买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华北电力大学申请的专利一种面向区块链交易行为的异常检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114862588B 。

龙图腾网通过国家知识产权局官网在2025-10-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210661014.2，技术领域涉及：G06F18/2433；该发明授权一种面向区块链交易行为的异常检测方法是由李建彬;李何筱;李敬豪;成娜;徐亚;张务卿;张恒洋设计研发完成，并于2022-06-13向国家知识产权局提交的专利申请。

本一种面向区块链交易行为的异常检测方法在说明书摘要公布了：本发明提出一种面向区块链交易行为的异常检测方法，获取区块链中以太坊交易记录数据，包括交易双方地址、交易金额、交易时间，将交易地址进行正常地址和异常地址的区分，并将获取的数据划分为训练集和测试集；将获取的交易记录构造成交易网络图，并把交易网络图转化成邻接矩阵；使用基于时间加权多通道游走的交易网络嵌入模型，将邻接矩阵作为输入，从中提取出特征序列向量；将得到的特征序列向量作为输入，对应的对交易地址的区分结果作为输出，对CNN分类器进行训练以得到检测模型；利用得到的检测模型对区块链交易中的异常交易进行检测。

本发明授权一种面向区块链交易行为的异常检测方法在权利要求书中公布了：1.一种面向区块链交易行为的异常检测方法，包括： 步骤1、建立整体交易网络：获取区块链中以太坊交易记录数据，交易记录包括交易双方地址、交易金额、交易时间，将交易地址进行正常地址和异常地址的区分，并将获取的数据划分为训练集和测试集；将获取的交易记录构造成交易网络图，并把交易网络图转化成邻接矩阵； 步骤2、特征提取：使用基于时间加权多通道游走的交易网络嵌入模型，将邻接矩阵作为输入，从中提取出特征序列向量；所述基于时间加权多通道游走的交易网络嵌入模型包括随机游走生成器和网络嵌入的特征学习过程；随机游走生成器通过执行截断随机游动，将大规模网络转换为从中采样的一组节点序列，用于捕获节点之间的结构关系；特征学习过程中，使用Skip‑gram算法对节点序列嵌入向量表示；所述基于时间加权多通道游走的交易网络嵌入模型中，估计在迄今为止给定的随机游走中访问过的所有顶点的情况下，观察到顶点vi的可能性为： Prvi|v1,v2,...,vi‑1定义是从节点到下游分类任务学习的特征表示的映射函数，为通过一个邻节点采样策略S生成的顶点vi∈V的网络邻域其中，d是代表特征表示的维数的参数，f是大小为|V|×d的矩阵； 寻求优化以下目标函数，该目标函数使节点vi∈V在其特征表示的条件下观察网络邻域的对数概率最大化： 以太坊交易地址节点的邻域采样策略是，随机游走生成器针对交易网络图G，随机对一个随机游走路径的顶点vi∈V进行均匀采样，直到达到最大长度或最大层数l；对于交易金额和时间戳采取有偏随机游走策略，在基于交易金额的有偏抽样中，交易价值越大，两个相关节点之间的关系越强或更密切；在基于时间的有偏采样中，交易时间越晚，对节点关系的影响越大；在采样策略中，使用基于广度优先遍历和深度优先遍历的时间加权随机游走算法分别搜索当前节点的邻域节点来提取节点的局部特征和全局特征；在深度游走路径生成器中，利用深度优先遍历图的思想，通过各边的转移概率随机深度游走获得n个以vi∈V为顶点的固定长度为l的随机深度游走路径在广度游走路径生成器中，利用广度优先遍历图的思想，通过各边的转移概率随机广度游走获得顶点vi∈V的固定长度和固定层次都为为l的随机广度游走路径步骤3、检测模型训练：将步骤2得到的特征序列向量作为输入，步骤1中对应的对交易地址的区分结果作为输出，对CNN分类器进行训练以得到检测模型； 步骤4、异常交易检测：利用步骤3得到的检测模型对区块链交易中的异常交易进行检测，检测模型输入为步骤2得到的特征序列向量，输出为异常交易。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华北电力大学，其通讯地址为：102206 北京市昌平区北农路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。