摘要
本发明公开了一种基于残差机制和图神经的以太坊匿名洗钱账户对识别方法,包括以下步骤:步骤一:获取以太坊中Tornado Cash数据集,按照不同账户在内部外部交易中存款取款的次数分类得到TC_ETH数据集;步骤二:使用以太坊域名服务数据集和TC_ETH数据集构建混合交互图,划分训练集和验证集;步骤三:对TC_ETH数据集进行数据增强,提取出节点特征矩阵;步骤四:结合混合交互图和节点特征矩阵,输入到具有残差结构的图神经网络中,输出节点对之间的关联概率;步骤五:计算损失,训练并优化模型,记录最优参数。步骤六:预测真实数据时,加载最优权重,根据输出判断两个节点之间洗钱概率。该方法有效处理大规模以太坊数据,精准识别出两个匿名账户之间是否存在洗钱嫌疑。
技术关键词
节点特征
识别方法
账户
数据
残差结构
矩阵
时间间隔特征
引入注意力机制
神经网络架构
条目
编码器结构
解码器
统计特征
预测误差
邻居
网络结构
标记