本文版权为《邮电设计技术》所有,如需转载请联系《邮电设计技术》编辑部
摘要:针对虚拟货币操作的异常交易检测,提出了一种规则自学习及环境自适应的检测机制,基于 Louvain社区算法以及人工智能关联图识别技术实现对区块链异常交易行为的实时识别及检测,并通过试验验证 WannaCry事件和 Crynlocker病毒的交易监测运作,此检测机制的运用将大力增强我国金融监管与反欺诈的关键技术能力,提升监管效能。
关键词:区块链;人工智能;关联图;异常交易
doi:10.12045/j.issn.1007-3043.2021.08.014
引言
区块链是一种集成分布式数据存储、点对点传输、共识机制、加密算法等多种技术的新型技术。目前联合国、国际货币基金组织、多个国家政府都在积极讨论区块链并持续增加相关投入。我国在区块链技术的探索方面最初仅仅是金融行业的小课题,但从2016 年国务院印发的《“十三五”国家信息化规划》中可以看到对区块链技术的支持,规划中强调了要对区块链等技术加强基础研发和前沿布局,构筑新赛场先发主导优势。2020年4月20日,国家发改委首次明确人工智能、云计算、区块链等为代表的新技术基础设施属于新型基础设施范围中的信息基础设施,新型基础设施主要是指基于新一代信息技术演化生成的基础设施。
当前以区块链产品为代表的全球金融科技迅猛发展,对实体经济和金融体系产生深远影响,如何平衡好金融科技的创新和风险,成为金融监管不可忽视的问题。我国基于区块链技术的产品研发进展显著,局部细分市场具备全球领先优势,但同时也暴露了异常交易、欺诈行为、虚假信息诱导和恶意操纵价格等风险。目前以比特币、以太坊、Libra 为代表的主流区块链平台的国际监管协调难度大,难以适应国内监管框架,研究对异常交易进行跟踪识别的技术迫在眉睫,通过建立非法行为识别信息库,对异常交易进行识别和跟踪,建立有效、快速、准确的异常行为检测机制,将大大增强我国金融监管与反欺诈的关键技术能力,提升监管效能。