加密货币交易网络安全问题研究

发布时间：2021-02-01 10:09

　　加密货币是使用密码学原理来验证和保护交易的交易媒介,其典型代表有比特币、以太币等。加密货币交易网络是基于点对点网络构建的加密货币交易平台,具有去中心化、自由流通和交易不可篡改等优点,近年来得到了广泛关注。然而,随着加密货币交易网络交易流量的不断增加,针对交易网络的攻击层出不穷,网络安全问题日益尖锐。就攻击目标而言,交易网络安全问题可以分为对用户信息的攻击和对网络自身的攻击两类。这两类攻击的典型代表是钓鱼诈骗和拒绝服务攻击。因此,本文分别就以太币交易网络中的钓鱼诈骗、比特币闪电网络在攻击下的安全性展开了研究。钓鱼诈骗是攻击者冒充权威机构骗取受害者敏感信息的诈骗行为。在以太币交易网络中,钓鱼诈骗主要通过私人通讯（如电子邮件、微信等）进行,无法使用HTML分析、DNS分析等基于钓鱼特征的方法进行检测。因此,本文从交易网络蕴含的信息入手,使用钓鱼节点的交易特征,通过以太币交易网络钓鱼检测模型,对针对用户信息的攻击检测做了研究。闪电网络是构建于比特币交易网络上的二层交易网络（2-layer Transaction Network）。它通过合并交易,提高了比特币交易的效率。但是,闪电网络结构中心性... 

【文章来源】：杭州电子科技大学浙江省

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

以太坊交易网络示例图

杭州电子科技大学硕士学位论文19从图3.1中可以看出交易网络中节点间联系紧密，即使是简化后的图，节点间仍存在错综复杂的关系。如果构建节点交易特征时单纯地将节点间的多笔交易加权相加，会导致特征融合，影响生成节点向量时的节点特征提龋以图3.2中的5个节点为例，图中使用省略号代表节点间超过3笔的交易。可以看到，除节点1到节点2的交易和节点5到节点1的交易数量较少以外，其他节点交易笔数都超过了3笔。且由于交易本身的不确定性，节点间的每一笔交易的交易金额和交易时间都是不确定的，不存在明确的规律。而且交易金额和交易时间是不同类型的特征，无法相互融合。因此需要对交易网络上的信息做预处理，提取网络中的有用信息，供分类模型使用。图3.2节点间多边关系示意图3.2特征提取与特征子图构建由于交易网络中每对节点间有多条边，原始网络中节点关系复杂，直接使用图向量化方法很难有效地提取图上的结构信息。因此本文中考虑从交易网络中提取交易特征，并基于交易特征构建了特征子图的供向量化方法使用。在接下来的三部分中，我们将交易图转化为节点交互图、交易频率图和交易时间方差图，并使用特征矩阵、和来表示图上的信息。3.2.1节点交互图交易数据中提供了大量信息供我们构建特征子图。其中最直观的特征就是节

杭州电子科技大学硕士学位论文21点总数为。=(00,10,20,11,001,12,01,02,102,10)（3.5）图3.3中以图3.2中的交易网络示意图为基础，将其中的交易特征按照前述的节点交互、交易时间方差和交易频率提取了出来，将交易网络转化为了3个简单子图。图3.3上可以看到，每个子图上节点间单方向交易经特征提取后，被转化为了单边上的权重，且每个子图都可以由其邻接矩阵表示。图3.3交易网络特征提取图3.3基于图卷积神经网络的节点分类方案由本章3.5.2节中实验结果可知，随机游走方案的分类表现随着交易网络规模增加而降低，这说明基于近邻信息的随机游走方案不能有效利用图中交易特征。为解决这一问题，本文中提出了一个基于节点周边拓扑结构的特征向量生成方案：在上一节构建的特征子图的基础上，本文使用图卷积神经网络来提取网络拓扑特征，以此来生成节点的特征向量；接着使用全连接神经网络对节点分类；最后利用Softmax方法得到归一化的分类概率。


本文编号：3012606