【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及信息安全，具體是一種基于多維度對比學(xué)習(xí)的以太坊釣魚賬戶檢測方法和系統(tǒng)。
技術(shù)介紹
1、隨著區(qū)塊鏈技術(shù)的快速發(fā)展，以太坊作為其中的代表性平臺，為全球范圍內(nèi)的用戶提供了豐富的智能合約和加密貨幣交易服務(wù)，然而，隨著以太坊平臺的普及，網(wǎng)絡(luò)釣魚攻擊也日益猖獗，成為威脅用戶資產(chǎn)安全的一大隱患，目前，針對以太坊釣魚賬戶的檢測方法，主要基于以太坊交易網(wǎng)的天然圖結(jié)構(gòu)進行基于推理、分析、檢測，現(xiàn)有的方法存在以下問題：
2、1、釣魚賬戶的交易數(shù)據(jù)數(shù)量不平衡，會導(dǎo)致模型泛化能力偏差，準(zhǔn)確率指標(biāo)失真；
3、2、特征嵌入時未進行數(shù)據(jù)差異化處理、過于依賴圖卷積網(wǎng)絡(luò)等嵌入模型而導(dǎo)致的特征提取不充分，模型解釋性不足。
4、因此，亟需一種基于多維度對比學(xué)習(xí)的以太坊釣魚賬戶檢測方法和系統(tǒng)來解決上述問題。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)的目的在于提供基于多維度對比學(xué)習(xí)的以太坊釣魚賬戶檢測方法和系統(tǒng)，它能實現(xiàn)在提高模型泛化能力和準(zhǔn)確率的同時，充分提取模型中的特征，提高模型解釋性。
2、本專利技術(shù)為實現(xiàn)上述目的，通過以下技術(shù)方案實現(xiàn)：
3、一方面，本專利技術(shù)提供基于多維度對比學(xué)習(xí)的以太坊釣魚賬戶檢測方法，包括以下步驟：
4、根據(jù)github中開源的已標(biāo)記數(shù)據(jù)集獲取正常賬戶和釣魚賬戶的交易地址，同時在以太坊瀏覽器ethereum中爬取交易賬戶的交易記錄；
5、根據(jù)交易賬戶的交易記錄，設(shè)置交易數(shù)量閾值，并對其中交易數(shù)量小于閾值的交易賬
6、從空間、時序、交易屬性三個維度對交易賬戶進行特征提取；
7、根據(jù)交易賬戶的特征，構(gòu)建以太坊交易圖譜，并基于siamese?triplet模型進行有權(quán)樣本組的對比學(xué)習(xí)，獲取空間、時序、交易屬性三個維度的增強特征；
8、采用多頭注意力機制進行特征融合，并對融合后的特征嵌入進行檢測。
9、優(yōu)選的，所述交易賬戶的交易記錄包括：交易時間、發(fā)送方、接收方以及交易金額信息。
10、優(yōu)選的，所述基于以太坊釣魚賬戶的交易周期特征進行時間縱向的數(shù)據(jù)增強，包括：
11、對爬取的每一個賬戶的交易記錄進行10個時間段的均等劃分，依據(jù)收集的交易賬戶，獲得每個時間段內(nèi)的賬戶交易數(shù)量比例，通過計算待增強樣本和統(tǒng)計量的比例差，判斷樣本是否為不夠完整以及每個時間段內(nèi)是否需要進行數(shù)據(jù)增強，利用對抗生成模型來生成這些時間段內(nèi)的模擬交易數(shù)據(jù)，若第二個時間段內(nèi)需要增加一個交易數(shù)據(jù)，則把第二個時間段內(nèi)的統(tǒng)計數(shù)據(jù)輸入到對抗生成模型中進行新數(shù)據(jù)的構(gòu)建。
12、優(yōu)選的，所述從空間、時序、交易屬性三個維度對交易賬戶進行特征提取，具體為：
13、從空間維度對交易賬戶進行特征提取：依據(jù)交易方向?qū)@取的釣魚交易記錄轉(zhuǎn)換為有向交易圖，并根據(jù)交易金額、交易次數(shù)和交易頻率進行網(wǎng)絡(luò)的邊的加權(quán)，并將加權(quán)圖輸入到抗生成模型中獲取其特征嵌入向量；
14、從時序維度對交易賬戶進行特征提取：將賬戶的交易記錄按時間分為10個時間段，分別將每個時間段的交易數(shù)據(jù)輸入到雙向lstm模型中，獲取到賬戶整個交易生命周期的時序特征；
15、從交易屬性維度交易賬戶進行特征提取：統(tǒng)計交易賬戶的入度、出度、入度出度比、入value、出value、入value出value比、平均入value、平均出value、最小入value、最小出value、最大入value以及最大出value。
16、優(yōu)選的，所述構(gòu)建以太坊交易圖譜，具體為：按照交易網(wǎng)絡(luò)天然的圖結(jié)構(gòu)進行圖譜構(gòu)建，圖譜中的節(jié)點代表交易賬戶，邊代表交易關(guān)系，并根據(jù)其中的節(jié)點間的交易特征進行邊的加權(quán)。
17、優(yōu)選的，所述基于siamese?triplet模型進行有權(quán)樣本組的對比學(xué)習(xí)，包括：
18、根據(jù)賬戶的交易特征構(gòu)建正負樣本組，并計算不同樣本之間的距離；
19、設(shè)定一個閾值來區(qū)分相似樣本和差異樣本，通過對比學(xué)習(xí)之后獲取到三個維度特征的增強特征：
20、
21、其中，表示錨點樣本與正樣本之間的距離，表示錨點樣本與負樣本之間的距離，為設(shè)定的間隔。
22、優(yōu)選的，其特征在于，所述采用多頭注意力機制進行特征融合，包括：
23、
24、其中，分別表示查詢向量、鍵向量和值向量，是可學(xué)習(xí)的權(quán)重矩陣，用于對拼接后的輸出進行線性變換，每個頭的計算公式為如下：
25、
26、其中，、分別是第個頭的查詢、鍵、值變換矩陣，attention是注意力計算函數(shù)，使用縮放點積注意力，具體的計算公式如下：
27、
28、其中，是鍵向量的維度，用于縮放點積結(jié)果，函數(shù)用于對點積結(jié)果進行歸一化，得到注意力權(quán)重。
29、優(yōu)選的，所述對融合后的特征嵌入進行檢測，具體為：
30、構(gòu)建深度神經(jīng)網(wǎng)絡(luò)對多頭注意力機制獲得的融合特征嵌入進行檢測，將檢測樣本分類為正常或惡意。
31、另一方面，還提供一種接地故障線路辨識系統(tǒng)，包括：
32、接地試?yán)€路經(jīng)驗排序模塊，用于：預(yù)先生成接地線路試?yán)蛭槐恚υ嚴(yán)€路進行排序；
33、相電流動態(tài)比對模塊，用于：根據(jù)故障相電流發(fā)生時刻，生成故障相電流突變量最大值；
34、接地故障線路判定模塊：根據(jù)故障相電流突變量最大值對接地故障線路進行判定。
35、另一方面，提供一種基于上述基于多維度對比學(xué)習(xí)的以太坊釣魚賬戶檢測方法的檢測系統(tǒng)，包括：
36、數(shù)據(jù)獲取模塊，用于：根據(jù)github中開源的已標(biāo)記數(shù)據(jù)集獲取正常賬戶和釣魚賬戶的交易地址，同時在以太坊瀏覽器ethereum中爬取交易賬戶的交易記錄；
37、數(shù)據(jù)處理模塊，用于：根據(jù)交易賬戶的交易記錄，設(shè)置交易數(shù)量閾值，并對其中交易數(shù)量小于閾值的交易賬戶數(shù)據(jù)，基于以太坊釣魚賬戶的交易周期特征進行時間縱向的數(shù)據(jù)增強算法；從空間、時序、交易屬性三個維度對交易賬戶進行特征提取；根據(jù)交易賬戶的特征，構(gòu)建以太坊交易圖譜，并基于siamese?triplet模型進行有權(quán)樣本組的對比學(xué)習(xí)，獲取空間、時序、交易屬性三個維度的增強特征；
38、特征檢測模塊，用于：采用多頭注意力機制進行特征融合，并對融合后的特征嵌入進行檢測。
39、對比現(xiàn)有技術(shù)，本專利技術(shù)的有益效果在于：
40、1、有效解決交易數(shù)據(jù)長尾問題：通過設(shè)計時間縱向的數(shù)據(jù)增強模塊，本技術(shù)方案能夠針對交易數(shù)量過少的賬戶數(shù)據(jù)進行有效增強，解決了以太坊交易數(shù)據(jù)中存在的長尾問題，這不僅提高了數(shù)據(jù)的質(zhì)量和完整性，還為后續(xù)的特征提取和模型訓(xùn)練提供了更為豐富和可靠的數(shù)據(jù)基礎(chǔ)；
41、2、精準(zhǔn)捕捉釣魚賬戶攻擊周期特征：本技術(shù)方案考慮了釣魚賬戶在整個攻擊周期中的特征差異，通過時間段的均等劃分和對抗生成模型（gan）的應(yīng)用，能夠模擬并補充缺失的交易數(shù)據(jù)，從而本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.基于多維度對比學(xué)習(xí)的以太坊釣魚賬戶檢測方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于多維度對比學(xué)習(xí)的以太坊釣魚賬戶檢測方法，其特征在于，所述交易賬戶的交易記錄包括：交易時間、發(fā)送方、接收方以及交易金額信息。
3.根據(jù)權(quán)利要求1所述的基于多維度對比學(xué)習(xí)的以太坊釣魚賬戶檢測方法，其特征在于，所述基于以太坊釣魚賬戶的交易周期特征進行時間縱向的數(shù)據(jù)增強，包括：
4.根據(jù)權(quán)利要求1所述的基于多維度對比學(xué)習(xí)的以太坊釣魚賬戶檢測方法，其特征在于，所述從空間、時序、交易屬性三個維度對交易賬戶進行特征提取，具體為：
5.根據(jù)權(quán)利要求4所述的基于多維度對比學(xué)習(xí)的以太坊釣魚賬戶檢測方法，其特征在于，所述構(gòu)建以太坊交易圖譜，具體為：按照交易網(wǎng)絡(luò)天然的圖結(jié)構(gòu)進行圖譜構(gòu)建，圖譜中的節(jié)點代表交易賬戶，邊代表交易關(guān)系，并根據(jù)其中的節(jié)點間的交易特征進行邊的加權(quán)。
6.根據(jù)權(quán)利要求5所述的基于多維度對比學(xué)習(xí)的以太坊釣魚賬戶檢測方法，其特征在于，所述基于Siamese?triplet模型進行有權(quán)樣本組的對比學(xué)習(xí)，包括：
7.根
8.根據(jù)權(quán)利要求7所述的基于多維度對比學(xué)習(xí)的以太坊釣魚賬戶檢測方法，其特征在于，所述對融合后的特征嵌入進行檢測，具體為：
9.一種基于如權(quán)利要求1所述的基于多維度對比學(xué)習(xí)的以太坊釣魚賬戶檢測方法的檢測系統(tǒng)，其特征在于，包括：
...【技術(shù)特征摘要】
1.基于多維度對比學(xué)習(xí)的以太坊釣魚賬戶檢測方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于多維度對比學(xué)習(xí)的以太坊釣魚賬戶檢測方法，其特征在于，所述交易賬戶的交易記錄包括：交易時間、發(fā)送方、接收方以及交易金額信息。
3.根據(jù)權(quán)利要求1所述的基于多維度對比學(xué)習(xí)的以太坊釣魚賬戶檢測方法，其特征在于，所述基于以太坊釣魚賬戶的交易周期特征進行時間縱向的數(shù)據(jù)增強，包括：
4.根據(jù)權(quán)利要求1所述的基于多維度對比學(xué)習(xí)的以太坊釣魚賬戶檢測方法，其特征在于，所述從空間、時序、交易屬性三個維度對交易賬戶進行特征提取，具體為：
5.根據(jù)權(quán)利要求4所述的基于多維度對比學(xué)習(xí)的以太坊釣魚賬戶檢測方法，其特征在于，所述構(gòu)建以太坊交易圖譜，具體...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：王閃閃，劉昌林，陳貞翔，李翰文，張一，陳鍵，
申請(專利權(quán))人：泉城省實驗室，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。