(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111388952.1 (22)申请日 2021.11.22 (71)申请人 北京邮电大 学 地址 100876 北京市海淀区西土城路10号 (72)发明人 石瑞生　兰丽娜　时金桥　田传用　 王慧娟　 (74)专利代理 机构 北京风雅颂专利代理有限公 司 11403 代理人 李弘 (51)Int.Cl. G06K 9/62(2022.01) G06Q 40/04(2012.01) H04L 9/40(2022.01) (54)发明名称 一种基于分类器的数字货币交易溯源方法 和装置 (57)摘要 本发明公开了一种基于分类器的数字货币 交易溯源方法和装置， 所述方法包括： 截获目标 节点与其对等节点之间发送或接收的数字货币 交易流量； 针对截获的流量所涉及的每笔数字货 币交易， 统计目标节点发送的交易广播消息、 接 收的交易请求消息的数量， 并根据统计的消息的 数量构建特征向量； 基于每笔数字货币交易的特 征向量以及分类器， 溯源数字货币交易是否为目 标节点创建； 其中， 分类器是利用训练样本基于 有监督学习技术预先训练得到的； 其中， 训练样 本是根据预先从目标节点采集的发送或接收的 数字货币交易流量构建的， 并根据至少两种不同 的无监督异常检测算法的检测结果进行正、 负样 本的标记。 应用本发明能提高数字货币交易溯源 精度。 权利要求书2页 说明书11页 附图4页 CN 114358114 A 2022.04.15 CN 114358114 A 1.一种基于分类 器的数字货币交易溯源方法， 其特 征在于， 包括： 截获目标节点与其对等节点之间发送或接收的数字货币交易 流量； 针对截获的流量所涉及的每笔数字货币交易， 统计所述目标节点发送的交易广播消 息、 接收的交易请求消息的数量， 并根据 统计的消息的数量构建该笔数字货币交易的特征 向量； 针对每笔数字货币交易， 基于该笔数字货币交易的特征向量， 以及预先训练得到的分 类器， 溯源该 笔数字货币交易是否为所述目标节点创建； 其中， 所述分类器是利用训练样本基于有监督学习技术预先训练得到的； 其中， 所述训 练样本是根据预先从所述目标节点采集的发送或接收的数字货币交易流量构建的， 并根据 至少两种不同的无监 督异常检测算法的检测结果进行正、 负 样本的标记。 2.根据权利要求1所述的方法， 其特征在于， 所述训练样本是根据 预先从所述目标节点 采集的发送或接收的数字货币交易流量构建的， 并根据至少两种不同的无监督异常检测算 法的检测结果进行正、 负 样本的标记， 具体包括： 针对预先采集的所述目标节点发送或接收的数字货币交易流量所涉及的每笔数字货 币交易， 统计出所述节点 发送的交易广播消息、 接收的交易请求消息的数量， 并根据统计的 消息的数量构建该 笔数字货币交易的特 征向量作为训练样本； 将得到的所有训练样本组成样本集合后， 使用至少两种不同的无监督异常检测算法对 所述样本集 合进行异常检测， 分别得到检测出的异常集 合； 将得到的异常集 合取交集， 将交集中的训练样本标记为 正样本； 通过无监督学习算法计算各训练样本的输出概率， 并确定出正样本的输出概率中的最 小值； 对于其它训练样本， 若该训练样本的输出概率小于所述最小值， 则将该训练样本标记 为负样本； 否则， 标记为 正样本。 3.根据权利要求2所述的方法， 其特征在于， 所述统计所述目标节点发送的交易广播消 息、 接收的交易请求消息的数量， 并根据 统计的消息的数量构建该笔数字货币交易的特征 向量， 具体包括： 构建的该 笔数字货币交易的特 征向量包括： I nv_Num， Getdata_Num， Rati o， Sum； 其中， Inv_Num， Get data_Num分别表示针对该笔数字货 币交易统计出的目标节点发送 的交易广播消息的数量、 接收的交易请求消息的数量， R atio表示Inv_Num与Getdata_Num之 比， Sum表示 Inv_Num与Getdata_Num之和。 4.根据权利要求3所述的方法， 其特征在于， 在所述构建该笔数字货币交易的特征向量 后， 还包括： 对所述特 征向量进行扩充： 将通过无监督学习算法计算出的所述特征向量的输出概率扩充到所述特征向量后， 得 到扩充后的特 征向量。 5.根据权利要求4所述的方法， 其特征在于， 所述基于该笔数字货币交易的特征向量， 以及预先训练得到的分类 器， 溯源该 笔数字货币交易是否为所述目标节点创建， 具体为： 将该笔数字货币交易的扩充后的特 征向量输入到预 先训练得到的分类 器； 根据所述分类 器的输出， 溯源出 该笔数字货币交易是否为所述目标节点创建的。权　利　要　求　书 1/2 页 2 CN 114358114 A 26.根据权利要求3所述的方法， 其特征在于， 在所述利用正、 负样本对所述分类器进行 训练之前， 还 包括： 对所述训练样本进行扩充： 将通过无监督学习算法计算出的所述训练样本的输出概率扩充到所述训练样本的特 征向量后， 得到扩充后的训练样本 。 7.根据权利要求6所述的方法， 其特征在于， 所述分类器是利用训练样本基于有监督学 习技术预先训练得到的， 具体为： 所述分类 器是利用扩充后的训练样本基于有监 督学习技 术预先训练得到的。 8.一种基于分类 器的数字货币交易溯源 装置， 其特 征在于， 包括： 流量获取模块， 用于截获目标节点与其对等节点之间发送或接收的数字货币交易流 量； 特征向量构建模块， 用于针对截获的流量所涉及的每笔数字货币交易， 统计所述目标 节点发送的交易广播消息、 接 收的交易请求消息的数量， 并根据 统计的消息的数量构建该 笔数字货币交易的特 征向量； 交易溯源模块， 用于针对每笔数字货币交易， 基于该笔数字货币交易的特征向量， 以及 预先训练得到的分类 器， 溯源该 笔数字货币交易是否为所述目标节点创建； 其中， 所述分类器是利用训练样本基于有监督学习技术预先训练得到的； 其中， 所述训 练样本是根据预先从所述目标节点采集的发送或接收的数字货币交易流量构建的， 并根据 至少两种不同的无监 督异常检测算法的检测结果进行正、 负 样本的标记。 9.根据权利要求8所述的装置， 其特 征在于， 还 包括： 分类器训练模块， 用于针对预先从所述目标节点采集的发送或接收的数字货币交易流 量， 针对所涉及的每笔数字货币交易， 统计出所述节点 发送的交易广播消息、 接收的交易请 求消息的数量， 并根据统计的消息的数量构建该笔数字货币交易的特征向量作为训练样 本； 将得到的所有训练样本组成样本集合后， 使用至少 两种不同的无监督异常检测 算法对 所述样本集合进行异常检测， 分别检测出异常集合； 将得到的异常集合取 交集， 将交集中的 训练样本标记为正样本； 通过无监督学习算法计算各训练样本的输出概率， 并确定出正样 本的输出概率中的最小值； 对于其它训练样本， 若 该训练样本的输出概率小于所述最小值， 则将该训练样本标记为负样本； 否则， 标记为正样本； 利用标记了正、 负样本的训练样本对 所述分类 器进行训练。 10.一种电子设备， 包括中央处理单元、 信号处理和存储单元， 以及存储在信号处理和 存储单元上并可在中央处理单元上运行 的计算机程序， 其特征在于， 所述中央处理单元执 行所述程序时实现如权利要求1 ‑7任一所述的方法。权　利　要　求　书 2/2 页 3 CN 114358114 A 3