Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于多平台的区块链智能合约分类方法、系统及电子设备 

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!

摘要:本发明公开一种基于多平台的区块链智能合约分类方法、系统和电子设备,通过获取多个平台上的智能合约及对应的类别标签,并针对智能合约获取代码和交易数据,转换为交易特征向量与代码特征向量后进行合并,获得最终特征向量,将其与类别标签输入至XGBoost模型中进行训练,获得分类模型,基于该分类模型可对不同平台的智能合约进行分类,该方法适用于多个区块链的平台的智能合约多分类模型,可用于多平台上智能合约的分类和功能识别,将智能合约的真实目的告知用户,降低用户被合约欺诈的风险。同时,该方法充分利用一个智能合约的交易和代码特征,提高了智能合约多分类问题的准确性,同时可以扩展到多个平台。

主权项:1.一种基于多平台的区块链智能合约分类方法,其特征在于:包括以下步骤:步骤S1:获取不同平台上的多个智能合约,并获取每个智能合约的类别标签;步骤S2:针对每个智能合约,获取对应平台上的链上数据,包括代码和交易数据;步骤S3:统计所有智能合约内的交易数据与代码,获得对应的交易特征向量和代码特征向量;步骤S4:将交易特征向量和代码特征向量合并,获得最终特征向量,将类别标签和最终特征向量输入到XGBoost模型,获得分类模型;及步骤S5:基于训练获得的分类模型,对智能合约进行分类;上述步骤S3具体包括:步骤S31:统计所有智能合约内的交易数据,将交易数据的类型划分为多个特征,获得交易特征矩阵,所述交易特征矩阵转换为交易特征向量;步骤S32:收集每个区块链平台的虚拟机的指令集,建立每个平台的智能合约指令库;及步骤S33:统计所有智能合约内的代码,结合所述指令库,统计每个智能合约中每个指令出现的次数,建立代码特征矩阵,所述代码特征矩阵转换为代码特征向量;在步骤S31中,收集到的合约相关交易数据,计算得到每个合约以下18个特征,即向量X=[x1,x2,x3,......,x18],这18个特征语义适用于不同区块链平台,并可从交易数据中提取并计算得到,交易数据的特征包括:特征1:合约的余额,特征2:合约外部交易中转入的数额,特征3:合约内部交易中转入的数额,特征4:合约内部交易中转出的数额,特征5:合约交易笔数,特征6:合约外部交易中转入交易笔数,特征7:合约内部交易中转入交易笔数,特征8:合约内部交易中转出交易笔数特征9:合约外部交易中与合约产生过转入交易的地址数,特征10:合约内部交易中与合约产生过转入交易的地址数,特征11:合约内部交易中与合约产生过转出交易的地址数,特征12:合约平均每笔交易的交易额,特征13:合约内部交易中转入数额的平均值,特征14:合约内部交易中转出数额的平均值,特征15:合约外部交易中转入数额的平均值,特征16:合约内部交易中转入数额的方差,特征17:合约内部交易中转出数额的方差,特征18:合约外部交易中转入数额的方差;在步骤S3中,在收集的代码中,每个代码对应一个指令,基于指令在合约中出现的次数,建立向量Y=[y1,y2,y3,......,ym],其中ym代表第m个指令在合约中出现的次数,m的大小取决于平台的虚拟机设计;在步骤S4中,将交易特征向量X和代码特征向量Y合并,即Z=[x1,x2,x3.......xn,y1,y2,y3.......,ym],最后将Z和步骤S1中采集的标签输入到XGBoost模型,采用训练集和测试集2∶8的比例模式进行训练,最后得到一个智能合约多分类模型,该分类模型可输入来源于多个不同平台的智能合约,并进行识别分类。

全文数据:

权利要求:

百度查询: 深圳前海移联科技有限公司 一种基于多平台的区块链智能合约分类方法、系统及电子设备

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。