CN113656768B - 一种区块链中数字资产流向追踪的方法、系统和存储介质 - Google Patents
一种区块链中数字资产流向追踪的方法、系统和存储介质 Download PDFInfo
- Publication number
- CN113656768B CN113656768B CN202111218236.9A CN202111218236A CN113656768B CN 113656768 B CN113656768 B CN 113656768B CN 202111218236 A CN202111218236 A CN 202111218236A CN 113656768 B CN113656768 B CN 113656768B
- Authority
- CN
- China
- Prior art keywords
- dna
- transaction
- digital asset
- digital
- address
- 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 36
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 74
- 238000004043 dyeing Methods 0.000 claims abstract description 17
- 230000002776 aggregation Effects 0.000 claims description 27
- 238000004220 aggregation Methods 0.000 claims description 27
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000004519 manufacturing process Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 8
- 238000012546 transfer Methods 0.000 claims description 8
- 230000006399 behavior Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000001149 cognitive effect Effects 0.000 claims description 4
- 238000011835 investigation Methods 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 11
- 238000000605 extraction Methods 0.000 abstract description 10
- 230000002159 abnormal effect Effects 0.000 abstract description 5
- 238000010186 staining Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000002068 genetic effect Effects 0.000 description 4
- 238000002372 labelling Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 238000007794 visualization technique Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000002759 chromosomal effect Effects 0.000 description 1
- 238000003776 cleavage reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004547 gene signature Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000007017 scission Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/10—Protecting distributed programs or content, e.g. vending or licensing of copyrighted material ; Digital rights management [DRM]
- G06F21/16—Program or content traceability, e.g. by watermarking
-
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/211—Schema design and management
- G06F16/212—Schema design and management with details for data modelling support
-
- 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
- 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
-
- 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)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Multimedia (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种区块链中数字资产流向追踪的方法、系统和存储介质,将数字资产交易数据形式化为关于特征集上定义的交易模式;对交易特征和地址特征进行基因定义,生成数字资产DNA;提取数字资产DNA中的特征量,分析与预设值的关联性,输出数字资产的流向信息和染色强度信息,发送至终端。本申请适用于绝大部分数字资产的追踪,具有很强的通用性;提高了数字资产链上追踪的效率和准确度,可为相关部门提供匿名交易者的有效身份信息和案情线索,通过去除一些不需要特征量提取的信息,解决检测异常交易时计算量大、效率低的问题。
Description
技术领域
本申请属于区块链技术领域,更具体的,涉及一种区块链中数字资产流向追踪的方法、系统和存储介质。
背景技术
在区块链金融及数字资产蓬勃发展的背景下,对于公安机关来说,涉案数字资产追踪难、易洗白,如何追踪和取证成为亟待解决的问题。由于涉案数字资产的追踪取证存在技术门槛高、协查难度大等客观不利条件,目前包括公安机关在内的有关司法部门及监管部门在技术能力、办案经验、法律适用等多个方面普遍存在短板,因此与区块链业界安全相关力量建立合作机制,便成为当前较为有效的解决方案。
现有区块链上追踪方法主要包括数字资产交易身份标识方法和数字资产交易信息分析方法。数字资产交易身份标识首先在数字资产网络中部署连接尽可能多的节点的探针节点;挑选数字资产网络中的待监测节点;通过探针节点确定该待监测节点的邻居节点;监听并获取数字资产网络交易信息及交易传播路径;计算交易传播路径与待监测节点及其邻居节点的匹配值;通过阈值筛选出待监测节点的匹配交易;输出该匹配交易并赋予其IP标签。通过对数字资产交易与交易者IP地址的匹配标识,识别交易者的身份。但该方案成本高、实施困难、准确度低,且不具有针对所有数字资产的通用性。
而数字资产交易信息分析方法包括:获取多笔数字资产交易信息,所述交易信息至少包括交易地址;将具有相同交易地址的多笔交易信息的交易地址合并成一个地址簇;为所述地址簇标注身份信息,根据所述地址簇和所述交易信息生成地址簇交易信息。通过交易地址来构建地址簇,交易地址可选择交易输入或输出地址,将关联的地址合并为一个地址簇,根据地址簇内地址的混合标注信息为地址簇标注,可极大降低标注量,使得实名标注可以实现,此外,通过合并地址簇的方式,使得每个地址簇可以通过多个交易地址验证,从而可以过滤错误的标注信息。该方案虽然降低了数据标记的数量级,但准确度依旧有限,且同样不具有所有数字资产的通用性。
发明内容
有鉴于此,本申请提供了一种区块链中数字资产流向追踪的方法、系统和存储介质,解决了现有数字资产追踪通用性差、效率低、准确度有限的问题。
本申请的具体技术方案如下:
本申请第一方面提供一种区块链中数字资产流向追踪的方法,包括如下步骤:
将数字资产交易数据形式化为关于特征集上定义的交易模式,所述特征集包括交易特征和地址特征;
对交易特征和地址特征进行基因定义,生成数字资产DNA;
提取数字资产DNA中的特征量,分析与预设值的关联性,输出数字资产的流向信息和染色强度信息,发送至终端。
优选的,将数字资产交易数据形式化为关于特征集上定义的交易模式具体为:
最终聚集地址的传入地址数大于预设值;
每个聚集地址对应的数字资产量在预设范围内;
数字资产量的损失行为始于固定值;
若数字资产量的转移接收地址对应的数字资产量大于预设值时,则聚集地址的传出地址仅有一个;
聚集地址的出接口地址数大于预设值。
优选的,将数字资产交易数据形式化为关于特征集上定义的交易模式之后,还包括:
根据传入地址和传出地址的数量,对传入地址和传出地址进行分类,用于筛选可疑聚集地址。
优选的,所述基因定义为具有矩阵模型的基因数据;
其中,矩阵模型的要素包括DNA 名称、数字资产量和 DNA 分子量。
优选的,对交易特征和地址特征进行基因定义包括基因的合并定义;
合并DNA名称形成DNA名称集;
合并每个DNA名称对应的数字资产量形成数字资产之和;
将每个DNA名称对应的数字资产量修改为数字资产之和;
输出每个DNA名称占DNA名称集的百分比作为DNA分子量。
优选的,对交易特征和地址特征进行基因定义包括基因的分裂定义;
将DNA名称设置为原始数字资产量对应的DNA名称组成的DNA名称集;
将每个DNA名称对应的数字资产量设置为原始数字资产量;
将每个DNA名称对应的DNA分子量替换为原始数字资产量对应的DNA分子量。
优选的,对交易特征和地址特征进行基因定义包括基因的染色定义;
对目标DNA名称进行选定;
将目标DNA名称对应的数字资产量设置为预设值;
将目标DNA分子量设置为100%。
本申请第二方面提供一种区块链中数字资产流向追踪的系统,包括存储器和处理器,所述存储器中包括区块链中数字资产流向追踪程序,所述程序被所述处理器执行时,实现如下步骤:
将数字资产交易数据形式化为关于特征集上定义的交易模式,所述特征集包括交易特征和地址特征;
对交易特征和地址特征进行基因定义,生成数字资产DNA;
提取数字资产DNA中的特征量,分析与预设值的关联性,输出数字资产的流向信息和染色强度信息,发送至终端。
优选的,将数字资产交易数据形式化为关于特征集上定义的交易模式具体为:
最终聚集地址的传入地址数大于预设值;
每个聚集地址对应的数字资产量在预设范围内;
数字资产量的损失行为始于固定值;
若数字资产量的转移接收地址对应的数字资产量大于预设值时,则聚集地址的传出地址仅有一个;
聚集地址的出接口地址数大于预设值。
优选的,将数字资产交易数据形式化为关于特征集上定义的交易模式之后,还包括:
根据传入地址和传出地址的数量,对传入地址和传出地址进行分类,用于筛选可疑聚集地址。
优选的,所述基因定义为具有矩阵模型的基因数据;
其中,矩阵模型的要素包括DNA 名称、数字资产量和 DNA 分子量。
优选的,对交易特征和地址特征进行基因定义包括基因的合并定义;
合并DNA名称形成DNA名称集;
合并每个DNA名称对应的数字资产量形成数字资产之和;
将每个DNA名称对应的数字资产量修改为数字资产之和;
输出每个DNA名称占DNA名称集的百分比作为DNA分子量。
优选的,对交易特征和地址特征进行基因定义包括基因的分裂定义;
将DNA名称设置为原始数字资产量对应的DNA名称组成的DNA名称集;
将每个DNA名称对应的数字资产量设置为原始数字资产量;
将每个DNA名称对应的DNA分子量替换为原始数字资产量对应的DNA分子量。
优选的,对交易特征和地址特征进行基因定义包括基因的染色定义;
对目标DNA名称进行选定;
将目标DNA名称对应的数字资产量设置为预设值;
将目标DNA分子量设置为100%。
本申请第三方面提供一种计算机可读存储介质,所述计算机可读存储介质中包括区块链中数字资产流向追踪程序,所述程序被处理器执行时,实现所述区块链中数字资产流向追踪方法的步骤。
综上所述,本申请提供了一种区块链中数字资产流向追踪的方法、系统和存储介质,将数字资产交易数据形式化为关于特征集上定义的交易模式;对交易特征和地址特征进行基因定义,生成数字资产DNA;提取数字资产DNA中的特征量,分析与预设值的关联性,输出数字资产的流向信息和染色强度信息,发送至终端。与现有技术相比,本申请具有以下优点:
1、相较与数字资产交易身份标识方法和数字资产交易信息分析方法,本申请适用于绝大部分数字资产的追踪,具有很强的通用性;
2、本申请通过对交易数据分析,分析资金流向和追踪交易用户身份信息,为监管部门提供有效的线索和依据,提高了数字资产链上追踪的效率和准确度,降低和防范利用数字资产从事非法金融犯罪的发生,对已发生的事件,可为相关部门提供匿名交易者的有效身份信息和案情线索,解决了现有的监管不到位、监管效率低下的问题,具有很好的经济效益;
3、本申请通过去除一些不需要特征量提取的信息,使用户图可以缓存在GPU设备内存中,GPU就可以执行特征提取和异常检测,解决在实际中需要使用各种特征高频、高精度地检测异常交易,导致计算量大、效率低的问题。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术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申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本申请一种区块链中数字资产流向追踪方法的流程图;
图2为本申请一种区块链中数字资产流向追踪系统的框图。
具体实施方式
为使得本申请的目的、特征、优点能够更加的明显和易懂,对本申请实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本申请一部分实施例,而非全部的实施例。基于本申请中的实施例,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它实施例,都属于本申请保护的范围。
请参照图1,图1为本申请一种区块链中数字资产流向追踪方法的流程图。
本申请实施例第一方面提供一种区块链中数字资产流向追踪的方法,包括如下步骤:
S102:将数字资产交易数据形式化为关于特征集上定义的交易模式,所述特征集包括交易特征和地址特征;
S104:对交易特征和地址特征进行基因定义,生成数字资产DNA;
S106:提取数字资产DNA中的特征量,分析与预设值的关联性,输出数字资产的流向信息和染色强度信息,发送至终端。
需要说明的是,在S102中,本实施例通过搭建一个基于识别涉及正在调查案件的可疑比特币地址的认知计算智能学习框架,它将给定案例的线索形式化为在关于交易地址和交易流的全面特征集上定义的交易模式。为了便于模式匹配,本申请实施例将数字资产交易数据转换为正式模型,称为数字货币交易网 (DAN)。本框架根据 DAN 的结构信息形式化交易特征和地址特征,并通过 DAN 的转换触发的动态语义分析交易流特征。所有数字资产交易按发生顺序的遍历由 DAN中所有转换的触发序列捕获。该可视化技术还可用于通过模式匹配识别的可疑地址进行进一步分析。
需要说明的是,在S104中,本实施例提出了“数字资产DNA”的概念来跟踪给定地址的余额(接收)硬币的来源和分配。这类似于生物学中的一个“基因”,它从父母转移到后代,可以用来确定后代的一些特征。使用基因来指示通过给定地址(称为染色体地址)的数字资产已经到达哪里,并确定染色地址与其他地址之间的关系强度。在基于区块链技术的数字资产(比特币)系统中,只有地址与用户相关。其中,有两个与通证相关的地址特征,分别是a.balance和a.received。因此,a.balance.gene和a.received.gene是本申请实施例中使用的两个基因特征。基因定义可以包括合并、分裂和染色定义,为在交易发生时进化和传播数字资产基因。
需要说明的是,在S106中,由于区块链系统中大多数用户通过全节点提供的服务间接使用区块链,例如交易所和钱包应用程序等,大部分区块链搜索查询都集中在提供服务的全节点上,这些场景往往需要高速、高精度地检测异常交易,以便通过在批准前纠正交易等对策来抑制非法交易的损害。然而,为了高精度地检测异常,我们需要使用各种特征重复检测,这导致计算量大、计算时间长。因此,全节点的搜索查询成为区块链系统的瓶颈。区块链的大规模交易信息无法存储在比主机内存小得多的 GPU 设备内存中。例如,NVIDIAGeForce GTX 980 Ti 设备内存为 6GB,而数字货币的交易数据例如比特币交易数据,的大小约为 160GB。故在本申请实施例中,对于 GPU 设备内存有限的数字资产非法交易(异常)的检测,使用了一种在GPU进行缓存的区块链交易搜索加速方法。本申请实施例中,可以提取所需交易信息的修改后的用户图,从缓存在GPU设备内存中的图中提取各种特征量,然后由GPU进行异常检测。当使用同一组特征执行不同的异常检测算法时,提取的特征可以重复使用,以减少特征提取的开销。如果使用不同的特征执行异常检测,但 GPU 设备内存中没有可用空间来提取新特征,则旧特征量将从 GPU 缓存中删除。因此,特征提取和异常检测均由系统中的同一GPU 执行。通过去除一些不需要特征量提取的信息,例如发送者的签名等,来减小用户图的大小,使用户图可以缓存在GPU设备内存中。通过在 GPU 设备内存中缓存用户图,GPU 可以执行特征提取和异常检测。经过试验表明,当用户数为 100 万,交易数为 1 亿时,该方法比 CPU 处理方法快 30倍,比不在 GPU 上执行特征提取的GPU处理方法快15倍。
本申请实施例中区块链中数字资产流向追踪的方法适用于绝大部分数字资产的追踪,具有很强的通用性;通过对交易数据分析,分析资金流向和追踪交易用户身份信息,提高了数字资产链上追踪的效率和准确度,可为相关部门提供匿名交易者的有效身份信息和案情线索,解决了现有的监管不到位、监管效率低下的问题;通过去除一些不需要特征量提取的信息,使用户图可以缓存在GPU设备内存中,GPU就可以执行特征提取和异常检测,解决检测异常交易时计算量大、效率低的问题。
根据本申请实施例,将数字资产交易数据形式化为关于特征集上定义的交易模式具体为:
最终聚集地址的传入地址数大于预设值;
每个聚集地址对应的数字资产量在预设范围内;
数字资产量的损失行为始于固定值;
若数字资产量的转移接收地址对应的数字资产量大于预设值时,则聚集地址的传出地址仅有一个;
聚集地址的出接口地址数大于预设值。
需要说明的是,本申请实施例采用五个限制条件形式化了传输模式。在实际应用中,可以采用以下表达式,其中a表示聚集地址,a.received表示聚集地址的数字资产(比特币)量。
R1.最终聚集地址的传入地址数大于等于3,可表示为:
R2.每个聚集地址都有几千个比特币(数字资产),可表示为:
R3.为了安全起见,比特币(数字货币)损失行为始于2011年8月,可表示为:
R4.将数字资产转移到一个大的持有地址a 的每一笔交易只有一个输出地点,可表示为:
R5.聚集地址a的出接口地址数不小于2个,可表示为:
根据本申请实施例,将数字资产交易数据形式化为关于特征集上定义的交易模式之后,还包括:
根据传入地址和传出地址的数量,对传入地址和传出地址进行分类,用于筛选可疑聚集地址。
需要说明的是,使用认知计算和可视化技术可用来进一步调查可疑聚集地址之间的共享特征和联系,即通过传入地址和传出地址的数量对数字资产交易流向进行初步判断。若存在明显超过预设范围的情况,将被标记为可疑聚集地址,并将标记结果反馈至终端供操作人员参考。
根据本申请实施例,所述基因定义为具有矩阵模型的基因数据;
其中,矩阵模型的要素包括DNA 名称、数字资产量和 DNA 分子量。
需要说明的是,数字货币基因J是一组DNA,{( m 0 , z 0 ,f 0 ), ...( m n ,z n,f n )},其中( m i , z i , f i )是 DNA 名称、数字资产量和 DNA分子量,这个定义称为基因的行定义。但是这样的定义还远远不够,这对基因操作很不方便。因此本申请实施例将基因{( m 0 , z 0 ,f 0 ), ...( m n , z n , f n )}转换成如表1所示的矩阵,并在定义提出了基因的列定义:
给定一个比特币基因J = {( m 0 , z 0 , f 0 ), ...( m n , z n , f n )},它可以定义为一个三元组J = ( M , δ , θ ),M = ∪mi ,δ 是一个从 M 映射到正整数M 的方程, δ(mi) = zi; θ 是一个从 M 映射到 (0,1]的方程, θ(mi) = fi, ∑mi = 1。
表1
根据本申请实施例,对交易特征和地址特征进行基因定义包括基因的合并定义;
合并DNA名称形成DNA名称集;
合并每个DNA名称对应的数字资产量形成数字资产之和;
将每个DNA名称对应的数字资产量修改为数字资产之和;
输出每个DNA名称占DNA名称集的百分比作为DNA分子量。
需要说明的是,基因的合并定义用于合并数字资产基因。首先将M 1和M 2 合并基因的 DNA 名称集。其次合并基因中每个 DNA 的数字资产量,即J 1和J2 具有相同 DNA 的数字资产量之和。最后合并基因中每个 DNA 的百分比,即 DNA 中数字资产数量除以J 3 包含的比特币总量的商。
根据本申请实施例,对交易特征和地址特征进行基因定义包括基因的分裂定义;
将DNA名称设置为原始数字资产量对应的DNA名称组成的DNA名称集;
将每个DNA名称对应的数字资产量设置为原始数字资产量;
将每个DNA名称对应的DNA分子量替换为原始数字资产量对应的DNA分子量。
需要说明的是,基因的分裂定义用于均匀分裂基因。分裂操作给出J 2的结果并同时影响J 1。首先设置分裂基因的 DNA 名称集,等于J 1的 DNA 名称集。其次将J 2中每个DNA 的数字资产量设置为θ 1 ( m ) × n。再次设置J 2中每个 DNA 的百分比等于J 1 的百分比。最后定义了分裂操作如何影响J 1。其中,如果分割数字资产量小于原始数字资产量ģ 1,DNA名称及其在各DNA的百分比ģ 1保持每个DNA的相同数字资产量在J ^ 1和被设定为δ 1(m) - θ 1 ( m ) × n。另外,为了应对特定情况,如果分割数字资产量等于J 1的数字资产量,即所有 DNA 将从J 1移出,则J 1为空。
根据本申请实施例,对交易特征和地址特征进行基因定义包括基因的染色定义;
对目标DNA名称进行选定;
将目标DNA名称对应的数字资产量设置为预设值;
将目标DNA分子量设置为100%。
需要说明的是,基因的染色定义用于标记转移到特定地址的数字资产。如果地址a是染色池,它应该有染色DNA。所有转移到地址a 的比特币都应该被 DNA 染色。首先将 DNA名称更改为 { m }。其次将m的数字资产量设置为J 1的数字资产量。第最后将m的百分比设置为 100%。利用基因的染色定义,将交易数据从区块链中解析出来,群集信息存储在数据库中。所有这些地址都设置为染色池。他们每个人的染色基因都设置为mgDNA。每个地址的染色DNA都设置为空(一个地址的染色DNA为空表示该地址不是染色池)。如果要追踪特定地址的数字资产交易情况,则需要将相应的地址设置为染色池。例如,a.dyeingDNA表示地址a的染色 DNA 。a.dyeingDNA应该给出一个特定的标识符或名称,假设m,即a.dyeingDNA =m。
需要说明的是,地址是基于输入地址聚类方法预先聚类的。与地址同一集群中的每一个地址的每染色DNA一个也应设置到m 因为集群内的地址很可能属于用户或组。与通过模式匹配找到的地址直接或间接相关的特征样本应该分布在相似的值附近。远离值的样本不太可能与案例相关。因此,可以消除这些偏差样本以提高准确性,提供最终结果集。
请参照图2,图2为本申请一种区块链中数字资产流向追踪系统的框图。
本申请实施例提供一种区块链中数字资产流向追踪系统,包括存储器和处理器,所述存储器中包括区块链中数字资产流向追踪程序,所述程序被所述处理器执行时,实现如下步骤:
将数字资产交易数据形式化为关于特征集上定义的交易模式,所述特征集包括交易特征和地址特征;
对交易特征和地址特征进行基因定义,生成数字资产DNA;
提取数字资产DNA中的特征量,分析与预设值的关联性,输出数字资产的流向信息和染色强度信息,发送至终端。
本申请实施例中区块链中数字资产流向追踪的系统适用于绝大部分数字资产的追踪,具有很强的通用性;通过对交易数据分析,分析资金流向和追踪交易用户身份信息,提高了数字资产链上追踪的效率和准确度,可为相关部门提供匿名交易者的有效身份信息和案情线索,解决了现有的监管不到位、监管效率低下的问题;通过去除一些不需要特征量提取的信息,使用户图可以缓存在GPU设备内存中,GPU就可以执行特征提取和异常检测,解决检测异常交易时计算量大、效率低的问题。
根据本申请实施例,将数字资产交易数据形式化为关于特征集上定义的交易模式具体为:
最终聚集地址的传入地址数大于预设值;
每个聚集地址对应的数字资产量在预设范围内;
数字资产量的损失行为始于固定值;
若数字资产量的转移接收地址对应的数字资产量大于预设值时,则聚集地址的传出地址仅有一个;
聚集地址的出接口地址数大于预设值。
根据本申请实施例,将数字资产交易数据形式化为关于特征集上定义的交易模式之后,还包括:
根据传入地址和传出地址的数量,对传入地址和传出地址进行分类,用于筛选可疑聚集地址。
根据本申请实施例,所述基因定义为具有矩阵模型的基因数据;
其中,矩阵模型的要素包括DNA 名称、数字资产量和 DNA 分子量。
根据本申请实施例,对交易特征和地址特征进行基因定义包括基因的合并定义;
合并DNA名称形成DNA名称集;
合并每个DNA名称对应的数字资产量形成数字资产之和;
将每个DNA名称对应的数字资产量修改为数字资产之和;
输出每个DNA名称占DNA名称集的百分比作为DNA分子量。
根据本申请实施例,对交易特征和地址特征进行基因定义包括基因的分裂定义;
将DNA名称设置为原始数字资产量对应的DNA名称组成的DNA名称集;
将每个DNA名称对应的数字资产量设置为原始数字资产量;
将每个DNA名称对应的DNA分子量替换为原始数字资产量对应的DNA分子量。
根据本申请实施例,对交易特征和地址特征进行基因定义包括基因的染色定义;
对目标DNA名称进行选定;
将目标DNA名称对应的数字资产量设置为预设值;
将目标DNA分子量设置为100%。
本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质中包括区块链中数字资产流向追踪程序,所述程序被处理器执行时,实现如所述区块链中数字资产流向追踪方法的步骤。
上述区块链中数字资产流向追踪存储介质的各模块对应地执行块链中数字资产流向追踪方法中的各步骤,具体参见图1对方法步骤的描述,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,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全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例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,该计算机软件产品存储在一个存储介质中,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)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (4)
1.一种区块链中数字资产流向追踪的方法,其特征在于,包括如下步骤:
将数字资产交易数据形式化为关于特征集上定义的交易模式,所述特征集包括交易特征和地址特征;
对交易特征和地址特征进行基因定义处理,生成数字资产DNA;
提取数字资产DNA中的特征量,分析与预设值的关联性,输出数字资产的流向信息和染色强度信息,发送至终端;
所述将数字资产交易数据形式化为关于特征集上定义的交易模式为:
最终聚集地址的传入地址数大于预设值;
每个聚集地址对应的数字资产量在预设范围内;
数字资产量的损失行为始于固定值;
若数字资产量的转移接收地址对应的数字资产量大于预设值时,则聚集地址的传出地址仅有一个;
聚集地址的出接口地址数大于预设值;
搭建一个基于识别涉及正在调查案件的可疑比特币地址的认知计算智能学习框架,给定案例的线索形式化为在关于交易地址和交易流的全面特征集上定义的交易模式;将所述数字资产交易数据转换为正式模型,为数字资产交易;
根据DAN的结构信息形式化交易特征和地址特征,并通过DAN的转换触发的动态语义分析交易流特征;
所有所述数字资产交易按发生顺序的遍历由DAN中所有转换的触发序列捕获;
将数字资产交易数据形式化为关于特征集上定义的交易模式之后,还包括:
根据传入地址和传出地址的数量,对传入地址和传出地址进行分类,用于筛选可疑聚集地址;
所述基因定义是具有矩阵模型的基因数据;
其中,所述矩阵模型的要素包括DNA名称、数字资产量和DNA分子量;
所述对交易特征和地址特征进行基因定义处理包括基因的合并定义,具体为:
合并DNA名称形成DNA名称集;
合并每个DNA名称对应的数字资产量形成数字资产之和;
将每个DNA名称对应的数字资产量修改为数字资产之和;
输出每个DNA名称占DNA名称集的百分比作为DNA分子量;
所述对交易特征和地址特征进行基因定义处理还包括基因的分裂定义,具体为:
将DNA名称设置为原始数字资产量对应的DNA名称组成的DNA名称集;
将每个DNA名称对应的数字资产量设置为原始数字资产量;
将每个DNA名称对应的DNA分子量替换为原始数字资产量对应的DNA分子量;
所述对交易特征和地址特征进行基因定义处理还包括基因的染色定义,具体为:
对目标DNA名称进行选定;
将目标DNA名称对应的数字资产量设置为预设值;
将目标DNA分子量设置为100%。
2.根据权利要求1所述的区块链中数字资产流向追踪的方法,其特征在于,将数字资产交易数据形式化为关于特征集上定义的交易模式之后,还包括:
根据传入地址和传出地址的数量,对传入地址和传出地址进行分类,用于筛选可疑聚集地址。
3.一种区块链中数字资产流向追踪的系统,其特征在于,包括存储器和处理器,所述存储器中包括区块链中数字资产流向追踪程序,所述程序被所述处理器执行时,实现如下步骤:
将数字资产交易数据形式化为关于特征集上定义的交易模式,所述特征集包括交易特征和地址特征;
对交易特征和地址特征进行基因定义处理,生成数字资产DNA;
提取数字资产DNA中的特征量,分析与预设值的关联性,输出数字资产的流向信息和染色强度信息,发送至终端;
所述将数字资产交易数据形式化为关于特征集上定义的交易模式为:
最终聚集地址的传入地址数大于预设值;
每个聚集地址对应的数字资产量在预设范围内;
数字资产量的损失行为始于固定值;
若数字资产量的转移接收地址对应的数字资产量大于预设值时,则聚集地址的传出地址仅有一个;
聚集地址的出接口地址数大于预设值;
搭建一个基于识别涉及正在调查案件的可疑比特币地址的认知计算智能学习框架,给定案例的线索形式化为在关于交易地址和交易流的全面特征集上定义的交易模式;将所述数字资产交易数据转换为正式模型,为数字资产交易;
根据DAN的结构信息形式化交易特征和地址特征,并通过DAN的转换触发的动态语义分析交易流特征;
所有所述数字资产交易按发生顺序的遍历由DAN中所有转换的触发序列捕获;
将数字资产交易数据形式化为关于特征集上定义的交易模式之后,还包括:
根据传入地址和传出地址的数量,对传入地址和传出地址进行分类,用于筛选可疑聚集地址;
所述基因定义是具有矩阵模型的基因数据;
其中,所述矩阵模型的要素包括DNA名称、数字资产量和DNA分子量;
所述对交易特征和地址特征进行基因定义处理包括基因的合并定义,具体为:
合并DNA名称形成DNA名称集;
合并每个DNA名称对应的数字资产量形成数字资产之和;
将每个DNA名称对应的数字资产量修改为数字资产之和;
输出每个DNA名称占DNA名称集的百分比作为DNA分子量;
所述对交易特征和地址特征进行基因定义处理还包括基因的分裂定义,具体为:
将DNA名称设置为原始数字资产量对应的DNA名称组成的DNA名称集;
将每个DNA名称对应的数字资产量设置为原始数字资产量;
将每个DNA名称对应的DNA分子量替换为原始数字资产量对应的DNA分子量;
所述对交易特征和地址特征进行基因定义处理还包括基因的染色定义,具体为:
对目标DNA名称进行选定;
将目标DNA名称对应的数字资产量设置为预设值;
将目标DNA分子量设置为100%。
4.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包括区块链中数字资产流向追踪程序,所述程序被处理器执行时,实现如权利要求1和2中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111218236.9A CN113656768B (zh) | 2021-10-20 | 2021-10-20 | 一种区块链中数字资产流向追踪的方法、系统和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111218236.9A CN113656768B (zh) | 2021-10-20 | 2021-10-20 | 一种区块链中数字资产流向追踪的方法、系统和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113656768A CN113656768A (zh) | 2021-11-16 |
CN113656768B true CN113656768B (zh) | 2022-06-07 |
Family
ID=78494683
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111218236.9A Active CN113656768B (zh) | 2021-10-20 | 2021-10-20 | 一种区块链中数字资产流向追踪的方法、系统和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113656768B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115048462A (zh) * | 2022-06-29 | 2022-09-13 | 深圳前海微众银行股份有限公司 | 一种基于区块链的数字资产合成方法及装置 |
CN116720665B (zh) * | 2023-08-10 | 2023-10-17 | 太一云境技术有限公司 | 一种移动式数字资产管理方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10963469B2 (en) * | 2018-01-21 | 2021-03-30 | EMC IP Holding Company LLC | Automatic identification, definition and management of data for DNA storage systems |
CN109087079B (zh) * | 2018-07-09 | 2021-03-30 | 北京知帆科技有限公司 | 数字货币交易信息分析方法 |
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 |
-
2021
- 2021-10-20 CN CN202111218236.9A patent/CN113656768B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113656768A (zh) | 2021-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113656768B (zh) | 一种区块链中数字资产流向追踪的方法、系统和存储介质 | |
CN112148772A (zh) | 告警根因识别方法、装置、设备和存储介质 | |
CN110415107B (zh) | 数据处理方法、装置、存储介质及电子设备 | |
Wu et al. | A bitcoin transaction network analytic method for future blockchain forensic investigation | |
CN111666346A (zh) | 信息归并方法、交易查询方法、装置、计算机及存储介质 | |
CN107368592B (zh) | 一种用于网络安全报告的文本特征模型建模方法及装置 | |
CN111932130A (zh) | 业务类型识别方法及装置 | |
Dumitrescu et al. | Anomaly detection in graphs of bank transactions for anti money laundering applications | |
WO2023174119A1 (zh) | 数字内容处理方法、装置、电子设备、存储介质及产品 | |
CN113268768A (zh) | 一种敏感数据的脱敏方法、装置、设备及介质 | |
CN113177660A (zh) | 驾驶意图预测与处理方法、装置、设备及存储介质 | |
CN116956026A (zh) | 一种网络资产识别模型的训练方法及系统 | |
CN111523679A (zh) | 特征分箱方法、设备及可读存储介质 | |
KR102296387B1 (ko) | 가상자산 사업자의 지갑 주소 식별 방법 및 장치 | |
CN111245815B (zh) | 数据处理方法、装置、存储介质及电子设备 | |
CN113849595A (zh) | 一种基层治理事件类型识别方法及系统 | |
CN115795466B (zh) | 一种恶意软件组织识别方法及设备 | |
US20210165907A1 (en) | Systems and methods for intelligent and quick masking | |
CN110807702A (zh) | 贷后信息的管理方法、装置、设备及存储介质 | |
CN114584391A (zh) | 异常流量处理策略的生成方法、装置、设备及存储介质 | |
CN113763143A (zh) | 审计处理方法、计算机设备及存储装置 | |
Feng et al. | Blockchain-oriented approach for detecting cyber-attack transactions | |
CN113626655A (zh) | 提取文件中信息的方法、计算机设备及存储装置 | |
CN111753148B (zh) | 一种交易类型匹配方法和装置 | |
Drew | hierarchical agglomerative clustering |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220516 Address after: 103-11, first floor, Section II (building a, science and Technology Park), teaching building, west campus, Beijing University of chemical technology, No. 98, Zizhuyuan Road, Haidian District, Beijing 100089 Applicant after: Zhian Lianyun Technology (Beijing) Co.,Ltd. Address before: Room 118, building 41, 1 cangxing Road, Cangqian street, Yuhang District, Hangzhou City, Zhejiang Province Applicant before: ZHEJIANG ZHONGKE HUAZHI TECHNOLOGY Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |