CN108537668A - 基于智能合约的数字货币交易方法及装置、计算设备 - Google Patents
基于智能合约的数字货币交易方法及装置、计算设备 Download PDFInfo
- Publication number
- CN108537668A CN108537668A CN201810322480.1A CN201810322480A CN108537668A CN 108537668 A CN108537668 A CN 108537668A CN 201810322480 A CN201810322480 A CN 201810322480A CN 108537668 A CN108537668 A CN 108537668A
- Authority
- CN
- China
- Prior art keywords
- transaction
- transaction node
- node
- digital cash
- intelligent contract
- 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
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
Abstract
本发明公开了一种基于智能合约的数字货币交易方法及装置、计算设备,方法包括:当监控到第一交易节点向第二交易节点发出的数字货币交易请求时,触发智能合约层的脚本自动运行;在脚本运行过程中,根据第二交易节点的地址信息判断此次数字货币交易是否安全;若否,则对此次数字货币交易进行拦截或预警处理。本发明对第一交易节点的交易请求进行监控,利用智能合约对交易对象即第二交易节点的地址信息进行判断,若此次数字货币交易不安全,可以在交易前进行拦截或预警处理,最大限定的保障了交易安全,避免用户造成不可挽回的经济损失。本发明基于数字货币交易的特性,在不影响数字货币本身的正常交易情况下,利用智能合约有效拦截不安全的交易。
Description
技术领域
本发明涉及软件领域,具体涉及一种基于智能合约的数字货币交易方法及装置、计算设备。
背景技术
数字货币,是电子货币形式的替代货币。其不同于虚拟世界中的虚拟货币,数字货币能被用于真实的商品和服务交易,而不局限在网络游戏中。现有的数字货币,如比特币、莱特币和PPCoin等,主要依靠校验和密码技术来创建、发行和流通。
数字货币交易与普通的货币交易不同,数字货币交易在交易后,存在无法撤销的问题。如区块链数字货币交易,区块链将数据块按时间顺序关联成链,生成永久的不可逆向修改、且向全网公开透明的记录。因此,对于区块链中的数字货币交易,由于其不可逆性,当交易发生后,对已经支付的交易无法撤销或回退。这样导致当用户交易后,发现该交易为诈骗交易时,也无法撤销交易或回退交易,给用户造成经济损失和不良影响。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的基于智能合约的数字货币交易方法及装置、计算设备。
根据本发明的一个方面,提供了一种基于智能合约的数字货币交易方法,其包括:
当监控到第一交易节点向第二交易节点发出的数字货币交易请求时,触发智能合约层的脚本自动运行;
在脚本运行过程中,根据第二交易节点的地址信息判断此次数字货币交易是否安全;
若否,则对此次数字货币交易进行拦截或预警处理。
根据本发明的另一方面,提供了一种基于智能合约的数字货币交易装置,其包括:
触发模块,适于当监控到第一交易节点向第二交易节点发出的数字货币交易请求时,触发智能合约层的脚本自动运行;
判断模块,适于在脚本运行过程中,根据第二交易节点的地址信息判断此次数字货币交易是否安全。
处理模块,适于若判断模块判断此次数字货币交易不安全,则对此次数字货币交易进行拦截或预警处理。
根据本发明的又一方面,提供了一种计算设备,包括:处理器、存储器、通信接口和通信总线,处理器、存储器和通信接口通过通信总线完成相互间的通信;
存储器用于存放至少一可执行指令,可执行指令使处理器执行上述基于智能合约的数字货币交易方法对应的操作。
根据本发明的再一方面,提供了一种计算机存储介质,存储介质中存储有至少一可执行指令,可执行指令使处理器执行如上述基于智能合约的数字货币交易方法对应的操作。
根据本发明提供的基于智能合约的数字货币交易方法及装置、计算设备,当监控到第一交易节点向第二交易节点发出的数字货币交易请求时,触发智能合约层的脚本自动运行;在脚本运行过程中,根据第二交易节点的地址信息判断此次数字货币交易是否安全;若否,则对此次数字货币交易进行拦截或预警处理。本发明对第一交易节点的交易请求进行监控,利用智能合约对交易对象即第二交易节点的地址信息进行判断,若此次数字货币交易不安全,可以在交易前进行拦截或预警处理,最大限定的保障了交易安全,避免用户造成不可挽回的经济损失。本发明基于数字货币交易的特性,在不影响数字货币本身的正常交易情况下,利用智能合约对交易进行判断,可以有效拦截不安全的交易,处理简便易实施。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了根据本发明一个实施例的基于智能合约的数字货币交易方法的流程图;
图2示出了根据本发明另一个实施例的基于智能合约的数字货币交易方法的流程图;
图3示出了根据本发明一个实施例的基于智能合约的数字货币交易装置的功能框图;
图4示出了根据本发明一个实施例的一种计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
图1示出了根据本发明一个实施例的基于智能合约的数字货币交易方法的流程图。如图1所示,基于智能合约的数字货币交易方法具体包括如下步骤:
步骤S101,当监控到第一交易节点向第二交易节点发出的数字货币交易请求时,触发智能合约层的脚本自动运行。
数字货币交易所使用的数字货币交易平台一般采用如区块链、以太坊等技术,由于其不可逆性,当发生欺诈交易时,数字货币很难追回。如在网站上哄骗用户,让其给某个地址发送一定数量的数字货币,用户可以赚取更高收益。用户无法分别其是否诈骗行为,当用户向该地址交易数字货币后,交易的数字货币无法追回,给用户造成财产损失。基于这种情况,可以在支持数字货币交易的数字货币交易平台中,对数字货币交易进行监控。监控可以通过智能合约层实现。在智能合约层可以预先编写条件,当该条件被触发时,会执行相应的合同条款。具体的,当监控到第一交易节点向第二交易节点发出数字货币交易请求时,即满足数字货币交易请求条件时,触发智能合约层的脚本自动运行,以便对该交易进行检测(合同条款)。
步骤S102,在脚本运行过程中,根据第二交易节点的地址信息判断此次数字货币交易是否安全。
在脚本运行过程中,主要对交易收款方即第二交易节点进行检测,判断数字货币交易是否安全。具体的,检测第二交易节点的地址信息,判断第二交易节点的地址信息是否属于智能合约层的黑名单,若是,则判定此次数字货币交易不安全,执行步骤S103。此处,智能合约层的黑名单包含了预先收集的恶意交易节点的地址信息。其中,恶意交易节点为存在盗币、欺诈、爆破或恶意攻击等异常行为的节点。如某交易节点被发现进行过欺诈交易,或盗取其他节点的数字货币,将该交易节点的地址信息保存在智能合约层的黑名单中。当第二交易节点的地址信息与黑名单中该交易节点的地址信息一致时,判断第二交易节点为恶意交易节点,本次的数字货币交易不安全。
进一步,当判断第二交易节点的地址信息不属于智能合约层的黑名单后,继续判断第二交易节点的地址信息是否属于智能合约层的灰名单,若是,则判定此次数字货币交易不安全,执行步骤S103。此处,智能合约层的灰名单包含了预先收集的疑似恶意交易节点的地址信息。其中,疑似恶意交易节点为可能存在盗币、欺诈、爆破或恶意攻击等异常行为的交易节点,由于其存在较大的嫌疑,如其可能与恶意交易节点进行过数字货币交易,存在洗钱、帮助恶意交易节点进行财产转移等嫌疑,因此,需要提醒用户注意,避免上当受骗。
步骤S103,对此次数字货币交易进行拦截或预警处理。
当判断本次数字交易不安全时,需对数字货币交易进行处理,以保障用户利益不被损害。在处理时,根据不同的情况,如第二交易节点的地址信息属于智能合约层的黑名单,即第二交易节点为恶意交易节点,直接对数字货币交易进行拦截处理,避免欺诈交易。或第二交易节点的地址信息属于智能合约层的灰名单,即第二交易节点为疑似恶意交易节点,对数字货币交易进行预警处理,提醒用户注意第二交易节点的可疑性,用户可以再核查后再确定是否进行数字货币交易,降低交易风险。
根据本发明提供的基于智能合约的数字货币交易方法,当监控到第一交易节点向第二交易节点发出的数字货币交易请求时,触发智能合约层的脚本自动运行;在脚本运行过程中,根据第二交易节点的地址信息判断此次数字货币交易是否安全;若否,则对此次数字货币交易进行拦截或预警处理。本发明对第一交易节点的交易请求进行监控,利用智能合约对交易对象即第二交易节点的地址信息进行判断,若此次数字货币交易不安全,可以在交易前进行拦截或预警处理,最大限定的保障了交易安全,避免用户造成不可挽回的经济损失。本发明基于数字货币交易的特性,在不影响数字货币本身的正常交易情况下,利用智能合约对交易进行判断,可以有效拦截不安全的交易,处理简便易实施。
图2示出了根据本发明另一个实施例的基于智能合约的数字货币交易方法的流程图。如图2所示,基于智能合约的数字货币交易方法具体包括如下步骤:
步骤S201,获取交易节点的交易信息,并对交易信息进行分析,得到交易节点的交易行为特征。
在数字货币交易平台中,包含多个交易节点。每个交易节点都有其地址信息和交易信息,且地址信息和交易信息一般是公开的。交易信息中包括有交易时间、交易地址和/或交易数额等信息。对于一个交易节点,在一条交易信息中的交易地址信息包括有两个地址,分别为交易支出方地址和交易接收方地址,其中,一个地址为该交易节点本身的地址,另一个地址为与该交易节点进行交易的其他交易节点的地址。交易信息能够充分反映交易节点的交易行为,具体地,根据交易信息可获知交易节点在具体什么时间将多少数额的数字货币支出给哪些交易节点,以及获知交易节点在具体什么时间接收到哪些交易节点支出的多少数额的数字货币。为了得到交易节点的交易行为特征,需要先获取交易节点的交易信息。具体地,可获取交易节点所有的交易信息,或者仅获取交易时间在预设时间范围内的交易信息。本领域技术人员可根据实际需要获取交易信息,此处不做具体限定。
在获取了交易节点的交易信息之后,可利用预设算法对所获取的交易信息中的各信息进行分析,从而得到交易节点的交易行为特征。具体地,交易行为特征可包括以下特征中的一种或多种:交易时间特征、交易频率特征、交易地址特征和交易数额特征。对于交易节点的交易时间特征和交易频率特征,可通过对交易节点的交易信息中的交易时间进行分析得到;对于交易地址特征,可通过对交易节点的交易信息中的交易地址进行分析得到;对于交易数额特征,可通过对交易节点的交易信息中的交易数额进行分析得到。例如,对于某个交易节点,分析得到的交易频率特征为每分钟交易10次,交易数额特征为每次接收到的交易数额为1至2个虚拟数字货币。
步骤S202,根据交易节点的交易行为特征,确定交易节点的画像数据。
在数字货币交易平台中,可按照交易节点的工作情况将各个交易节点的类型划分为如矿工节点、普通交易节点、疑似恶意交易节点、恶意交易节点、代币发行节点等,其中,矿工节点是指贡献算力、处于挖矿状态的交易节点,普通交易节点是指不处于挖矿状态且不存在盗币、欺诈、爆破或恶意攻击等异常行为的交易节点,疑似恶意交易节点是指可能存在上述异常行为的交易节点,恶意交易节点是指确定存在上述异常行为的交易节点,代币发行节点是指筹措资金、提供代币发行服务的交易节点。不同类型的交易节点具有不同的交易行为特征,处于不同时区的交易节点也具有不同的交易行为特征。因此,可根据交易节点的交易行为特征,确定交易节点的类型、所处时区等数据,从而得到交易节点的画像数据。其中,画像数据可包括:交易节点的类型、交易节点所处时区等数据。
为了便于确定交易节点的画像数据,可对已知类型、已知所处时区等的预设节点的交易信息进行分析,得到预设节点的交易行为特征。其中,预设节点包括:矿工节点、普通交易节点、疑似恶意交易节点、恶意交易节点、代币发行节点等。本实施例中主要为确定疑似恶意交易节点和恶意交易节点。因此,主要以疑似恶意交易节点和恶意交易节点为主,对疑似恶意交易节点和恶意交易节点的交易信息中的交易时间、交易地址和/或交易数额进行分析,得到其交易时间特征、交易频率特征、交易地址特征和/或交易数额特征。
步骤S203,根据所确定的交易节点的画像数据,确定交易节点为恶意交易节点或疑似恶意交易节点。
根据所确定的交易节点的画像数据可知,哪些交易节点为恶意交易节点,哪些交易节点为疑似恶意交易节点。
在另一种可选的实施方式中,在确定交易节点的画像数据时,还可以利用深度学习方法。深度学习是机器学习中一种基于对数据进行表征学习的方法。可利用深度学习的识别方法对交易节点的交易行为特征进行识别处理,确定交易节点的画像数据。例如,可利用深度学习方法预先训练得到节点画像数据识别网络,然后通过节点画像数据识别网络来确定交易节点的画像数据,其中,节点画像数据识别网络可根据已知类型、已知所处时区等的交易节点的交易行为特征训练得到。具体地,将交易节点的交易行为特征输入至预先训练的节点画像数据识别网络中,输出得到交易节点的画像数据。
步骤S204,获取交易节点的交易信息,根据交易信息确定与交易节点具有关联关系的关联节点。
疑似恶意交易节点是指可能存在盗币、欺诈、爆破或恶意攻击等异常行为的交易节点。疑似恶意交易节点大多是通过多次交易的方式将数字货币传导至其他交易节点,然后再由其他交易节点与数字货币交易平台进行交易,从而将数字货币转换成现实社会中流通的货币。考虑到疑似恶意交易节点的特性,因此,为便于确定疑似恶意交易节点,可根据交易节点的交易信息,获取与交易节点具有关联关系的关联节点,根据关联节点是否为恶意交易节点可以对交易节点进行判断。此处,关联关系包括直接的交易关系和间接的交易关系,与交易节点具有关联关系的关联节点是指与交易节点具有直接的交易关系的交易节点和具有间接的交易关系的交易节点。例如,交易节点A与交易节点B之间进行过交易,交易节点B与交易节点C之间进行过交易,交易节点C与交易节点D之间进行过交易,那么交易节点B是与交易节点A具有直接的交易关系的交易节点,交易节点C和交易节点D是与交易节点A具有间接的交易关系的交易节点,交易节点B、交易节点C和交易节点D均为与交易节点具有关联关系的关联节点。进一步,在确定关联节点时,可以对交易次数进行限定,当与交易节点的交易次数超过预设阈值时,确认其为关联节点,如交易节点B与交易节点A进行过10次交易,交易节点E与交易节点A进行过1次交易,交易次数阈值为8,交易节点B为交易节点A的关联节点。或者,还可以对交易金额进行限定,当与交易节点的交易金额超过预设阈值时,确认其为关联节点,如交易节点B与交易节点A的交易金额为1000数字货币,交易节点E与交易节点A的交易金额为200数字货币,交易金额阈值为500数字货币,交易节点B为交易节点A的关联节点。
步骤S205,判断任一关联节点是否为恶意交易节点。
判断与交易节点具有关联关系的关联节点中,是否存在恶意交易节点。即当交易节点A的关联节点(交易节点B、交易节点C和交易节点D)中任一关联节点为恶意交易节点时,执行步骤S206,确定交易节点A为疑似恶意交易节点。
在判断任一关联节点是否为恶意交易节点时,可以采用步骤S201-S203的描述,也可以根据预先知晓的恶意交易节点名单进行判断。
步骤S206,确定交易节点为疑似恶意交易节点。
此处,除确定交易节点为疑似恶意交易节点外,还可以确定其各个关联节点中除恶意交易节点外的其他关联节点也为疑似恶意交易节点。
步骤S207,收集恶意交易节点的地址信息写入黑名单。
将确定的恶意交易节点的地址信息写入至黑名单。黑名单可以保存在智能合约层,便于后续快速判断第二交易节点的地址信息是否属于黑名单。进一步,黑名单可以定期进行更新,将执行步骤S201-S203确定得到的恶意交易节点的地址信息更新至黑名单中,或者,还可以将用户举报查证核实的恶意交易节点更新至黑名单中。
步骤S208,收集疑似恶意交易节点的地址信息写入灰名单。
将确定的疑似恶意交易节点的地址信息写入至灰名单。灰名单可以保存在智能合约层,便于后续快速判断第二交易节点的地址信息是否属于灰名单。进一步,灰名单可以定期进行更新,将执行步骤S201-S203以及执行步骤S204-S206确定得到的疑似恶意交易节点的地址信息更新至灰名单中。
步骤S209,当监控到第一交易节点向第二交易节点发出的数字货币交易请求时,触发智能合约层的脚本自动运行。
步骤S210,在脚本运行过程中,根据第二交易节点的地址信息判断此次数字货币交易是否安全。
步骤S211,对此次数字货币交易进行拦截或预警处理。
以上步骤参照图1实施例中的步骤S101-S103的描述,在此不再赘述。
根据本发明提供的基于智能合约的数字货币交易方法,通过分析交易节点的交易信息,能够方便地获得交易节点的交易行为特征;并且将交易节点的交易行为特征与预设节点的交易行为特征进行匹配或者利用节点画像数据识别网络对交易节点的交易行为特征进行识别处理,能够精准地确定交易节点的画像数据,从而确定恶意交易节点和疑似恶意交易节点。并利用交易节点的交易信息便捷地获取交易节点的关联节点,通过对关联节点是否恶意交易节点的判断,确定交易节点是否为疑似恶意交易节点。将确认的恶意交易节点的地址信息记录在黑名单中,将确认的疑似恶意交易节点的地址信息记录在灰名单中。方便在数字货币交易请求发生时,基于智能合约,对数字货币交易的第二交易节点的地址信息进行判断,将其与黑名单和灰名单中的地址信息进行比对,可以拦截欺诈交易,并对不安全的交易进行预警,降低交易风险。
图3示出了根据本发明一个实施例的基于智能合约的数字货币交易装置的功能框图。如图3所示,基于智能合约的数字货币交易装置包括如下模块:
触发模块301适于:当监控到第一交易节点向第二交易节点发出的数字货币交易请求时,触发智能合约层的脚本自动运行。
判断模块302适于:在脚本运行过程中,根据第二交易节点的地址信息判断此次数字货币交易是否安全。
处理模块303适于:若判断模块302判断此次数字货币交易不安全,则对此次数字货币交易进行拦截或预警处理。
判断模块302进一步适于:判断第二交易节点的地址信息是否属于智能合约层的黑名单,若是,则判定此次数字货币交易不安全。
判断模块302进一步适于:判断第二交易节点的地址信息是否属于智能合约层的灰名单,若是,则判定此次数字货币交易不安全。
可选地,装置还包括:黑名单模块304适于:预先收集恶意交易节点的地址信息写入黑名单。
可选地,装置还包括:灰名单模块305适于:预先收集疑似恶意交易节点的地址信息写入灰名单。
可选地,装置还包括:
行为特征获取模块306适于:获取交易节点的交易信息,并对交易信息进行分析,得到交易节点的交易行为特征。
画像模块307适于:根据交易节点的交易行为特征,确定交易节点的画像数据。
第一确定模块308适于:根据所确定的交易节点的画像数据,确定交易节点为恶意交易节点或疑似恶意交易节点。
可选地,装置还包括:
关联模块309适于:获取交易节点的交易信息,根据交易信息确定与交易节点具有关联关系的关联节点。
第二确定模块310适于:若任一关联节点为恶意交易节点,确定交易节点为疑似恶意交易节点。
根据本发明提供的基于智能合约的数字货币交易装置,当监控到第一交易节点向第二交易节点发出的数字货币交易请求时,触发智能合约层的脚本自动运行;在脚本运行过程中,根据第二交易节点的地址信息判断此次数字货币交易是否安全;若否,则对此次数字货币交易进行拦截或预警处理。本发明对第一交易节点的交易请求进行监控,利用智能合约对交易对象即第二交易节点的地址信息进行判断,若此次数字货币交易不安全,可以在交易前进行拦截或预警处理,最大限定的保障了交易安全,避免用户造成不可挽回的经济损失。本发明基于数字货币交易的特性,在不影响数字货币本身的正常交易情况下,利用智能合约对交易进行判断,可以有效拦截不安全的交易,处理简便易实施。进一步,通过分析交易节点的交易信息,能够方便地获得交易节点的交易行为特征;并且将交易节点的交易行为特征与预设节点的交易行为特征进行匹配或者利用节点画像数据识别网络对交易节点的交易行为特征进行识别处理,能够精准地确定交易节点的画像数据,从而确定恶意交易节点和疑似恶意交易节点。并利用交易节点的交易信息便捷地获取交易节点的关联节点,通过对关联节点是否恶意交易节点的判断,确定交易节点是否为疑似恶意交易节点。将确认的恶意交易节点的地址信息记录在黑名单中,将确认的疑似恶意交易节点的地址信息记录在灰名单中,黑名单和灰名单保存在智能合约层,方便对交易进行检测。
本申请还提供了一种非易失性计算机存储介质,所述计算机存储介质存储有至少一可执行指令,该计算机可执行指令可执行上述任意方法实施例中的基于智能合约的数字货币交易方法。
图4示出了根据本发明一个实施例的一种计算设备的结构示意图,本发明具体实施例并不对计算设备的具体实现做限定。
如图4所示,该计算设备可以包括:处理器(processor)402、通信接口(Communications Interface)404、存储器(memory)406、以及通信总线408。
其中:
处理器402、通信接口404、以及存储器406通过通信总线408完成相互间的通信。
通信接口404,用于与其它设备比如客户端或其它服务器等的网元通信。
处理器402,用于执行程序410,具体可以执行上述基于智能合约的数字货币交易方法实施例中的相关步骤。
具体地,程序410可以包括程序代码,该程序代码包括计算机操作指令。
处理器402可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。计算设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器406,用于存放程序410。存储器406可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序410具体可以用于使得处理器402执行上述任意方法实施例中的基于智能合约的数字货币交易方法。程序410中各步骤的具体实现可以参见上述基于智能合约的数字货币交易实施例中的相应步骤和单元中对应的描述,在此不赘述。所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的设备和模块的具体工作过程,可以参考前述方法实施例中的对应过程描述,在此不再赘述。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的基于智能合约的数字货币交易装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
本发明公开了:A1.一种基于智能合约的数字货币交易方法,其包括:
当监控到第一交易节点向第二交易节点发出的数字货币交易请求时,触发智能合约层的脚本自动运行;
在所述脚本运行过程中,根据第二交易节点的地址信息判断此次数字货币交易是否安全;
若否,则对此次数字货币交易进行拦截或预警处理。
A2.根据A1所述的方法,其中,所述根据第二交易节点的地址信息判断此次数字货币交易是否安全进一步包括:
判断所述第二交易节点的地址信息是否属于智能合约层的黑名单,若是,则判定此次数字货币交易不安全。
A3.根据A1或A2所述的方法,其中,所述根据第二交易节点的地址信息判断此次数字货币交易是否安全进一步包括:
判断所述第二交易节点的地址信息是否属于智能合约层的灰名单,若是,则判定此次数字货币交易不安全。
A4.根据A2或A3所述的方法,其中,所述方法还包括:预先收集恶意交易节点的地址信息写入所述黑名单。
A5.根据A3所述的方法,其中,所述方法还包括:预先收集疑似恶意交易节点的地址信息写入所述灰名单。
A6.根据A4或A5所述的方法,其中,所述方法还包括:
获取交易节点的交易信息,并对所述交易信息进行分析,得到所述交易节点的交易行为特征;
根据所述交易节点的交易行为特征,确定所述交易节点的画像数据;
根据所确定的所述交易节点的画像数据,确定所述交易节点为恶意交易节点或疑似恶意交易节点。
A7.根据A6所述的方法,其中,所述方法还包括:
获取交易节点的交易信息,根据所述交易信息确定与所述交易节点具有关联关系的关联节点;
若所述任一关联节点为恶意交易节点,确定所述交易节点为疑似恶意交易节点。
本发明还公开了:B8.一种基于智能合约的数字货币交易装置,其包括:
触发模块,适于当监控到第一交易节点向第二交易节点发出的数字货币交易请求时,触发智能合约层的脚本自动运行;
判断模块,适于在所述脚本运行过程中,根据第二交易节点的地址信息判断此次数字货币交易是否安全;
处理模块,适于若所述判断模块判定此次数字货币交易不安全,则对此次数字货币交易进行拦截或预警处理。
B9.根据B8所述的装置,其中,所述判断模块进一步适于:
判断所述第二交易节点的地址信息是否属于智能合约层的黑名单,若是,则判定此次数字货币交易不安全。
B10.根据B8或B9所述的装置,其中,所述判断模块进一步适于:
判断所述第二交易节点的地址信息是否属于智能合约层的灰名单,若是,则判定此次数字货币交易不安全。
B11.根据B9或B10所述的装置,其中,所述装置还包括:
黑名单模块,适于预先收集恶意交易节点的地址信息写入所述黑名单。
B12.根据B10所述的装置,其中,所述装置还包括:
灰名单模块,适于预先收集疑似恶意交易节点的地址信息写入所述灰名单。
B13.根据B11或B12所述的装置,其中,所述装置还包括:
行为特征获取模块,适于获取交易节点的交易信息,并对所述交易信息进行分析,得到所述交易节点的交易行为特征;
画像模块,适于根据所述交易节点的交易行为特征,确定所述交易节点的画像数据;
第一确定模块,适于根据所确定的所述交易节点的画像数据,确定所述交易节点为恶意交易节点或疑似恶意交易节点。
B14.根据B13所述的装置,其中,所述装置还包括:
关联模块,适于获取交易节点的交易信息,根据所述交易信息确定与所述交易节点具有关联关系的关联节点;
第二确定模块,适于若所述任一关联节点为恶意交易节点,确定所述交易节点为疑似恶意交易节点。
本发明还公开了:C15.一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如A1-A7中任一项所述的基于智能合约的数字货币交易方法对应的操作。
本发明还公开了:D16.一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如A1-A7中任一项所述的基于智能合约的数字货币交易方法对应的操作。
Claims (10)
1.一种基于智能合约的数字货币交易方法,其包括:
当监控到第一交易节点向第二交易节点发出的数字货币交易请求时,触发智能合约层的脚本自动运行;
在所述脚本运行过程中,根据第二交易节点的地址信息判断此次数字货币交易是否安全;
若否,则对此次数字货币交易进行拦截或预警处理。
2.根据权利要求1所述的方法,其中,所述根据第二交易节点的地址信息判断此次数字货币交易是否安全进一步包括:
判断所述第二交易节点的地址信息是否属于智能合约层的黑名单,若是,则判定此次数字货币交易不安全。
3.根据权利要求1或2所述的方法,其中,所述根据第二交易节点的地址信息判断此次数字货币交易是否安全进一步包括:
判断所述第二交易节点的地址信息是否属于智能合约层的灰名单,若是,则判定此次数字货币交易不安全。
4.根据权利要求2或3所述的方法,其中,所述方法还包括:预先收集恶意交易节点的地址信息写入所述黑名单。
5.根据权利要求3所述的方法,其中,所述方法还包括:预先收集疑似恶意交易节点的地址信息写入所述灰名单。
6.根据权利要求4或5所述的方法,其中,所述方法还包括:
获取交易节点的交易信息,并对所述交易信息进行分析,得到所述交易节点的交易行为特征;
根据所述交易节点的交易行为特征,确定所述交易节点的画像数据;
根据所确定的所述交易节点的画像数据,确定所述交易节点为恶意交易节点或疑似恶意交易节点。
7.根据权利要求6所述的方法,其中,所述方法还包括:
获取交易节点的交易信息,根据所述交易信息确定与所述交易节点具有关联关系的关联节点;
若所述任一关联节点为恶意交易节点,确定所述交易节点为疑似恶意交易节点。
8.一种基于智能合约的数字货币交易装置,其包括:
触发模块,适于当监控到第一交易节点向第二交易节点发出的数字货币交易请求时,触发智能合约层的脚本自动运行;
判断模块,适于在所述脚本运行过程中,根据第二交易节点的地址信息判断此次数字货币交易是否安全;
处理模块,适于若所述判断模块判定此次数字货币交易不安全,则对此次数字货币交易进行拦截或预警处理。
9.一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-7中任一项所述的基于智能合约的数字货币交易方法对应的操作。
10.一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如权利要求1-7中任一项所述的基于智能合约的数字货币交易方法对应的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810322480.1A CN108537668A (zh) | 2018-04-11 | 2018-04-11 | 基于智能合约的数字货币交易方法及装置、计算设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810322480.1A CN108537668A (zh) | 2018-04-11 | 2018-04-11 | 基于智能合约的数字货币交易方法及装置、计算设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108537668A true CN108537668A (zh) | 2018-09-14 |
Family
ID=63479675
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810322480.1A Pending CN108537668A (zh) | 2018-04-11 | 2018-04-11 | 基于智能合约的数字货币交易方法及装置、计算设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108537668A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109345390A (zh) * | 2018-09-25 | 2019-02-15 | 深圳市元征科技股份有限公司 | 一种智能合约访问方法、系统、设备及计算机存储介质 |
CN109767329A (zh) * | 2018-12-29 | 2019-05-17 | 北京金山安全软件有限公司 | 一种异常交易检测方法、装置、电子设备及存储介质 |
CN110225060A (zh) * | 2019-06-26 | 2019-09-10 | 深圳市元征科技股份有限公司 | 一种恶意攻击处理方法、装置、设备及可读存储介质 |
CN110717828A (zh) * | 2019-09-09 | 2020-01-21 | 中国科学院计算技术研究所 | 一种基于频繁交易模式的异常账户检测方法及系统 |
CN112132558A (zh) * | 2020-08-16 | 2020-12-25 | 中信银行股份有限公司 | 基于智能合约的数字货币交易方法、装置及电子设备 |
WO2021027505A1 (zh) * | 2019-08-15 | 2021-02-18 | 深圳壹账通智能科技有限公司 | 基于智能合约的数据处理方法及相关装置 |
CN115660837A (zh) * | 2022-09-05 | 2023-01-31 | 淮阴工学院 | 一种基于知识图谱的虚拟货币地址画像构建方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020526A (zh) * | 2012-12-21 | 2013-04-03 | 北京奇虎科技有限公司 | 恶意程序主动拦截方法和装置及客户端设备 |
CN105608146A (zh) * | 2015-12-17 | 2016-05-25 | 布比(北京)网络技术有限公司 | 一种区块链溯源追踪方法 |
CN105761000A (zh) * | 2016-02-17 | 2016-07-13 | 中国工商银行股份有限公司 | 交易数据处理及风险预警系统和方法 |
CN105894380A (zh) * | 2016-04-05 | 2016-08-24 | 邓迪 | 数字货币征信系统及方法 |
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系统及方法 |
CN107358526A (zh) * | 2017-06-26 | 2017-11-17 | 中国人民银行数字货币研究所 | 一种紧急交易的方法和装置 |
CN107767138A (zh) * | 2017-10-20 | 2018-03-06 | 杭州呯嘭智能技术有限公司 | 在线支付反欺诈方法及系统 |
-
2018
- 2018-04-11 CN CN201810322480.1A patent/CN108537668A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020526A (zh) * | 2012-12-21 | 2013-04-03 | 北京奇虎科技有限公司 | 恶意程序主动拦截方法和装置及客户端设备 |
CN105608146A (zh) * | 2015-12-17 | 2016-05-25 | 布比(北京)网络技术有限公司 | 一种区块链溯源追踪方法 |
CN105761000A (zh) * | 2016-02-17 | 2016-07-13 | 中国工商银行股份有限公司 | 交易数据处理及风险预警系统和方法 |
CN105894380A (zh) * | 2016-04-05 | 2016-08-24 | 邓迪 | 数字货币征信系统及方法 |
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系统及方法 |
CN107358526A (zh) * | 2017-06-26 | 2017-11-17 | 中国人民银行数字货币研究所 | 一种紧急交易的方法和装置 |
CN107767138A (zh) * | 2017-10-20 | 2018-03-06 | 杭州呯嘭智能技术有限公司 | 在线支付反欺诈方法及系统 |
Non-Patent Citations (1)
Title |
---|
张高煜 主编: "《互联网金融营销》", 31 August 2016, 中国财富出版社 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109345390A (zh) * | 2018-09-25 | 2019-02-15 | 深圳市元征科技股份有限公司 | 一种智能合约访问方法、系统、设备及计算机存储介质 |
CN109767329A (zh) * | 2018-12-29 | 2019-05-17 | 北京金山安全软件有限公司 | 一种异常交易检测方法、装置、电子设备及存储介质 |
CN110225060A (zh) * | 2019-06-26 | 2019-09-10 | 深圳市元征科技股份有限公司 | 一种恶意攻击处理方法、装置、设备及可读存储介质 |
WO2021027505A1 (zh) * | 2019-08-15 | 2021-02-18 | 深圳壹账通智能科技有限公司 | 基于智能合约的数据处理方法及相关装置 |
CN110717828A (zh) * | 2019-09-09 | 2020-01-21 | 中国科学院计算技术研究所 | 一种基于频繁交易模式的异常账户检测方法及系统 |
CN110717828B (zh) * | 2019-09-09 | 2022-09-30 | 中国科学院计算技术研究所 | 一种基于频繁交易模式的异常账户检测方法及系统 |
CN112132558A (zh) * | 2020-08-16 | 2020-12-25 | 中信银行股份有限公司 | 基于智能合约的数字货币交易方法、装置及电子设备 |
CN112132558B (zh) * | 2020-08-16 | 2023-05-23 | 中国人民银行数字货币研究所 | 基于智能合约的数字货币交易方法、装置及电子设备 |
CN115660837A (zh) * | 2022-09-05 | 2023-01-31 | 淮阴工学院 | 一种基于知识图谱的虚拟货币地址画像构建方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108537668A (zh) | 基于智能合约的数字货币交易方法及装置、计算设备 | |
AU2002244117B2 (en) | System and method for depicting on-line transactions | |
US8458090B1 (en) | Detecting fraudulent mobile money transactions | |
US9953321B2 (en) | Card fraud detection utilizing real-time identification of merchant test sites | |
CN108564469A (zh) | 区块链节点的画像数据获取方法、装置及计算设备 | |
CN108537546A (zh) | 基于地址树的节点身份追踪方法、装置及计算设备 | |
CN108734380A (zh) | 风险账户判定方法、装置及计算设备 | |
CN108615144A (zh) | 区块链节点的身份信息处理方法、装置及计算设备 | |
CN108320154A (zh) | 一种数字钱包资产保护方法、装置、电子设备及存储介质 | |
EP3910582A1 (en) | System, method and computer-accessible medium for early merchant breach fraud detection | |
CN107122666A (zh) | 金融应用的风险评估方法及装置 | |
KR102141947B1 (ko) | 스크래퍼를 이용한 암호화폐 거래 추적 장치 및 방법 | |
AU2018220785B2 (en) | An apparatus, computer program and method | |
CN107563885A (zh) | 一种套现识别方法和装置 | |
WO2021053646A1 (en) | Detection of presence of malicious tools on mobile devices | |
Nabi et al. | A process of security assurance properties unification for application logic | |
Reardon et al. | Visualization of ATM usage patterns to detect counterfeit cards usage | |
Hassan et al. | A penetration testing on Malaysia popular e-wallets and m-banking apps | |
CN112330355A (zh) | 消费券交易数据处理方法、装置、设备及存储介质 | |
Jain et al. | A novel approach in credit card fraud detection system using machine learning techniques | |
Meltsov et al. | Development of an Intelligent Module for Monitoring and Analysis of Client's Bank Transactions | |
Yousaf | Investigating transactions in cryptocurrencies | |
CN108292404A (zh) | 将支付账户识别到区段的系统和方法 | |
Gupta | Analysis of Various Credit Card Fraud Detection Techniques | |
Sharma et al. | A Research Paper on the Detection of Credit Card Fraud Using Machine Learning |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180914 |