CN111160919B - 一种区块链地址风险评估方法及装置 - Google Patents
一种区块链地址风险评估方法及装置 Download PDFInfo
- Publication number
- CN111160919B CN111160919B CN201911408664.0A CN201911408664A CN111160919B CN 111160919 B CN111160919 B CN 111160919B CN 201911408664 A CN201911408664 A CN 201911408664A CN 111160919 B CN111160919 B CN 111160919B
- Authority
- CN
- China
- Prior art keywords
- risk
- transactions
- address
- transaction
- queried
- 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
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012502 risk assessment Methods 0.000 title claims abstract description 31
- 230000000694 effects Effects 0.000 claims abstract description 26
- 238000004900 laundering Methods 0.000 claims abstract description 23
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 10
- 238000013145 classification model Methods 0.000 claims description 8
- 230000006399 behavior Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000008485 antagonism Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000011001 backwashing Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2471—Distributed queries
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Software Systems (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Probability & Statistics with Applications (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Mathematical Physics (AREA)
- Technology Law (AREA)
- Fuzzy Systems (AREA)
- Computer Security & Cryptography (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种区块链地址风险评估方法及装置，其中方法包括：计算待查询地址在风险交易中接收到的风险资金的总额，风险交易为已经确定的参与洗钱活动的交易；根据待查询地址涉及到的风险交易的数量以及可疑交易的数量计算待查询地址的信用评分，可疑交易为所述风险交易预测的具有参与洗钱活动嫌疑的交易；根据待查询地址接收到的风险资金的总额以及信用评分，确定待查询地址的风险等级。本发明公开的技术方案实现了对某区块链地址已涉及和未来可能涉及风险事件的风险作出的评估，帮助用户快速评估区块链上的地址，通过降低风险资金的流通率打击利用加密货币进行的洗钱交易活动在区块链上的蔓延。
Description
技术领域
本发明涉及计算机技术领域，特别涉及一种区块链地址风险评估方法及装置。
背景技术
区块链加密货币由于其匿名性和去中心化的特点，被一些不法分子用来作为网络犯罪的工具。在基于区块链的加密货币系统中，一笔有黑钱嫌疑的风险资金经过混币商的“混币”操作后，可能会通过汇聚、分割、折叠、互换等方式将风险资金与其它渠道来源的正常资金进行混淆，发送到多个身份未知的地址，这些地址再将“混币”后的资金进行转移交易，因此在涉及一项风险事件的交易活动中会涉及到繁多的地址，并且每个地址对风险事件接事后洗钱活动的参与程度不同，如果能将各地址的风险程度评估出来，则有利于进一步挖掘洗钱活动的洗钱模型。因此如何查询区块链上的正常地址和可疑地址，如何根据地址参与风险活动的程度对地址进行风险评级成为区块链反洗钱领域中的必须面对的问题，目前市面上也缺少合理、有效地对区块链上地址进行风险评级的技术方案。
发明内容
为了解决现有技术的问题，本发明实施例提供了一种区块链地址风险评估方法。所述技术方案如下：
一方面，提供了一种区块链地址风险评估方法，所述方法包括：
计算待查询地址在风险交易中接收到的风险资金的总额，所述风险交易为已经确定的参与洗钱活动的交易；
根据所述待查询地址涉及到的所述风险交易的数量以及可疑交易的数量计算所述待查询地址的信用评分，所述可疑交易为所述风险交易预测的具有参与洗钱活动嫌疑的交易；
根据所述待查询地址接收到的所述风险资金的总额以及所述信用评分，确定所述待查询地址的风险等级。
进一步地，计算待查询地址在风险交易中接收到的风险资金的总额包括：
获取风险交易的哈希在区块链中的流转路径，将所述流转路径中涉及到的交易确定为所述风险交易；
将每笔所述风险交易接收到的其前序风险交易中的资金金额与该笔所述风险交易实际的转出的资金金额中较小值作为该笔所述风险交易接收到的所述风险资金的金额；
获取所述待查询地址涉及到的全部的所述风险交易，计算所述待查询地址接收到的所述风险资金的总额。
进一步地，获取所述可疑交易的数量包括：
利用可疑交易识别模型根据所述风险交易的交易信息，预测所述可疑交易，和/或，利用无监督学习算法识别交易特征，预测所述可疑交易。
进一步地，根据所述待查询地址接收到的所述风险资金的总额以及所述信用评分，确定所述待查询地址的风险等级包括：
将所述待查询地址接收到的所述风险资金的总额以及所述信用评分输入到风险分级模型中获得所述待查询地址的风险等级，其中所述风险分级模型为根据已知身份地址的风险资金金额及信用评分训练获得。
进一步地，根据所述待查询地址涉及到的所述风险交易的数量以及可疑交易的数量计算所述待查询地址的信用评分包括：
统计所述待查询地址作为资金接收方涉及的交易总数量，以及其中包括的所述风险交易的数量、所述可疑交易的数量以及其他交易的数量；
根据所述交易总数量、所述风险交易的数量、所述可疑交易的数量以及其他交易的数量计算所述待查询地址的信用评分。
进一步地，根据所述交易的总数量、所述风险交易的数量、所述可疑交易的数量以及其他交易的数量计算所述待查询地址的信用评分包括：
结合风险交易权重值计算所述交易总数量中所述其他交易的占比；
计算所述其他交易的占比的置信区间，基于所述置信区间选取所述待查询地址的信用评分。
进一步地，结合风险交易权重值计算所述交易总数量中所述其他交易的占比包括：
其中，为交易总数量中其他交易的占比，/>为所述其他交易的数量，/>为所述风险交易的数量，/>为所述可疑交易的数量，/>为所述风险交易权重值。
进一步地，计算所述其他交易的占比的置信区间包括：
其中，所述置信区间：，/>为交易总数量中其他交易的占比，z为标准正态分布下显著性水平为/>对应的临界值。
第二方面，提供一种区块链上地址风险评估装置，包括：
风险资金计算模块，用于计算待查询地址在风险交易中接收到的风险资金的总额，所述风险交易为已经确定的参与洗钱活动的交易；
信用评分计算模块，用于根据所述待查询地址涉及到的所述风险交易的数量以及可疑交易的数量计算所述待查询地址的信用评分，所述可疑交易为所述风险交易预测的具有参与洗钱活动嫌疑的交易；
评级模块，用于根据所述待查询地址接收到的所述风险资金的总额以及所述信用评分，确定所述待查询地址的风险等级。
进一步地，所述风险资金计算模块包括：
风险交易确定模块，用于获取风险交易的哈希在区块链中的流转路径，将所述流转路径中涉及到的交易确定为所述风险交易；
风险金额确定模块，用于将每笔所述风险交易接收到的其前序风险交易中的资金金额与该笔所述风险交易实际的转出的资金金额中较小值作为该笔所述风险交易接收到的所述风险资金的金额；
资金汇总模块，用于获取所述待查询地址涉及到的全部的所述风险交易，计算所述待查询地址接收到的所述风险资金的总额。
进一步地，所述信用评分计算模块包括：
可疑交易预测模块，用于利用可疑交易识别模型根据所述风险交易的交易信息，预测所述可疑交易，和/或，利用无监督学习算法识别交易特征，预测所述可疑交易。
进一步地，所述评级模块，具体用于将所述待查询地址接收到的所述风险资金的总额以及所述信用评分输入到风险分级模型中获得所述待查询地址的风险等级，其中所述风险分级模型为根据已知身份地址的风险资金金额及信用评分训练获得。
进一步地，所述信用评分计算模块，还包括：
交易数量统计模块，用于统计所述待查询地址作为资金接收方涉及的交易总数量，以及其中包括的所述风险交易的数量、所述可疑交易的数量以及其他交易的数量；
分数计算模块，用于根据所述交易总数量、所述风险交易的数量、所述可疑交易的数量以及其他交易的数量计算所述待查询地址的信用评分。
进一步地，所述分数计算模块，具体用于：
结合风险交易权重值计算所述交易总数量中所述其他交易的占比；
计算所述其他交易的占比的置信区间，基于所述置信区间选取所述待查询地址的信用评分。
进一步地，所述结合风险交易权重值计算所述交易总数量中所述其他交易的占比包括：
其中，为交易总数量中其他交易的占比，/>为所述其他交易的数量，/>为所述风险交易的数量，/>为所述可疑交易的数量，/>为所述风险交易权重值。
进一步地，计算所述其他交易的占比的置信区间包括：
其中，所述置信区间：，/>为交易总数量中其他交易的占比，z为标准正态分布下显著性水平为/>对应的临界值。
第三方面，本发明提供了一种计算机设备，所述计算机设备包括：处理器和存储器，所述存储器中存储有程序指令；所述处理器用于执行所述存储器中的程序指令，执行如上所述的区块链上地址风险评估方法。
本发明实施例提供的技术方案带来的有益效果是：
1、本发明公开的技术方案通过两个渠道评估某待查询地址的风险程度，一方面通过确凿证据追踪风险资金的流向，针对混币后无法区分风险资金和其它资金流向的情况，提出计算该地址累计获得的风险资金的上限作为其风险资金，相较其它提出的方法可以更为合理地估计风险资金的流向；另一方面根据地址历史发生的所有交易行为特征捕捉尚未曝光的可疑交易，根据待查询地址历史交易中出现风险交易及可疑交易的累积频次计算信用评分，通过主动地识别可疑交易，有利于全面评价区块链上的交易记录，为区块链上地址的评级提供更加充分的依据；
2、本发明公开的技术方案相较直接根据训练模型给出的可疑交易预测结果进行风险评估，具有更有利的依据，因为直接利用模型预测单个可疑交易时可能存在误差，可信度缺乏鲁棒性，而本发明提出的信用评分是基于一个地址所有历史交易行为计算的，历史交易行为存在可疑交易和风险交易的比例越多，信用评分越低，即便预测单个可疑交易时可能存在误差，但大量历史交易呈现的累积结果具有更高的可信度；利用威尔逊区间（Wilson score interval）计算的信用评分相对利用正态分布假定计算的结果在样本量n小于30的情况下也具有参考价值，并且该信用评分的变化波动较小，并随着该地址历史交易数据样本量n增加的同时可信度也会不断提高；
3、本发明公开的技术方案相较于直接根据训练模型给出的可疑地址预测结果进行风险评估具有更好的变通性，训练有监督机器模型预测可疑地址强烈依赖已知标签，对已知的一些风险地址预测效果不能代表对未来对抗性策略下不断新增的风险地址的预测效果，存在极大的失效可能，而本发明的评估标准建立在历史接收金额的风险来源上，由于金额的流转永久记录在区块链上，即便是新产生的地址，它的每一笔接收到的资金都可往前追溯并携带着风险信息；
4、本发明公开的技术方案实现了对某区块链地址已涉及和未来可能涉及风险事件的风险作出的评估，帮助用户快速评估区块链上的地址，通过降低风险资金的流通率打击利用加密货币进行的洗钱交易活动在区块链上的蔓延。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的区块链上地址风险评估方法流程图；
图2是本发明实施例提供的区块链上地址风险评估装置结构示意图；
图3是本发明实施例提供的一种计算机设备结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在区块链反洗钱技术领域中，识别有洗钱嫌疑的可疑交易通常从交易记录中的地址出发，若该地址经常参与洗钱活动则该交易为可疑交易的风险越高，但是区块链中的地址有可能是参与过洗钱活动的可疑地址，也有可能是没有参与过洗钱交易的正常地址，并且在可疑地址中各地址对洗钱活动的参与程度也各不相同，因此需要对区块链上的地址进行风险评估。本发明实施例为了全面识别区块链上的可疑地址，并对其进行风险评估，提出了一种区块链地址风险评估方法及装置，具体技术方案如下：
实施例1
如图1所示，一种区块链地址风险评估方法，包括如下步骤：
S1、确定风险交易，获取风险交易的哈希并追踪哈希在区块链上的流转路径，将流转路径中涉及到的所有交易确定为风险交易。
需要说明的是，上述方法中风险交易为从公开信息中能够直接确认的风险交易。确定风险交易的方法中需要根据风险交易的哈希追踪，哈希是区块链技术中能够唯一确定区块信息的散列值，具有单向性的特征，即将任意长度的输入通过散列算法变换成固定长度的散列值后，很难根据散列值反向推出区块信息。在洗钱等区块链上不法交易操作的过程中，不法分子为了用合法操作掩盖非法目的，通常将原始交易打包后形成新的交易，或者将原始交易拆分成多个子交易，将子交易与正常交易打包形成新的交易。基于上述哈希的唯一性，我们可以将哈希作为寻找风险交易的线索，追踪风险交易的流转路径，将流转路径中涉及到的所有交易确定为风险交易。
S2、预测可疑交易，利用可疑交易识别模型根据风险交易的交易信息，预测可疑交易，和/或，利用无监督学习算法识别交易特征，预测可疑交易。
需要说明的是，上述可疑交易与S1中风险交易的区别在于可疑交易为预测得到的存在风险嫌疑的交易，风险交易为确定的包括风险资金的交易，因此可疑交易的风险性要低于风险交易的风险性。可疑交易识别模型可以是神经网络模型根据已知的风险交易信息训练获得的，能够根据交易信息识别可疑交易。无监督学习算法是指没有目标变量的学习算法，包括：k均值聚类算法、谱聚类、主成分分析等。
S3、计算每笔风险交易中风险资金的金额，将每笔风险交易接收到的其前序风险交易中的资金金额与该笔风险交易实际的转出的资金金额中较小值作为该笔风险交易接收到的风险资金的金额。
需要说明的是，上述方法中的前序交易为在区块链上当前风险交易前一个高度的风险交易。如前所述，不法分子可能会将交易拆分然后重新打包，因此当前风险交易接收到资金金额有可能只是部分的风险资金，风险资金金额的多少在一定程度上代表了地址对非法活动的参与程度，也可以依次作为地址风险评级的参考因素之一。那么如何在当前风险交易中确认接收地址接收到的风险资金的金额呢，本发明实施例提供的是选取当前风险交易发送地址所含风险资金总金额（即当前风险交易接收到的其前序风险交易中的资金金额）和接收地址接收到的资金金额（即该笔所述风险交易实际的转出的资金金额）的较小值，其主要原因是：一个地址能够接收到的风险资金金额一方面不可能超过这笔交易发送地址所含总共的风险资金额度，另一方面也不可能超过这个接收方地址一共接收到的金额。
S4、计算待查询地址在风险交易中接收到的风险资金的总额，获取待查询地址涉及到的全部的风险交易，计算待查询地址接收到的风险资金的总额。
根据待查询地址在S1中确定的风险交易中查找和待查询地址相关的风险交易，根据S3中计算出的每笔风险交易中风险资金的金额累加计算待查询地址接收到的风险资金的总额。
S5、统计待查询地址作为资金接收方涉及的交易总数量，以及其中包括的风险交易的数量、可疑交易的数量以及其他交易的数量。
其中，其他交易既不属于风险交易也不属于可疑交易。
S6、结合风险交易权重值计算交易总数量中其他交易数量的占比，具体为：
其中，为交易总数量中其他交易的占比，/>为其他交易的数量，/>为风险交易的数量，/>为可疑交易的数量，/>为风险交易权重值。
S7、计算其他交易的占比的置信区间，具体为：
其中，置信区间：，/>为交易总数量中其他交易的占比，z为标准正态分布下显著性水平为/>对应的临界值。
需要说明的是，上述置信区间的计算方法采用的是威尔逊区间（Wilson score interval）计算方法，威尔逊区间能够适用于小样本数量的评估的准确性问题
S8、计算待查询地址的信用评分，基于置信区间选取待查询地址的信用评分，具体地，可以根据实际情况在置信区间内取值作为信用评分，其中代表更严苛的评估标准，相对更宽松，因此优选地，可选取置信区间的端点值，即/>或/>作为待查询地址的信用评分。
S9、确定待查询地址的风险等级，将待查询地址接收到的风险资金的总额以及信用评分输入到风险分级模型中获得所述待查询地址的风险等级。
上述方法中，风险分级模型为预先根据已知身份的地址的风险资金金额和信用评分进行预先训练过的，其中已经包含了训练后形成的风险等级划分的阈值，因此当输入待查询地址的风险资金金额和信用评分后，该模型可以直接将符合的阈值对应的风险等级作为待查询地址的风险等级。因此本发明实施例中对地址风险等级的划分阈值不是人为设定的，而是根据已知的确定信息训练得出的，更加客观、全面、有较强的适应性。
实施例2
为了实现上述地址风险评估方法，本发明实施例提供一种区块链地址风险评估装置，包括：风险资金计算模块、信用评分计算模块、评级模块。
其中，风险资金计算模块，用于计算待查询地址在风险交易中接收到的风险资金的总额，包括：
风险交易确定模块，用于执行上述方法中的步骤S1，确定风险交易；
风险金额确定模块，用于执行上述方法中的步骤S3，计算每笔风险交易中风险资金的金额；
资金汇总模块，用于执行上述方法中的步骤S4，计算待查询地址在风险交易中接收到的风险资金的总额；
信用评分计算模块，用于根据待查询地址涉及到的风险交易的数量以及可疑交易的数量计算待查询地址的信用评分，包括：
可疑交易预测模块，用于执行上述方法中的步骤S2，预测可疑交易；
交易数量统计模块，用于执行上述方法中的步骤S5，统计待查询地址作为资金接收方涉及的交易总数量，以及其中包括的风险交易的数量、可疑交易的数量以及其他交易的数量；
分数计算模块，用于执行上述方法中的步骤S6、S7、S8计算待查询地址的信用评分，其中，
S6：结合风险交易权重值计算交易总数量中其他交易数量的占比，具体为：
其中，为交易总数量中其他交易的占比，/>为其他交易的数量，/>为风险交易的数量，/>为可疑交易的数量，/>为风险交易权重值。
S7：计算其他交易的占比的置信区间，具体为：
其中，置信区间：，/>为交易总数量中其他交易的占比，z为标准正态分布下显著性水平为/>对应的临界值。
S8：计算待查询地址的信用评分，基于置信区间的选取待查询地址的信用评分，优选地，可选取置信区间的端点值，即或/>作为待查询地址的信用评分。
评级模块，用于根据所述待查询地址接收到的所述风险资金的总额以及所述信用评分，确定所述待查询地址的风险等级，具体执行上述方法中的步骤S9，将待查询地址接收到的风险资金的总额以及信用评分输入到风险分级模型中获得所述待查询地址的风险等级。
实施例3
基于上述区块链上地址风险评估方法，本发明实施例提供一种计算机设备，所述计算机设备包括：处理器和存储器，所述存储器中存储有程序指令；所述处理器用于执行所述存储器中的程序指令，执行如上所述的区块链上地址风险评估方法。
其中，图3示例性的展示出了计算机系统的架构，具体可以包括处理器310，视频显示适配器311，磁盘驱动器312，输入/输出接口313，网络接口314，以及存储器320。上述处理器310、视频显示适配器311、磁盘驱动器312、输入/输出接口313、网络接口314，与存储器320之间可以通过通信总线330进行通信连接。
其中，处理器310可以采用通用的CPU（Central Processing Unit，中央处理器）、微处理器、应用专用集成电路（Application Specific Integrated Circuit，ASIC）、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本申请所提供的技术方案。
存储器320可以采用ROM（Read Only Memory，只读存储器）、RAM（Random AccessMemory，随机存取存储器）、静态存储设备，动态存储设备等形式实现。存储器320可以存储用于控制电子设备300运行的操作系统321，用于控制电子设备300的低级别操作的基本输入输出系统(BIOS)。另外，还可以存储网页浏览器323，数据存储管理系统324，以及设备标识信息处理系统325等等。上述设备标识信息处理系统325就可以是本申请实施例中具体实现前述各步骤操作的应用程序。总之，在通过软件或者固件来实现本申请所提供的技术方案时，相关的程序代码保存在存储器320中，并由处理器310来调用执行。
输入/输出接口313用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中（图中未示出），也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。
网络接口314用于连接通信模块（图中未示出），以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式（例如USB、网线等）实现通信，也可以通过无线方式（例如移动网络、WIFI、蓝牙等）实现通信。
总线330包括一通路，在设备的各个组件（例如处理器310、视频显示适配器311、磁盘驱动器312、输入/输出接口313、网络接口314，与存储器320）之间传输信息。
另外，该电子设备300还可以从虚拟资源对象领取条件信息数据库341中获得具体领取条件的信息，以用于进行条件判断，等等。
需要说明的是，尽管上述设备仅示出了处理器310、视频显示适配器311、磁盘驱动器312、输入/输出接口313、网络接口314，存储器320，总线330等，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本申请方案所必需的组件，而不必包含图中所示的全部组件。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
本发明实施例提供的技术方案带来的有益效果是：
1、本发明公开的技术方案通过两个渠道评估某待查询地址的风险程度，一方面通过确凿证据追踪风险资金的流向，针对混币后无法区分风险资金和其它资金流向的情况，提出计算该地址累计获得的风险资金的上限作为其风险资金，相较其它提出的方法可以更为合理地估计风险资金的流向；另一方面根据地址历史发生的所有交易行为特征捕捉尚未曝光的可疑交易，根据待查询地址历史交易中出现风险交易及可疑交易的累积频次计算信用评分，通过主动地识别可疑交易，有利于全面评价区块链上的交易记录，为区块链上地址的评级提供更加充分的依据；
2、本发明公开的技术方案相较直接根据训练模型给出的可疑交易预测结果进行风险评估，具有更有利的依据，因为直接利用模型预测单个可疑交易时可能存在误差，可信度缺乏鲁棒性，而本发明提出的信用评分是基于一个地址所有历史交易行为计算的，历史交易行为存在可疑交易和风险交易的比例越多，信用评分越低，即便预测单个可疑交易时可能存在误差，但大量历史交易呈现的累积结果具有更高的可信度；利用威尔逊区间（Wilson score interval）计算的信用评分相对利用正态分布假定计算的结果在样本量n小于30的情况下也具有参考价值，并且该信用评分的变化波动较小，并随着该地址历史交易数据样本量n增加的同时可信度也会不断提高；
3、本发明公开的技术方案相较于直接根据训练模型给出的可疑地址预测结果进行风险评估具有更好的变通性，训练有监督机器模型预测可疑地址强烈依赖已知标签，对已知的一些风险地址预测效果不能代表对未来对抗性策略下不断新增的风险地址的预测效果，存在极大的失效可能，而本发明的评估标准建立在历史接收金额的风险来源上，由于金额的流转永久记录在区块链上，即便是新产生的地址，它的每一笔接收到的资金都可往前追溯并携带着风险信息；
4、本发明公开的技术方案实现了对某区块链地址已涉及和未来可能涉及风险事件的风险作出的评估，帮助用户快速评估区块链上的地址，通过降低风险资金的流通率打击利用加密货币进行的洗钱交易活动在区块链上的蔓延。
上述所有可选技术方案，可以采用任意结合形成本发明的可选实施例，在此不再一一赘述。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种区块链地址风险评估方法，其特征在于，包括：
获取已知风险交易的哈希在区块链中的流转路径，将所述流转路径中涉及到的交易确定为风险交易；
将每笔所述风险交易接收到的其前序风险交易中的资金金额与该笔所述风险交易实际的转出的资金金额中较小值作为该笔所述风险交易接收到的风险资金的金额；
获取待查询地址涉及到的全部的所述风险交易，计算所述待查询地址接收到的所述风险资金的总额，所述风险交易为已经确定的参与洗钱活动的交易；
根据所述待查询地址涉及到的所述风险交易的数量以及可疑交易的数量计算所述待查询地址的信用评分，所述可疑交易为所述已知风险交易预测的具有参与洗钱活动嫌疑的交易；
根据所述待查询地址接收到的所述风险资金的总额以及所述信用评分，确定所述待查询地址的风险等级；
其中，根据所述待查询地址涉及到的所述风险交易的数量以及可疑交易的数量计算所述待查询地址的信用评分包括：
统计所述待查询地址作为资金接收方涉及的交易总数量，以及其中包括的所述风险交易的数量、所述可疑交易的数量以及其他交易的数量；
根据所述交易总数量、所述风险交易的数量、所述可疑交易的数量以及其他交易的数量计算所述待查询地址的信用评分；
其中，根据所述交易总数量、所述风险交易的数量、所述可疑交易的数量以及其他交易的数量计算所述待查询地址的信用评分包括：
结合风险交易权重值计算所述交易总数量中所述其他交易的占比；
计算所述其他交易的占比的置信区间，基于所述置信区间选取所述待查询地址的信用评分。
2.如权利要求1所述的一种区块链地址风险评估方法，其特征在于，获取所述可疑交易的数量包括：
利用可疑交易识别模型根据所述风险交易的交易信息，预测所述可疑交易，和/或，利用无监督学习算法识别交易特征，预测所述可疑交易。
3.如权利要求1所述的一种区块链地址风险评估方法，其特征在于，根据所述待查询地址接收到的所述风险资金的总额以及所述信用评分，确定所述待查询地址的风险等级包括：
将所述待查询地址接收到的所述风险资金的总额以及所述信用评分输入到风险分级模型中获得所述待查询地址的风险等级，其中所述风险分级模型为根据已知身份地址的风险资金金额及信用评分训练获得。
4.如权利要求1所述的一种区块链地址风险评估方法，其特征在于，结合风险交易权重值计算所述交易总数量中所述其他交易的占比包括：
；
其中，为交易总数量中其他交易的占比，/>为所述其他交易的数量，/>为所述风险交易的数量，/>为所述可疑交易的数量，/>为所述风险交易权重值。
5.如权利要求4所述的一种区块链地址风险评估方法，其特征在于，计算所述其他交易的占比的置信区间包括：
；
；
其中，所述置信区间：，/>为交易总数量中其他交易的占比，z为标准正态分布下显著性水平为/>对应的临界值，n为交易总数量，/>为信用评分的下限值，/>为信用评分的上限值。
6.一种区块链地址风险评估装置，其特征在于，包括：
风险资金计算模块，获取已知风险交易的哈希在区块链中的流转路径，将所述流转路径中涉及到的交易确定为风险交易；将每笔所述风险交易接收到的其前序风险交易中的资金金额与该笔所述风险交易实际的转出的资金金额中较小值作为该笔所述风险交易接收到的风险资金的金额；获取待查询地址涉及到的全部的所述风险交易，计算所述待查询地址接收到的所述风险资金的总额，所述风险交易为已经确定的参与洗钱活动的交易；
信用评分计算模块，用于根据待查询地址涉及到的所述风险交易的数量以及可疑交易的数量计算所述待查询地址的信用评分，所述可疑交易为所述已知风险交易预测的具有参与洗钱活动嫌疑的交易；其中，根据所述待查询地址涉及到的所述风险交易的数量以及可疑交易的数量计算所述待查询地址的信用评分包括：统计所述待查询地址作为资金接收方涉及的交易总数量，以及其中包括的所述风险交易的数量、所述可疑交易的数量以及其他交易的数量；根据所述交易总数量、所述风险交易的数量、所述可疑交易的数量以及其他交易的数量计算所述待查询地址的信用评分；其中，根据所述交易总数量、所述风险交易的数量、所述可疑交易的数量以及其他交易的数量计算所述待查询地址的信用评分包括：结合风险交易权重值计算所述交易总数量中所述其他交易的占比；计算所述其他交易的占比的置信区间，基于所述置信区间选取所述待查询地址的信用评分；
评级模块，用于根据所述待查询地址接收到的所述风险资金的总额以及所述信用评分，确定所述待查询地址的风险等级。
7.一种计算机设备，其特征在于，所述计算机设备包括：处理器和存储器，所述存储器中存储有程序指令；所述处理器用于执行所述存储器中的程序指令，执行如权利要求1~5任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911408664.0A CN111160919B (zh) | 2019-12-31 | 2019-12-31 | 一种区块链地址风险评估方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911408664.0A CN111160919B (zh) | 2019-12-31 | 2019-12-31 | 一种区块链地址风险评估方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111160919A CN111160919A (zh) | 2020-05-15 |
| CN111160919B true CN111160919B (zh) | 2024-01-23 |
Family
ID=70559750
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911408664.0A Active CN111160919B (zh) | 2019-12-31 | 2019-12-31 | 一种区块链地址风险评估方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111160919B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112465641A (zh) * | 2020-12-09 | 2021-03-09 | 电子科技大学 | 一种基于gcn的区块链交易风险分析方法 |
| 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系统 |
| CN113298656B (zh) * | 2021-06-18 | 2023-10-10 | 北京链审科技有限公司 | 基于单向连通图的目标交易所地址追踪方法及装置 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN108537546A (zh) * | 2018-04-11 | 2018-09-14 | 北京奇虎科技有限公司 | 基于地址树的节点身份追踪方法、装置及计算设备 |
| CN109377339A (zh) * | 2018-10-22 | 2019-02-22 | 中信网络科技股份有限公司 | 一种可疑交易案例的辅助甄别方法及系统 |
| CN109461078A (zh) * | 2018-10-22 | 2019-03-12 | 中信网络科技股份有限公司 | 一种基于资金交易网络的异常交易识别方法及系统 |
| CN109816217A (zh) * | 2019-01-04 | 2019-05-28 | 深圳壹账通智能科技有限公司 | 案件处理方法、装置、计算机设备和存储介质 |
| CN110189228A (zh) * | 2019-06-24 | 2019-08-30 | 深圳前海微众银行股份有限公司 | 一种监测异常交易的方法和装置 |
| CN110222312A (zh) * | 2019-06-03 | 2019-09-10 | 北京奇艺世纪科技有限公司 | 用户评价数据的处理方法、装置及服务器 |
| CN110363659A (zh) * | 2019-07-17 | 2019-10-22 | 江苏南工科技集团有限公司 | 一种基于区块链技术的风险评估分析方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130185180A1 (en) * | 2012-01-18 | 2013-07-18 | Bank Of America Corporation | Determining the investigation priority of potential suspicious events within a financial institution |
-
2019
- 2019-12-31 CN CN201911408664.0A patent/CN111160919B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN108537546A (zh) * | 2018-04-11 | 2018-09-14 | 北京奇虎科技有限公司 | 基于地址树的节点身份追踪方法、装置及计算设备 |
| CN109377339A (zh) * | 2018-10-22 | 2019-02-22 | 中信网络科技股份有限公司 | 一种可疑交易案例的辅助甄别方法及系统 |
| CN109461078A (zh) * | 2018-10-22 | 2019-03-12 | 中信网络科技股份有限公司 | 一种基于资金交易网络的异常交易识别方法及系统 |
| CN109816217A (zh) * | 2019-01-04 | 2019-05-28 | 深圳壹账通智能科技有限公司 | 案件处理方法、装置、计算机设备和存储介质 |
| CN110222312A (zh) * | 2019-06-03 | 2019-09-10 | 北京奇艺世纪科技有限公司 | 用户评价数据的处理方法、装置及服务器 |
| CN110189228A (zh) * | 2019-06-24 | 2019-08-30 | 深圳前海微众银行股份有限公司 | 一种监测异常交易的方法和装置 |
| CN110363659A (zh) * | 2019-07-17 | 2019-10-22 | 江苏南工科技集团有限公司 | 一种基于区块链技术的风险评估分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111160919A (zh) | 2020-05-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111160919B (zh) | 一种区块链地址风险评估方法及装置 | |
| CN105590055B (zh) | 用于在网络交互系统中识别用户可信行为的方法及装置 | |
| CN108428132B (zh) | 欺诈交易识别方法、装置、服务器及存储介质 | |
| CN107563757B (zh) | 数据风险识别的方法及装置 | |
| US20200104229A1 (en) | Proactive information technology infrastructure management | |
| JP7309242B2 (ja) | 暗号通貨取引の分析方法及び装置 | |
| CN106682906B (zh) | 一种风险识别、业务处理方法和设备 | |
| CN112199640B (zh) | 异常用户审核方法、装置、电子设备和存储介质 | |
| CN106998336B (zh) | 渠道中的用户检测方法和装置 | |
| CN112733045B (zh) | 用户行为的分析方法、装置及电子设备 | |
| WO2017157165A1 (zh) | 信用分数模型训练方法、信用分数计算方法、装置及服务器 | |
| CN109308615B (zh) | 基于统计序列特征的实时欺诈交易检测方法、系统、存储介质及电子终端 | |
| CN113379469A (zh) | 一种异常流量检测方法、装置、设备及存储介质 | |
| CN109697155B (zh) | It系统性能评估方法、装置、设备及可读存储介质 | |
| CN111061948A (zh) | 一种用户标签推荐方法、装置、计算机设备及存储介质 | |
| CN109165947B (zh) | 账户信息确定方法、装置及服务器 | |
| US11658987B2 (en) | Dynamic fraudulent user blacklist to detect fraudulent user activity with near real-time capabilities | |
| CN109587248B (zh) | 用户识别方法、装置、服务器及存储介质 | |
| CN110880117A (zh) | 虚假业务识别方法、装置、设备和存储介质 | |
| CN110533297B (zh) | 一种识别异常设备的方法及装置 | |
| CN116245630A (zh) | 一种反欺诈检测方法、装置、电子设备及介质 | |
| CN111224919A (zh) | 一种ddos识别方法、装置、电子设备及介质 | |
| CN111431869B (zh) | 漏洞情报热度的获取方法及装置 | |
| CN114785616A (zh) | 数据风险检测方法、装置、计算机设备及存储介质 | |
| CN111553702B (zh) | 一种支付风险识别方法及装置 |
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 |