgpooling(o
u
)
ꢀꢀꢀꢀ
(6)s3.4：进一步训练一个全连接层利用特征区分钓鱼账户和非钓鱼账户：其中w和b分别为可训练的权重矩阵和偏置矩阵，为最终预测结果的概率矩阵；上述所有可训练参数通过最小化如下交叉熵损失函数函数并利用梯度下降法优化更新：

技术总结
本申请公开了一种基于图分类的深度图卷积模型钓鱼账户识别方法，包括：步骤S1：从公开的以太坊交易记录中构建轻量化的数据集；S2：综合考虑网络拓扑结构，对交易子图进行采样得到小规模子图；S3：通过Chebyshev的图卷积深度神经网络，学习账户潜在的交易行为模式，对以太坊账户实现钓鱼账户的分类与检测。本发明合理降低计算数据规模，提高计算效率，并且能够准确区分出钓鱼账户和非钓鱼账户，帮助数字货币平台和用户规避诈骗风险。币平台和用户规避诈骗风险。币平台和用户规避诈骗风险。


技术研发人员：宣琦 徐欣瑶 李盼盼 王金焕
受保护的技术使用者：浙江工业大学
技术研发日：2022.03.21
技术公布日：2022/7/9