基于动机分析的区块链数字货币异常交易行为识别方法

当前区块链数字货币被众多恶意交易者利用,导致了“粉尘”注入、“空投”操作、勒索、骗局等一系列异常交易行为.因此,研究区块链数字货币异常交易行为的识别方法对于规范交易行为、保障网络空间安全具有重要意义.在众多区块链数字货币中,比特币市值超过所有区块链数字货币市值和的一半,具有高代表性.比特币系统的用户数量多、交易规模大、地址匿名化等特性,为异常交易行为的准确识别带来巨大挑战.鉴于任何比特币异常交易行为背后都存在着明确的动机,本文以分析交易动机为切入点,设计了一种新颖的比特币异常交易行为识别方法.具体地,我们以空投糖果和贪婪注资两类异常交易行为作为典型代表,分别设计了两类异常交易行为的判定规则,进而抽象出异常交易模式图.在此基础上,利用子图匹配技术设计实现了比特币异常交易行为的识别算法.为了评估本方法的效果,我们收集了近30个月的比特币历史交易数据,通过人工分析确定了异常交易行为的真值集.实验结果显示,空投糖果行为的识别召回率为85.71%、准确率为43.62%,贪婪注资行为的识别召回率为81.25%、准确率为54.32%.此外,我们重点分析展示了三个比特币异常交易行为的典型实例,通过真实案例进一步验证了本文所提方法的有效性.

证券市场异常交易行为及其监管问题研究

证券市场中的异常交易行为给资本市场及各类市场主体带来的影响是多维度的。但目前现行理论和实践对异常交易行为的认识都存在一定争议。异常交易行为与交易异常情形和异常波动存在概念混淆的现象。从目前对异常交易行为监管的国际经验看,境外发达市场如美国、德国、英国及亚洲日本、中国香港及新加坡等证券市场因市场环境、法制体系以及投资者结构等方面均与我国存在较大差异,在异常交易行为的规制方面亦有不同。分析我国现行异常交易行为监管的法律框架,异常交易行为的监管实践仍存在一定的问题,因此,发挥会员券商对客户交易行为的监督管理职能,向以会员为中心的监管模式转变。