公开(公告)号：CN119067661A

公开(公告)日：2024-12-03

申请号：CN202410983488.8

申请日：2024-07-22

Applicant: 北京理工大学

Inventor： 张子剑 ,  卫青 ,  郭振宇 ,  白思萌 ,  胡晶晶 ,  徐蕾 ,  祝烈煌

IPC: G06Q20/38 ,  G06F18/214 ,  G06F18/23 ,  G06F18/243

Abstract: 本发明涉及一种基于复合特征节点类别挖掘的加密货币辅助监管方法，属于区块链监管领域。首先解析从区块链网络中抓取加密货币交易的广播流量，获取参与交互行为的节点列表和对应消息类型。对一段时间内的流量数据进行汇总分类，得到消息类型的统计量。将抓取的流量数据传入外部辅助系统，返回部分节点的类别判断结果和无法判断的节点列表。提升训练样本质量，基于聚类思想构建机器学习模型，并根据外部系统提供的粗粒度标签对模型进行调整。使用训练完成的模型对剩余的无法判断节点进行预测，得到高置信度的节点类别，将其中的轻节点纳入重点监管目标，强化范围性监管力度。本发明实现了加密货币节点类别挖掘，增大了监管平台的有效监管范围比例。

公开(公告)号：CN118552195A

公开(公告)日：2024-08-27

申请号：CN202410434142.2

申请日：2024-04-11

Applicant: 北京理工大学 ,  中科信息安全共性技术国家工程研究中心有限公司

Inventor： 张子剑 ,  张国强 ,  郭振宇 ,  李承益 ,  徐蕾 ,  祝烈煌 ,  张超 ,  高振鹏

IPC: G06Q20/36 ,  G06Q20/38 ,  G06Q40/04

Abstract: 本发明涉及一种基于通信树的加密货币首发节点关联挖掘方法，属于区块链分析技术领域。首先对从区块链网络中获取交易信息，并查询获得所有交易对应的发起者账户信息集合。然后对账户集合中的各账户依次进行节点关联挖掘，查询账户发起的交易形成交易集合。在区块链网络中，分别抽取出每笔交易对应的网络流量，梳理转发流量并构建形成通信树。之后，根据通信树的特点保留接近树根的节点加入候选集，各交易均具有一个首发节点候选集。所有集合经过合并得到最终的账户对应节点候选集。最后，经过货币系统辅助判断，得到高置信度的关联节点。本发明实现了交易发起者与首发节点的关联挖掘，增强了监管平台对加密货币的监管效能。

公开(公告)号：CN119067660A

公开(公告)日：2024-12-03

申请号：CN202410983373.9

申请日：2024-07-22

Applicant: 北京理工大学

Inventor： 张子剑 ,  李承益 ,  郭振宇 ,  贺大庆 ,  魏庆宇 ,  徐蕾 ,  胡晶晶 ,  祝烈煌

IPC: G06Q20/38 ,  G06Q20/40 ,  H04L9/40

Abstract: 本发明涉及一种基于关键字流量识别的加密货币辅助监管方法，属于区块链监管技术领域。本发明结合区块链网络的数据信息和网络节点的通信功能，首先收集流量数据，根据通信协议提取其中的关键字特征，并将特定字段与加密货币的类别进行匹配，得到流量对应类别的初步判断结果。然后根据初步判断的目标加密货币的通信协议创建模拟数据包，并与目标节点建立连接，发送数据包，接收并解析返回的数据包，分析其中的关键信息，以验证判断结果并确定目标节点的类型。将该节点及其信息标签化存储至数据库，持续监测并定期更新节点标签。本发明实现了针对加密货币流量的高效识别，增强了监管平台对加密货币的监管效能。

公开(公告)号：CN111506835B

公开(公告)日：2022-12-23

申请号：CN202010306982.2

申请日：2020-04-17

Applicant: 北京理工大学

Inventor： 礼欣 ,  郭振宇 ,  苏海萍

IPC: G06F16/9537 ,  G06F16/9535 ,  G06K9/62

Abstract: 本发明涉及一种融合用户时间特征和个性特征的数据特征提取方法，属于人工智能技术领域；本发明基于多用户的批量时序数据，通过时间卷积神经网络建模数据的序列关系，同时引入时间通道和个性特征通道注意力机制自动选择与预测下一个数据点所密切相关的数据特征，从而获取用户的综合数据特征，在此基础上，可以利用现有神经网络模型提供基于用户历史习惯的相关服务。对比现有技术，本发明有效解决了传统神经网络模型在使用数据时效率低下的问题，通过时间通道和个性特征通道两种注意力机制，强调了时间信息和用户个性对于特征提取的重要性，提高了特征提取的有效性。

公开(公告)号：CN111506835A

公开(公告)日：2020-08-07

申请号：CN202010306982.2

申请日：2020-04-17

Applicant: 北京理工大学

Inventor： 礼欣 ,  郭振宇 ,  苏海萍

IPC: G06F16/9537 ,  G06F16/9535 ,  G06K9/62

Abstract: 本发明涉及一种融合用户时间特征和个性特征的数据特征提取方法，属于人工智能技术领域；本发明基于多用户的批量时序数据，通过时间卷积神经网络建模数据的序列关系，同时引入时间通道和个性特征通道注意力机制自动选择与预测下一个数据点所密切相关的数据特征，从而获取用户的综合数据特征，在此基础上，可以利用现有神经网络模型提供基于用户历史习惯的相关服务。对比现有技术，本发明有效解决了传统神经网络模型在使用数据时效率低下的问题，通过时间通道和个性特征通道两种注意力机制，强调了时间信息和用户个性对于特征提取的重要性，提高了特征提取的有效性。