龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：合肥工业大学
摘要：本发明公开基于Transformer‑卷积神经网络相结合的混合比特币去匿名化方法，涉及深度学习中分类识别的技术领域，主要包括以下步骤：在初始准备阶段，基于爬取比特币原始交易数据，通过Union‑Find算法遍历交易输出地址并按启发式条件聚类，把聚类数据按用户id进行分类，作为测试集。在识别分类阶段，将爬取的已标记实体名称的数据作为训练集，采用特征提取的方式进行特征构建，识别每笔交易所对应的用户类型。本发明通过使用混合网络对比特币地址进行去匿名化，该方法顺利完成对比特币交易实体类型的多分类，这种分类网络在捕捉交易本身特征的同时兼顾交易间的时序特征，有效提高了识别网络的准确度和可靠性。
主权项：1.基于Transformer-卷积神经网络相结合的混合比特币去匿名化方法，其特征在于，包括如下步骤：对比特币原始交易数据和比特币原始用户数据进行收集和特征提取；并构建训练数据集和测试数据集改进现有Transformer网络和卷积神经网络并得到最优参数，从而融合得到Transformer-卷积神经网络相结合的混合网络；比特币原始交易数据收集和特征提取包括获取比特币原始交易数据并通过Union-Find算法得到包含每个使用比特币交易的用户的所有地址列表，并按交易时间的顺序随机采样形成一个带有先后顺序的时间序列数据；比特币原始用户数据收集和特征提取包括获取已标记使用比特币进行交易用户类别的原始用户数据，构造反映使用比特币进行交易用户所在的比特币系统特征的系统变量和具有时序特征的用户交易间的变量；构建训练数据集和测试数据集包括基于比特币原始交易数据和比特币原始用户数据特征按比例构建训练数据集、测试数据集和验证数据集；改进现有Transformer网络和卷积神经网络并得到最优参数包括采用数据预处理方式获得最优参数；融合得到Transformer-卷积神经网络相结合的混合网络包括基于改进现有Transformer网络和卷积神经网络得到的最优参数，确定融合的最优参数。
全文数据：
权利要求：
百度查询： 合肥工业大学 基于Transformer-卷积神经网络相结合的混合比特币去匿名化方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号