欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021102720261
申请人: 北京工业大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种区块链数字货币虚拟地址的类别推测方法,其特征在于,包括:

获取区块链数字货币的已知类别地址和未知类别地址;

对所述已知类别地址进行交易检索、特征提取、数据归一化、特征贡献计算与筛选以及样本类别不均衡处理,得到样本数据集;其中,所述特征贡献计算与筛选,包括:针对所述已知类别地址,使用信息增益计算方法计算数据归一化后的数据集包含的各个特征属性的信息增益值,进行排序筛除特征贡献值低于阈值的特征,并记录筛除的特征属性名称,余下的特征属性组成新的特征数据集;针对所述未知类别地址,从数据归一化后的数据集中直接删除已知类别地址中记录的已筛除特征属性,余下的特征属性组成新的特征数据集,作为待分类数据集;

将所述样本数据集分为用于模型训练的训练数据集和用于模型评估的测试数据集,经多次迭代后,选择最优模型作为数字货币地址类别推测的分类器;具体包括:模型训练:本步骤对机器学习中的多个分类算法,使用训练数据集进行调参训练;模型评估:本步骤对模型训练中涉及的分类算法使用测试数据集分别就准确率、精确度、召回率、F1分数等多项评估指标进行对比评估,当没有模型达到预设的各项评估参数则认为分类器生成失败,返回模型训练步骤重新进行模型的调参训练;若有至少一个模型达到预设的各项评估参数则选择训练效果最好的模型生成分类器;

对所述未知类别地址进行交易检索、特征提取、数据归一化、特征贡献筛选,得到待分类数据集;

基于所述分类器对输入的所述待分类数据集进行分类计算,得到其所属类别。

2.如权利要求1所述的类别推测方法,其特征在于,所述交易检索和特征提取,包括:在区块链数字货币的账本数据中获得所述已知类别地址或未知类别地址所参与的所有交易信息;

对所述交易信息进行特征提取,得到基础数据集;其中,所述基础数据集包括交易总次数、每次交易的金额、作为输出地址的次数、参与铸币交易的次数、第一次接收比特币的时间、第一次花费比特币的时间、每笔交易的输出地址计数、每笔交易的输入地址计数;

基于特征工程中的方法对所述基础数据集中的特征数据进行组合,获取新的数据特征并生成特征数据集。

3.如权利要求1或2所述的类别推测方法,其特征在于,所述数据归一化,包括:采用最大小值归一化方法对所述特征提取生成的特征数据集进行数据归一化操作,使处理后的数据被限定0和1之间。

4.如权利要求1所述的类别推测方法,其特征在于,所述样本类别不均衡处理,包括:使用边界合成少数类过采样技术处理特征贡献计算与筛选后的数据集,得到所述样本数据集。

5.一种区块链数字货币虚拟地址的类别推测系统,其特征在于,包括:

数据处理模块,用于:

获取区块链数字货币的已知类别地址和未知类别地址;

对所述已知类别地址进行交易检索、特征提取、数据归一化、特征贡献计算与筛选以及样本类别不均衡处理,得到样本数据集;

对所述未知类别地址进行交易检索、特征提取、数据归一化、特征贡献筛选,得到待分类数据集;其中,所述特征贡献计算与筛选,包括:针对所述已知类别地址,使用信息增益计算方法计算数据归一化后的数据集包含的各个特征属性的信息增益值,进行排序筛除特征贡献值低于阈值的特征,并记录筛除的特征属性名称,余下的特征属性组成新的特征数据集;针对所述未知类别地址,从数据归一化后的数据集中直接删除已知类别地址中记录的已筛除特征属性,余下的特征属性组成新的特征数据集,作为所述待分类数据集;

分类器生成模块,用于:

将所述样本数据集分为用于模型训练的训练数据集和用于模型评估的测试数据集,经多次迭代后,选择最优模型作为数字货币地址类别推测的分类器;具体包括:模型训练:本步骤对机器学习中的多个分类算法,使用训练数据集进行调参训练;模型评估:本步骤对模型训练中涉及的分类算法使用测试数据集分别就准确率、精确度、召回率、F1分数等多项评估指标进行对比评估,当没有模型达到预设的各项评估参数则认为分类器生成失败,返回模型训练步骤重新进行模型的调参训练;若有至少一个模型达到预设的各项评估参数则选择训练效果最好的模型生成分类器;

分类模块,用于:

基于所述分类器对输入的所述待分类数据集进行分类计算,得到其所属类别。

6.如权利要求5所述的类别推测系统,其特征在于,在所述数据处理模块中,所述交易检索和特征提取,包括:在区块链数字货币的账本数据中获得所述已知类别地址或未知类别地址所参与的所有交易信息;

对所述交易信息进行特征提取,得到基础数据集;其中,所述基础数据集包括交易总次数、每次交易的金额、作为输出地址的次数、参与铸币交易的次数、第一次接收比特币的时间、第一次花费比特币的时间、每笔交易的输出地址计数、每笔交易的输入地址计数;

基于特征工程中的方法对所述基础数据集中的特征数据进行组合,获取新的数据特征并生成特征数据集。

7.如权利要求5或6所述的类别推测系统,其特征在于,在所述数据处理模块中,所述数据归一化,包括:采用最大小值归一化方法对所述特征提取生成的特征数据集进行数据归一化操作,使处理后的数据被限定0和1之间。

8.如权利要求5所述的类别推测系统,其特征在于,在所述数据处理模块中,所述样本类别不均衡处理,包括:使用边界合成少数类过采样技术处理特征贡献计算与筛选后的数据集,得到所述样本数据集。