一种区块链中基于机器学习的女巫攻击检测方法

本发明公开了一种区块链中基于机器学习的女巫攻击检测方法，该方法具体包括：基于地址的时间行为序列构建定长二进制编码，并融合汉明距离、全局频率差异与局部分段频率差异，设计用于衡量地址时间行为相似性的定制距离度量算法；将地址与区块链协议的交互序列视为文本数据，采用词频‑逆文档频率技术提取协议使用的显著性特征；构建多阶段密度聚类模型，实现对疑似女巫地址的自动聚类与识别等步骤。本发明与现有技术相比具有引入自定义距离度量与文本特征建模方法，有效提升女巫地址识别的准确率和鲁棒性，增加攻击实施难度，增强区块链系统对女巫攻击的防御能力，为链上安全治理提供新的技术路径，具备较高的实用价值与广阔的推广前景。