CN111047448A - 多通道数据融合的分析方法及装置 - Google Patents
多通道数据融合的分析方法及装置 Download PDFInfo
- Publication number
- CN111047448A CN111047448A CN201911392756.4A CN201911392756A CN111047448A CN 111047448 A CN111047448 A CN 111047448A CN 201911392756 A CN201911392756 A CN 201911392756A CN 111047448 A CN111047448 A CN 111047448A
- Authority
- CN
- China
- Prior art keywords
- transaction
- analysis
- address
- channel data
- data fusion
- 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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
- G06F16/2255—Hash tables
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- 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
- G06Q20/389—Keeping log of transactions for guaranteeing non-repudiation of a 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)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Technology Law (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了多通道数据融合的分析方法,包括:根据恶意数字货币地址为种子,从暗网中爬取交易数据,所述交易数据包括交易地址及交易内容;将具有相同身份标识的交易地址的交易内容合并;结合区块链交易流分析和明网数据分析,对交易地址的身份标识进行信息补充。本发明还提供了多通道数据融合的分析装置。本发明通过对互联网和暗网信息进行关联分析,能有效弥补主被动分析方法的问题。
Description
技术领域
本发明涉及网络内容关联分析技术。更具体地说,本发明涉及基于区块链的数字货币在开放的网络空间及相关隐匿环境下的多通道数据融合的分析方法及装置。
背景技术
比特币起源于化名为中本聪的文章,是一个全球共享的分布式、去中心化的账本系统,是目前区块链技术最成功的应用之一。基于区块链的数字货币层出不穷,它们具有较强的隐匿性,数字货币很难进行有效管理。目前国内外针对数字货币管理的研究相对较少,现有的研究主要分为两类:主动探测和被动分析。
主动探测方面,主要是网络层溯源技术,通过分析比特币网络层传输的信息,发现特定信息在比特币网络中的传播路径,进而推测交易的始发节点。高峰等人提出了一种基于主动嗅探邻居节点的识别机制进行服务器节点溯源方法,但其方法有预知目标节点IP的假设和对网络延迟时间一致的依赖性,并且缺少对客户端节点的溯源应用分析,缺少很强的应用性。另外,此类方案需要持续向比特币网路中的节点发送信息,资源依赖性较强。
被动分析方面,主要是交易关联技术,通过分析比特币账本中交易记录推测不同交易之间的关系,如交易规律、资金流向、交易类型等等。Liao等人通过分析比特币交易数据,对勒索软件CryptoLocker的勒索过程进行了分析,找到了968个属于勒索组织的地址,鉴定出价值1128.40个比特币的赎金交易。基于交易关联分析的方法通常仅能获取地址间的关系,而不能直接获取用户的身份信息达到溯源的目的。而且,一旦用户采用一次性地址策略或交易混淆策略,这种方法的准确度会受到显著影响。
在基于区块链技术的数字货币中,钱包地址与用户身份很难结合起来,不利于推测用户的身份信息,更难验证信息的有效性和真实性。因此,亟需设计一种能够克服上述缺陷的技术方案。
发明内容
本发明的一个目的是提供一种多通道数据融合的分析方法及装置,通过对互联网和暗网信息进行关联分析,能有效弥补以上主被动分析方法的问题(被动分析无法确认用户标识,主动分析无法确认客户端节点标识)。
为了实现根据本发明的这些目的和其它优点,提供了多通道数据融合的分析方法,包括:
根据恶意数字货币地址为种子,从暗网中爬取交易数据,所述交易数据包括交易地址及交易内容;
将具有相同身份标识的交易地址的交易内容合并;
结合区块链交易流分析和明网数据分析,对交易地址的身份标识进行信息补充。
优选的是,所述的多通道数据融合的分析方法,将爬取得到的地址提交至交易数据库内查询,若不存在交易记录,则舍弃该地址。
优选的是,所述的多通道数据融合的分析方法,将交易数据存入数据库内,以交易地址为键值名,以交易内容为键值。
优选的是,所述的多通道数据融合的分析方法,计算具有相同身份标识的交易地址的哈希值,作为唯一标识。
优选的是,所述的多通道数据融合的分析方法,区块链交易流分析包括:
以恶意数字货币地址为根节点构建有向交易图,分析恶意数字货币地址的现金流向。
优选的是,所述的多通道数据融合的分析方法,在有向交易图中,根节点的后续节点通过交易关系查找交易地址得到。
优选的是,所述的多通道数据融合的分析方法,若交易地址为交易所地址,则不再分析现金流向。
优选的是,所述的多通道数据融合的分析方法,明网数据分析包括:
利用交易地址为关键词,进行元搜索引擎搜索,获取网页内容,交易地址的身份标识进行信息补充。
本发明还提供了多通道数据融合的分析装置,包括:
处理器;
存储器,其存储有可执行指令;
其中,所述处理器被配置为执行所述可执行指令,以执行所述的多通道数据融合的分析方法。
本发明至少包括以下有益效果:1、本发明通过对互联网和暗网信息进行关联分析,能有效弥补以上主被动分析方法的最后一公里问题(被动分析无法确认用户标识,主动分析无法确认客户端节点标识)。2、本发明对多通道数据进行关联分析,通过关联分析解释通过数字货币进行的非法活动,对于基于匿名服务(区块链和暗网)的信息研究,对于及时发现敏感和有害信息、提升网信工作水平具有重要意义。3、本发明基于比特币、以太坊等数字货币地址,关联暗网及区块链和明网相关网络内容,构建了一个关联分析方法,该方法简称MultiMiner,能从多种数据通道中,将相关的内容及属性进行关联,有利于推测用户的身份信息。
本发明的其它优点、目标和特征将部分通过下面的说明体现,部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1为本发明的系统架构图;
图2为本发明的数据聚合图;
图3为本发明的恶意地址交易的有向图;
图4为Mal-based方法示例。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
应当理解,本文所使用的诸如“具有”、“包含”以及“包括”术语并不排除一个或多个其它元件或其组合的存在或添加。
在一种技术方案中,多通道数据融合的分析方法,包括:
根据恶意数字货币地址为种子,从暗网中爬取交易数据,所述交易数据包括交易地址及交易内容;
将具有相同身份标识的交易地址的交易内容合并;
结合区块链交易流分析和明网数据分析,对交易地址的身份标识进行信息补充。
在上述技术方案中,首先,通过接口获取暗网(Tor、ZeroNet、I2P)的数据,通过节点同步获取比特币、区块链等相关数据。然后进行关键属性抽取,分别抽取比特币地址、以太坊地址、暗网相关地址及其它属性相关内容。最后,关键属性及内容融合分析。本技术方案能从多种数据通道中,将相关的内容及属性进行关联,有利于推测用户的身份信息。
在另一种技术方案中,所述的多通道数据融合的分析方法,将爬取得到的地址提交至交易数据库内查询,若不存在交易记录,则舍弃该地址。不存在交易记录的地址没有分析意义,故舍弃。
在另一种技术方案中,所述的多通道数据融合的分析方法,将交易数据存入数据库内,以交易地址为键值名,以交易内容为键值。将交易数据以索引方式存入数据库,方便查找、分析。
在另一种技术方案中,所述的多通道数据融合的分析方法,计算具有相同身份标识的交易地址的哈希值,作为唯一标识。通过唯一标识简化存储,简化分析。
在另一种技术方案中,所述的多通道数据融合的分析方法,区块链交易流分析包括:
以恶意数字货币地址为根节点构建有向交易图,分析恶意数字货币地址的现金流向。通过分析现金流向溯源恶意行为。
在另一种技术方案中,所述的多通道数据融合的分析方法,在有向交易图中,根节点的后续节点通过交易关系查找交易地址得到。提供了构建有向交易图的一种方式,方便分析现金流向。
在另一种技术方案中,所述的多通道数据融合的分析方法,若交易地址为交易所地址,则不再分析现金流向。交易所地址一般不会涉及恶意行为,故不分析。
在另一种技术方案中,所述的多通道数据融合的分析方法,明网数据分析包括:
利用交易地址为关键词,进行元搜索引擎搜索,获取网页内容,交易地址的身份标识进行信息补充。这里方便将区块链交易流分析、明网数据分析、暗网数据结合分析,提高分析的准确性。
本发明还提供了多通道数据融合的分析装置,包括:
处理器;
存储器,其存储有可执行指令;
其中,所述处理器被配置为执行所述可执行指令,以执行所述的多通道数据融合的分析方法。
本技术方案基于与多通道数据融合的分析方法相同的发明构思得到,可参考方法部分的描述。本技术方案的装置不限于pc、终端、服务器。比如此装置可以设置在服务器中,进行数据爬取、分析。
这里说明的设备数量和处理规模是用来简化本发明的说明的。对本发明多通道数据融合的分析方法及装置的应用、修改和变化对本领域的技术人员来说是显而易见的。
以下以一个具体实施例具体说明:
MultiMiner系统架构图如图1所示,地址聚合图如图2所示,处理流程算法如算法2所示。
MultiMiner分为两部分:数据搜集和数据分析。数据搜集部分主要是搜集暗网中恶意交易的比特币(或以太坊)地址和相应的上下文信息;数据分析部分主要是针对暗网中出现的比特币(或以太坊)地址对其在区块链交易和普通互联网(即明网)中的上下文信息进行融合分析,目的是关联其在非暗网通道里的其它账号身份标识,便于追踪溯源分析。
1)数据搜集
首先以恶意数字货币地址为种子,从公开的暗网搜索引擎索引服务列表里的地址进行爬取数据,同时遍历其中的所有链接,对于获取的内容通过数字货币地址的正则表达式进行过滤,对于匹配的数据以“key-value”(以地址为key,以网址和内容为value)索引方式存储到数据库中。为了提高分析的准确率,通过正则匹配的所有比特币(或以太坊)地址都会被提交到比特币(或以太坊)的交易数据库里去查询,若不存在这个地址的交易记录,有两种可能:一是满足正则表达式的并不是真正的地址;二是地址是真实的,但还没有进行有效交易。满足正则表达式、但不存在交易记录的地址都会被过滤掉。
2)数据分析
(1)地址聚合
比特币(或以太坊)交易是一个从输入地址转移到输出地址的过程,虽然所有交易记录都可公开查询,但仅能获得地址之间的交易关系,并不能匹配到用户的真实身份信息,再加上每个用户可以产生多个交易地址,更增添了溯源分析的难度。
数字货币地址聚合分析采用了3种聚合方法。
A、多输入交易(Multi-input)中的所有地址有可能隶属于同一个用户,具有同一个私钥才能在一个交易中关联多个地址交易。
B、矿工交易(coinbase)中的所有输出地址有可能隶属于同一个用户。
C、输出地址中最少的量可能是找零地址,而找零地址(change address)可能与输入地址隶属于同一个用户。
(2)数据聚合
将数据库中满足同一身份标识地址的相关通道(暗网等通道)内容进行合并。如图2所示,相同身份标识的地址通过合并哈希生成唯一的键值作为唯一标识,相应的值为与其相关的通道数据(区块链、暗网等通道)。
(3)多通道关联分析
首先进行交易的流分析,评估相关的恶意地址数量和涉及的金额数目;其次,融合暗网中的比特币(或以太坊)地址标识、区块链交易流分析和明网数据分析,对地址标识进行标签补充,逐渐完善比特币(或以太坊)地址标识的画像信息补充,有利于提升比特币系统中恶意行为的溯源取证分析。
A.流分析
流分析是以比特币地址为根节点的有向图,通过按照交易时间构筑的一条交易链,通过交易链分析,能够找到相关比特币地址的关联关系,对于非法交易的分析具有重要作用。本部分提出了Mal-based流分析方法,主要分析目的有两个:一是评估相关的恶意地址数量;二是量化涉及的相关金额数目。
为了追踪和评估恶意区块链地址(比特币或以太坊币)的现金流向,本模块为每一个恶意地址构建了一个交易图,如图3所示。每一个交易图是一个以恶意地址为根结点的有向图,后续接点则是通过查找是否有与以根结点(或前序结点)相关的交易计算得出。对于每个交易(Transaction,TX),会通过边TxIn连接前序结点,通过TxOut连接后续结点,如果没有后续交易,连接相应地址(Add)的边会被标记为UTXO(Unspent Transaction Output)。在图3中,尽管有以Add2为输入结点的2个交易(TXD和TXE),我们的分析模块仅会选择TXD交易进行分析,因为TXD是来自TxOut(b),来自恶意地址的一条链。而不对交易TXE进行分析,是由于它的初始地址并非是恶意地址。
B.Mal-based量化恶意交易流方法
Mal-based方法关注基于一个恶意结点地址有多少资金流入了非法应用场所。这些信息对于衡量区块链相关交易地址的恶意性以及评估现有非法市场恶意资金的占有率都有着重要的意义。
图4通过Mal-based方法计算了一个交易图谱中相关目的地址的Mal值。这个交易图谱是以一个恶意地址作为根结点,以叶子结点作为目的地址。如图所示,初始恶意资金量是10BTC,通过交易TXA,产生两个地址Add1和Add2,分别有20%和80%的恶意资金流入这两个地址,地址Add1的Mal值为20%,在交易TXB中,地址Add3和Add4的Mal值分别为48%(0.8*0.6=0.48)和32%(0.8*0.4=0.32)。本模块不再对地址Add1、Add3和Add4接下来的交易进行分析,因为交易TXA里的Add1是UTXO,而交易TXB中的Add3和Add4是一个交易所地址。
C.关联分析
对于获取的大量比特币(或以太坊)地址,以他们的地址作为关键词,进行搜索引擎元搜索,获取与其相关的网页内容进行分析,一方面可以作为恶意地址信息在其它通道内容的补充,另一方面,还可以作为相关地址进行相关数据内容的融合与关联分析。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (9)
1.多通道数据融合的分析方法,其特征在于,包括:
根据恶意数字货币地址为种子,从暗网中爬取交易数据,所述交易数据包括交易地址及交易内容;
将具有相同身份标识的交易地址的交易内容合并;
结合区块链交易流分析和明网数据分析,对交易地址的身份标识进行信息补充。
2.如权利要求1所述的多通道数据融合的分析方法,其特征在于,将爬取得到的地址提交至交易数据库内查询,若不存在交易记录,则舍弃该地址。
3.如权利要求1所述的多通道数据融合的分析方法,其特征在于,将交易数据存入数据库内,以交易地址为键值名,以交易内容为键值。
4.如权利要求1所述的多通道数据融合的分析方法,其特征在于,计算具有相同身份标识的交易地址的哈希值,作为唯一标识。
5.如权利要求1所述的多通道数据融合的分析方法,其特征在于,区块链交易流分析包括:
以恶意数字货币地址为根节点构建有向交易图,分析恶意数字货币地址的现金流向。
6.如权利要求1所述的多通道数据融合的分析方法,其特征在于,在有向交易图中,根节点的后续节点通过交易关系查找交易地址得到。
7.如权利要求1所述的多通道数据融合的分析方法,其特征在于,若交易地址为交易所地址,则不再分析现金流向。
8.如权利要求1所述的多通道数据融合的分析方法,其特征在于,明网数据分析包括:
利用交易地址为关键词,进行元搜索引擎搜索,获取网页内容,交易地址的身份标识进行信息补充。
9.多通道数据融合的分析装置,其特征在于,包括:
处理器;
存储器,其存储有可执行指令;
其中,所述处理器被配置为执行所述可执行指令,以执行权利要求1~8任一所述的多通道数据融合的分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911392756.4A CN111047448A (zh) | 2019-12-30 | 2019-12-30 | 多通道数据融合的分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911392756.4A CN111047448A (zh) | 2019-12-30 | 2019-12-30 | 多通道数据融合的分析方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111047448A true CN111047448A (zh) | 2020-04-21 |
Family
ID=70241627
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911392756.4A Pending CN111047448A (zh) | 2019-12-30 | 2019-12-30 | 多通道数据融合的分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111047448A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111835573A (zh) * | 2020-05-19 | 2020-10-27 | 中国电子科技集团公司第三十研究所 | 一种ZeroNet网络服务站点代理关系测绘方法 |
CN112419061A (zh) * | 2020-11-20 | 2021-02-26 | 复旦大学 | 一种在区块链中多维度追踪资金流向的智能分析方法 |
CN113268760A (zh) * | 2021-07-19 | 2021-08-17 | 浙江数秦科技有限公司 | 一种基于区块链的分布式数据融合平台 |
CN113268649A (zh) * | 2021-03-04 | 2021-08-17 | 北京天润基业科技发展股份有限公司 | 基于多元化数据融合的线索监测方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107808000A (zh) * | 2017-11-13 | 2018-03-16 | 哈尔滨工业大学(威海) | 一种暗网数据采集与抽取系统及方法 |
CN108881491A (zh) * | 2018-08-07 | 2018-11-23 | 长沙拓扑陆川新材料科技有限公司 | 一种用于挖掘区块链中的块的方法及系统 |
CN109087079A (zh) * | 2018-07-09 | 2018-12-25 | 北京知帆科技有限公司 | 数字货币交易信息分析方法 |
US20190305957A1 (en) * | 2018-04-02 | 2019-10-03 | Ca, Inc. | Execution smart contracts configured to establish trustworthiness of code before execution |
CN110520881A (zh) * | 2017-04-07 | 2019-11-29 | 区块链控股有限公司 | 使用区块链的安全数据记录分发的方法和系统 |
CN110581892A (zh) * | 2019-09-17 | 2019-12-17 | 上海保险交易所股份有限公司 | 基于区块链的网络连接及恢复机制 |
-
2019
- 2019-12-30 CN CN201911392756.4A patent/CN111047448A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110520881A (zh) * | 2017-04-07 | 2019-11-29 | 区块链控股有限公司 | 使用区块链的安全数据记录分发的方法和系统 |
CN107808000A (zh) * | 2017-11-13 | 2018-03-16 | 哈尔滨工业大学(威海) | 一种暗网数据采集与抽取系统及方法 |
US20190305957A1 (en) * | 2018-04-02 | 2019-10-03 | Ca, Inc. | Execution smart contracts configured to establish trustworthiness of code before execution |
CN109087079A (zh) * | 2018-07-09 | 2018-12-25 | 北京知帆科技有限公司 | 数字货币交易信息分析方法 |
CN108881491A (zh) * | 2018-08-07 | 2018-11-23 | 长沙拓扑陆川新材料科技有限公司 | 一种用于挖掘区块链中的块的方法及系统 |
CN110581892A (zh) * | 2019-09-17 | 2019-12-17 | 上海保险交易所股份有限公司 | 基于区块链的网络连接及恢复机制 |
Non-Patent Citations (1)
Title |
---|
蔡霖翔: "区块链数字货币资金流追溯研究", 《社会科学Ⅰ辑》, no. 9, pages 22 - 48 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111835573A (zh) * | 2020-05-19 | 2020-10-27 | 中国电子科技集团公司第三十研究所 | 一种ZeroNet网络服务站点代理关系测绘方法 |
CN111835573B (zh) * | 2020-05-19 | 2022-03-18 | 中国电子科技集团公司第三十研究所 | 一种ZeroNet网络服务站点代理关系测绘方法 |
CN112419061A (zh) * | 2020-11-20 | 2021-02-26 | 复旦大学 | 一种在区块链中多维度追踪资金流向的智能分析方法 |
CN113268649A (zh) * | 2021-03-04 | 2021-08-17 | 北京天润基业科技发展股份有限公司 | 基于多元化数据融合的线索监测方法及系统 |
CN113268649B (zh) * | 2021-03-04 | 2023-12-19 | 北京天润基业科技发展股份有限公司 | 基于多元化数据融合的线索监测方法及系统 |
CN113268760A (zh) * | 2021-07-19 | 2021-08-17 | 浙江数秦科技有限公司 | 一种基于区块链的分布式数据融合平台 |
CN113268760B (zh) * | 2021-07-19 | 2021-11-02 | 浙江数秦科技有限公司 | 一种基于区块链的分布式数据融合平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Turner et al. | Bitcoin transactions: a digital discovery of illicit activity on the blockchain | |
CN111047448A (zh) | 多通道数据融合的分析方法及装置 | |
US20220027900A1 (en) | Cryptocurrency transaction analysis method and system | |
Pinna et al. | A petri nets model for blockchain analysis | |
Kuzuno et al. | Blockchain explorer: An analytical process and investigation environment for bitcoin | |
Spagnuolo et al. | Bitiodine: Extracting intelligence from the bitcoin network | |
Wu et al. | Towards understanding and demystifying bitcoin mixing services | |
US8909664B2 (en) | System and method for creating a list of shared information on a peer-to-peer network | |
Gao et al. | Tracking counterfeit cryptocurrency end-to-end | |
US11790016B2 (en) | Method, device and computer program for collecting data from multi-domain | |
Wu et al. | A bitcoin transaction network analytic method for future blockchain forensic investigation | |
CN110198248B (zh) | 检测ip地址的方法和装置 | |
CN107835132B (zh) | 一种流量来源跟踪的方法及装置 | |
Kang et al. | De-anonymization of the bitcoin network using address clustering | |
Khan | Graph analysis of the ethereum blockchain data: A survey of datasets, methods, and future work | |
CN110825950B (zh) | 一种基于元搜索的隐藏服务发现方法 | |
KR20180089479A (ko) | 사용자 데이터 공유 방법 및 디바이스 | |
Sharma et al. | Bitcoin’s blockchain data analytics: A graph theoretic perspective | |
Song et al. | Blockchain data analysis from the perspective of complex networks: Overview | |
Yu et al. | Implementation of search engine to minimize traffic using blockchain-based web usage history management system | |
Zhang et al. | CLTracer: a cross-ledger tracing framework based on address relationships | |
Agrawal et al. | Identifying fake news from twitter sharing data: a large-scale study | |
Abd-Allah et al. | DyadChurn: customer churn prediction using strong social ties | |
Li et al. | Understanding and Characterizing Cryptocurrency Free Giveaway and Arbitrage Bot Scams In the Wild | |
Xia et al. | The Devil Behind the Mirror: Tracking the Campaigns of Cryptocurrency Abuses on the Dark Web |
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 |