一种基于区块链的地址信用风险评估方法和系统与流程

1.本发明涉及区块链技术领域，尤其涉及一种基于区块链的地址信用风险评估方法和系统。


背景技术：

2.区块链，就是一个又一个区块组成的链条。每一个区块中保存了一定的信息，它们按照各自产生的时间顺序连接成链条。这个链条被保存在所有的服务器中，只要整个系统中有一台服务器可以工作，整条区块链就是安全的。这些服务器在区块链系统中被称为节点，它们为整个区块链系统提供存储空间和算力支持。如果要修改区块链中的信息，必须征得半数以上节点的同意并修改所有节点中的信息，而这些节点通常掌握在不同的主体手中，因此篡改区块链中的信息是一件极其困难的事。相比于传统的网络，区块链具有两大核心特点：一是数据难以篡改、二是去中心化。基于这两个特点，区块链所记录的信息更加真实可靠，可以帮助解决人们互不信任的问题。
3.现有的区块链交易中，一般会采用区块链匿名，非语义化，智能合约算法驱动的交易和共识机制，而这些机制又会使非法交易很容易藏身，导致交易风险不可感知，交易事件追踪也无法按照人的认识和理解去追踪表示，增加了区块链中交易的风险。基于此，本发明构建一种基于区块链交易监控的地址信用风险评估方法和系统。


技术实现要素：

4.本发明提供了一种基于区块链的地址信用风险评估方法，包括：
5.监控全网黑名单地址，解析黑名单地址建立地址黑名单数据库，并将黑名单地址部署成为去中心化黑名单区块链节点，同时建立服务器节点；
6.请求服务器节点获取区块链交易数据，比对交易数据与服务器节点或黑名单区块链节点，获得异常交易地址；
7.根据异常交易地址，应用机器学习模型分析与异常交易地址所相关的交易的上下游区块链节点，进行交易风险评价建模。
8.如上所述的一种基于区块链的地址信用风险评估方法，其中，监控全球各地政府、执法机构公布的黑名单地址，通过对黑名单地址分析建立地址黑名单数据库。
9.如上所述的一种基于区块链的地址信用风险评估方法，其中，获取的区块链交易数据包括各区块的交易数据，包括但不限于区块链交易日志、区块打包信息中的交易对，从交易数据中挖掘交易信息、交易对和交易详情，在交易日志或交易对中包含有区块链节点信息，如果交易数据中包含的节点与服务器节点或黑名单节点匹配，则说明该交易数据中的地址为异常交易地址。
10.如上所述的一种基于区块链的地址信用风险评估方法，其中，从区块数据中分析出交易分布的公链、地址、协议及路由链路关系，具体包括区块链节点路由、交易类型、主网公链、交易成本、交易资金流向、矿工节点、交易所、跨链交易的区块链数据知识图谱。
11.如上所述的一种基于区块链的地址信用风险评估方法，其中，通过交易频次、交易链路关系、交易金额、交易成本与主网公链、协议、交易形式特征进行编码，用深度学习模型，对黑名单地址的交易进行风险评价建模，以及交易发生时候的行为特征建模、环境特征建模。
12.如上所述的一种基于区块链的地址信用风险评估方法，其中，风险评价建模包括地址本身风险评价，地址本身风险评价包括节点参与的有风险交易次数权重和节点参与的所有交易总价值权重，其中，节点参与的有风险交易次数权重具体包括：先计算节点x参与的所有交易的总次数，然后计算节点x参与的有风险交易总次数，然后有风险交易总次数除以所有交易总次数所得值再求倒数，得到节点参与的有风险交易次数权重；节点参与的所有交易总价值权重r(x)为一种风险类型的常量系数。
13.如上所述的一种基于区块链的地址信用风险评估方法，其中，风险评价建模包括交易风险评价，交易风险评价是节点参与的有风险交易中发送节点的交易次数权重与接收节点的交易次数权重比，即t(x)＝r(i)/r(j)
x
。
14.如上所述的一种基于区块链的地址信用风险评估方法，其中，风险评价建模包括在整体链路的风险评价，在整体链路的风险评价是指该节点在进行交易时相对于整个区块链链路来说可能存在的交易风险；当一个新的交易发生时，通过深度学习模型计算在整体链路的风险，根据参与交易风险的类型、频次、交易规模和协议类型给出地址节点的风险信用评估：
[0015][0016]
其中，tcr(pi)表示节点pi的信用度评估值。
[0017]
如上所述的一种基于区块链的地址信用风险评估方法，其中，在确定了区块链矿工节点的地址信用风险评分后，还包括建立区块链节点与其关联节点的风险地址映射拓扑。
[0018]
本发明还提供一种基于区块链的地址信用风险评估系统，包括：
[0019]
地址监控模块用于监控全网黑名单地址，解析黑名单地址建立地址黑名单数据库，并将黑名单地址部署成为去中心化黑名单区块链节点，同时建立服务器节点；
[0020]
区块交易数据获取模块用于请求服务器节点获取区块链交易数据；
[0021]
异常交易地址监控模块用于比对交易数据与服务器节点或黑名单区块链节点，获得异常交易地址；
[0022]
交易风险评价模型创建模块用于根据异常交易地址，应用机器学习模型分析与异常交易地址所相关的交易的上下游区块链节点，进行交易风险评价建模。
[0023]
本发明实现的有益效果如下：本发明通过人工智能、机器学习技术与区块链数据相结合，建立一种面向区块链地址的匿名网络的地址信用和风险评价模型，为交易事件分析提供有效率的追踪和分析手段，让交易风险地址信用更显性化表示风险和感知交易的风
险。
附图说明
[0024]
为了更清楚地说明本发明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发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
[0025]
图1是本发明实施例一提供的一种基于区块链交易监控的地址信用风险评估方法流程图；
[0026]
图2是风险地址映射拓扑示意图；
[0027]
图3是本发明实施例二提供的一种基于区块链的智能监控系统示意图。
具体实施方式
[0028]
下面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。
[0029]
实施例一
[0030]
参见图1，本发明实施例一提供一种基于区块链交易监控的地址信用风险评估方法，包括：
[0031]
步骤110、监控全网黑名单地址，解析黑名单地址建立地址黑名单数据库，并将黑名单地址部署成为去中心化黑名单区块链节点，同时建立服务器节点；
[0032]
具体地，通过本技术的信用风险评估系统监控全球各地政府、执法机构等公布的黑名单地址，通过对黑名单地址分析建立地址黑名单数据库。
[0033]
步骤120、请求服务器节点获取区块链交易数据，比对交易数据与服务器节点或黑名单区块链节点，获得异常交易地址；
[0034]
本技术实施例中，获取的区块链交易数据包括各区块的交易数据，包括但不限于区块链交易日志、区块打包信息中的交易对，从交易数据中挖掘交易信息、交易对和交易详情，包括交易金额、gas费等交易成本。在交易日志或交易对中包含有区块链节点信息，如果交易数据中包含的节点与服务器节点或黑名单节点匹配，则说明该交易数据中的地址为异常交易地址。
[0035]
步骤130、根据异常交易地址，应用机器学习模型分析与异常交易地址所相关的交易的上下游区块链节点，进行交易风险评价建模；
[0036]
由于一个地址向另外一个地址转账时，如果前一个地址是属于黑名单，则该黑名单的风险可以传递给其他交易，沿着该黑名单地址向上游或下游递归、遍历，会发现所有跟该黑名单地址相关的交易节点，这些节点的风险概率必然高于其他未与黑名单地址发生交易的地址。
[0037]
具体地，从区块数据中分析出交易分布的公链、地址、协议及路由链路关系，具体包括区块链节点路由、交易类型、主网公链、交易成本、交易资金流向、矿工节点、交易所、跨
链交易等区块链数据知识图谱。
[0038]
通过交易频次、交易链路关系、交易金额、交易成本与主网公链、协议、交易形式等特征进行编码，用深度学习模型，对黑名单地址的交易进行风险评价建模，以及交易发生时候的行为特征建模、环境特征建模。
[0039]
其中，风险评价建模包括地址本身风险、交易风险和在整体链路的风险：
[0040]
地址本身风险包括节点参与的有风险交易次数权重和节点参与的所有交易总价值权重，其中，节点参与的有风险交易次数权重具体包括：先计算节点x参与的所有交易的总次数，然后计算节点x参与的有风险交易总次数，然后有风险交易总次数除以所有交易总次数所得值再求倒数，得到节点参与的有风险交易次数权重；节点参与的所有交易总价值权重r(x)为一种风险类型的常量系数。
[0041]
交易风险是节点参与的有风险交易中发送节点的交易次数权重与接收节点的交易次数权重比，即t(x)＝r(i)/r(j)
x
。
[0042]
在整体链路的风险是指该节点在进行交易时相对于整个区块链链路来说可能存在的交易风险。具体地，当一个新的交易发生时，通过深度学习模型计算在整体链路的风险，根据参与交易风险的类型、频次、交易规模和协议类型给出地址节点的风险信用评估：
[0043][0044]
其中，tcr(pi)表示节点pi的信用度评估值。
[0045]
例如，如果地址a与地址b发生交易，而地址b是高风险地址，则a地址的信用减分；如果地址a跟地址b发生交易，b地址给c地址转钱，c地址是高风险地址，则对b地址的信用减分、对地址a信用减分，但是对a的减分权重弱于对比的权重减分。以此类推，在区块链上，进行地址之间的交易，如果交易的受益小于交易的成本，则交易就不成立，递归终止。
[0046]
本技术实施例中，进一步地，在确定了区块链矿工节点的地址信用风险评分后，建立区块链节点与其关联节点的风险地址映射拓扑；
[0047]
具体地，建立区块链矿工节点与其关联节点的风险地址映射拓扑，该地址映射拓扑中标注有异常交易地址，以及与之关联的一级交易地址(即异常交易地址的上层交易节点或下层交易节点)，每个一级交易地址又作为新的异常交易地址，确定其他与之关联的二级交易地址(即与以及交易地址关联的上下层交易地址)，以此类推，通过一个异常交易地址能够拓展出无数的关联地址，形成如图2所示的拓扑结构，在拓扑结构中每个地址中均设置有其对应的信用度评估值。
[0048]
图2中，区块地址address1与address7之间存在交易1，address2与address8之间存在交易2，address3与address9之间存在交易3，address4与address10之间存在交易4，address5与address11之间存在交易5，address6与address12之间存在交易6
……
，建立的地址映射拓扑中address1与address7、address2与address8、address3与address9、address4与address10、address5与address11、address6与address12之间存在地址映射关
系，address1还与address8存在地址映射关系，address8与address3存在地址映射关系。
[0049]
优选地，若计算得到的区块链矿工节点的信用度评估值比预设信用值高(该预设信用值可以预先设定，也可以在运行过程中根据安全需要进行更新)，则确定该区块链矿工节点传递风险的程度较高，可以在建立的风险地址映射拓扑中进行重点标注。
[0050]
实施例二
[0051]
如图3所示，本发明实施例三提供一种基于区块链的地址信用风险评估系统3，包括：地址监控模块31、区块交易数据获取模块32、异常交易地址监控模块33和交易风险评价模型创建模块34。其中：
[0052]
地址监控模块31用于监控全网黑名单地址，解析黑名单地址建立地址黑名单数据库，并将黑名单地址部署成为去中心化黑名单区块链节点，同时建立服务器节点；具体地，监控全球各地政府、执法机构公布的黑名单地址，通过对黑名单地址分析建立地址黑名单数据库。
[0053]
区块交易数据获取模块32用于请求服务器节点获取区块链交易数据；获取的区块链交易数据包括各区块的交易数据，包括但不限于区块链交易日志、区块打包信息中的交易对，从交易数据中挖掘交易信息、交易对和交易详情，在交易日志或交易对中包含有区块链节点信息，如果交易数据中包含的节点与服务器节点或黑名单节点匹配，则说明该交易数据中的地址为异常交易地址。从区块数据中分析出交易分布的公链、地址、协议及路由链路关系，具体包括区块链节点路由、交易类型、主网公链、交易成本、交易资金流向、矿工节点、交易所、跨链交易的区块链数据知识图谱。
[0054]
异常交易地址监控模块33用于比对交易数据与服务器节点或黑名单区块链节点，获得异常交易地址；
[0055]
交易风险评价模型创建模块34用于根据异常交易地址，应用机器学习模型分析与异常交易地址所相关的交易的上下游区块链节点，进行交易风险评价建模。具体地，通过交易频次、交易链路关系、交易金额、交易成本与主网公链、协议、交易形式等特征进行编码，用深度学习模型，对黑名单地址的交易进行风险评价建模，以及交易发生时候的行为特征建模、环境特征建模。
[0056]
具体地，交易风险评价模型创建模块34包括地址本身风险评价子模块341、交易风险评价子模块342和在整体链路的风险评价子模块343。
[0057]
其中，地址本身风险评价包括节点参与的有风险交易次数权重和节点参与的所有交易总价值权重，其中，节点参与的有风险交易次数权重具体包括：先计算节点x参与的所有交易的总次数，然后计算节点x参与的有风险交易总次数，然后有风险交易总次数除以所有交易总次数所得值再求倒数，得到节点参与的有风险交易次数权重；节点参与的所有交易总价值权重r(x)为一种风险类型的常量系数。
[0058]
交易风险评价是节点参与的有风险交易中发送节点的交易次数权重与接收节点的交易次数权重比，即t(x)＝r(i)/r(j)
x
。
[0059]
在整体链路的风险评价是指该节点在进行交易时相对于整个区块链链路来说可
能存在的交易风险；当一个新的交易发生时，通过深度学习模型计算在整体链路的风险，根据参与交易风险的类型、频次、交易规模和协议类型给出地址节点的风险信用评估：
[0060][0061]
其中，tcr(pi)表示节点pi的信用度评估值。
[0062]
进一步地，所述基于区块链的地址信用风险评估系统，还包括风险地址映射拓扑构建模块35，用于在确定了区块链矿工节点的地址信用风险评分后，还包括建立区块链节点与其关联节点的风险地址映射拓扑。
[0063]
与上述实施例对应的，本发明实施例提供一种计算机可读存储介质，计算机存储介质中包括：至少一个存储器和至少一个处理器；
[0064]
存储器用于存储一个或多个程序指令；
[0065]
处理器，用于运行一个或多个程序指令，用以执行一种基于区块链的地址信用风险评估方法。
[0066]
本发明所公开的实施例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存储有计算机程序指令，当所述计算机程序指令在计算机上运行时，使得计算机执行上述的一种基于区块链的地址信用风险评估方法。
[0067]
存储介质可以是存储器，例如可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。
[0068]
其中，非易失性存储器可以是只读存储器(read-only memory，简称rom)、可编程只读存储器(programmable rom，简称prom)、可擦除可编程只读存储器(erasable prom，简称eprom)、电可擦除可编程只读存储器(electrically eprom，简称eeprom)或闪存。
[0069]
易失性存储器可以是随机存取存储器(random access memory，简称ram)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的ram可用，例如静态随机存取存储器(static ram，简称sram)、动态随机存取存储器(dynamic ram，简称dram)、同步动态随机存取存储器(synchronous dram，简称sdram)、双倍数据速率同步动态随机存取存储器(double data ratesdram，简称ddrsdram)、增强型同步动态随机存取存储器(enhancedsdram，简称esdram)、同步连接动态随机存取存储器(synchlink dram，简称sldram)和直接内存总线随机存取存储器(directrambus ram，简称drram)。
[0070]
本发明实施例描述的存储介质旨在包括但不限于这些和任意其它适合类型的存储器。
[0071]
本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明所描述的功能可以用硬件与软件组合来实现。当应用软件时，可以将相应功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。
[0072]
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。