加密貨幣是使用密碼學(xué)原理來驗證和保護交易的交易媒介,其典型代表有比特幣、以太幣等。加密貨幣交易網(wǎng)絡(luò)是基于點對點網(wǎng)絡(luò)構(gòu)建的加密貨幣交易平臺,具有去中心化、自由流通和交易不可篡改等優(yōu)點,近年來得到了廣泛關(guān)注。然而,隨著加密貨幣交易網(wǎng)絡(luò)交易流量的不斷增加,針對交易網(wǎng)絡(luò)的攻擊層出不窮,網(wǎng)絡(luò)安全問題日益尖銳。就攻擊目標而言,交易網(wǎng)絡(luò)安全問題可以分為對用戶信息的攻擊和對網(wǎng)絡(luò)自身的攻擊兩類。這兩類攻擊的典型代表是釣魚詐騙和拒絕服務(wù)攻擊。因此,本文分別就以太幣交易網(wǎng)絡(luò)中的釣魚詐騙、比特幣閃電網(wǎng)絡(luò)在攻擊下的安全性展開了研究。釣魚詐騙是攻擊者冒充權(quán)威機構(gòu)騙取受害者敏感信息的詐騙行為。在以太幣交易網(wǎng)絡(luò)中,釣魚詐騙主要通過私人通訊（如電子郵件、微信等）進行,無法使用HTML分析、DNS分析等基于釣魚特征的方法進行檢測。因此,本文從交易網(wǎng)絡(luò)蘊含的信息入手,使用釣魚節(jié)點的交易特征,通過以太幣交易網(wǎng)絡(luò)釣魚檢測模型,對針對用戶信息的攻擊檢測做了研究。閃電網(wǎng)絡(luò)是構(gòu)建于比特幣交易網(wǎng)絡(luò)上的二層交易網(wǎng)絡(luò)（2-layer Transaction Network）。它通過合并交易,提高了比特幣交易的效率。但是,閃電網(wǎng)絡(luò)結(jié)構(gòu)中心性... 

【文章來源】：杭州電子科技大學(xué)浙江省

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【部分圖文】：

以太坊交易網(wǎng)絡(luò)示例圖

杭州電子科技大學(xué)碩士學(xué)位論文19從圖3.1中可以看出交易網(wǎng)絡(luò)中節(jié)點間聯(lián)系緊密，即使是簡化后的圖，節(jié)點間仍存在錯綜復(fù)雜的關(guān)系。如果構(gòu)建節(jié)點交易特征時單純地將節(jié)點間的多筆交易加權(quán)相加，會導(dǎo)致特征融合，影響生成節(jié)點向量時的節(jié)點特征提齲以圖3.2中的5個節(jié)點為例，圖中使用省略號代表節(jié)點間超過3筆的交易�？梢钥吹�，除節(jié)點1到節(jié)點2的交易和節(jié)點5到節(jié)點1的交易數(shù)量較少以外，其他節(jié)點交易筆數(shù)都超過了3筆。且由于交易本身的不確定性，節(jié)點間的每一筆交易的交易金額和交易時間都是不確定的，不存在明確的規(guī)律。而且交易金額和交易時間是不同類型的特征，無法相互融合。因此需要對交易網(wǎng)絡(luò)上的信息做預(yù)處理，提取網(wǎng)絡(luò)中的有用信息，供分類模型使用。圖3.2節(jié)點間多邊關(guān)系示意圖3.2特征提取與特征子圖構(gòu)建由于交易網(wǎng)絡(luò)中每對節(jié)點間有多條邊，原始網(wǎng)絡(luò)中節(jié)點關(guān)系復(fù)雜，直接使用圖向量化方法很難有效地提取圖上的結(jié)構(gòu)信息。因此本文中考慮從交易網(wǎng)絡(luò)中提取交易特征，并基于交易特征構(gòu)建了特征子圖的供向量化方法使用。在接下來的三部分中，我們將交易圖轉(zhuǎn)化為節(jié)點交互圖、交易頻率圖和交易時間方差圖，并使用特征矩陣、和來表示圖上的信息。3.2.1節(jié)點交互圖交易數(shù)據(jù)中提供了大量信息供我們構(gòu)建特征子圖。其中最直觀的特征就是節(jié)

杭州電子科技大學(xué)碩士學(xué)位論文21點總數(shù)為。=(00,10,20,11,001,12,01,02,102,10)（3.5）圖3.3中以圖3.2中的交易網(wǎng)絡(luò)示意圖為基礎(chǔ)，將其中的交易特征按照前述的節(jié)點交互、交易時間方差和交易頻率提取了出來，將交易網(wǎng)絡(luò)轉(zhuǎn)化為了3個簡單子圖。圖3.3上可以看到，每個子圖上節(jié)點間單方向交易經(jīng)特征提取后，被轉(zhuǎn)化為了單邊上的權(quán)重，且每個子圖都可以由其鄰接矩陣表示。圖3.3交易網(wǎng)絡(luò)特征提取圖3.3基于圖卷積神經(jīng)網(wǎng)絡(luò)的節(jié)點分類方案由本章3.5.2節(jié)中實驗結(jié)果可知，隨機游走方案的分類表現(xiàn)隨著交易網(wǎng)絡(luò)規(guī)模增加而降低，這說明基于近鄰信息的隨機游走方案不能有效利用圖中交易特征。為解決這一問題，本文中提出了一個基于節(jié)點周邊拓撲結(jié)構(gòu)的特征向量生成方案：在上一節(jié)構(gòu)建的特征子圖的基礎(chǔ)上，本文使用圖卷積神經(jīng)網(wǎng)絡(luò)來提取網(wǎng)絡(luò)拓撲特征，以此來生成節(jié)點的特征向量；接著使用全連接神經(jīng)網(wǎng)絡(luò)對節(jié)點分類；最后利用Softmax方法得到歸一化的分類概率。


本文編號：3012606