技术摘要：
本发明公开了一种基于XGBoost算法的区块链产品检测方法、系统及装置。首先爬取区块链产品特征属性数据，并对所述区块链产品贴标签，作为XGBoost区块链检测模型的训练样本集；其次根据所述区块链产品相关特征属性数据预处理训练样本集；然后训练区块链产品检测的XGBoost  全部
背景技术：
区块链是近十年来互联网与信息技术领域出现的伟大创新，其去中心、避免人  为 干预、降低成本、提升协同效率等技术优势和广阔应用前景，引发了社会持续而  广泛的关 注。 对区块链市场进行排查整顿是减少、杜绝区块链产品欺诈事件发生的最有效的  手段。但由于一方面区块链技术门槛较高，区块链产品数量巨大、类型繁多，缺乏  相应技术 手段对区块链产品进行检测、排查；另一方面互联网技术使世界变为地球  村，各种交易平 台和区块链产品遍布于世界的各个角落，增加了监控的难度。目前  亟待提出一种检测方法 对区块链产品进行判别、检测。 XGBoost全名叫(eXtreme  Gradient  Boosting)极端梯度提升，XGBoost算法属  于 机器学习中的集成学习方法，指将多个学习模型组合，以获得更好的效果，使组  合后的模 型具有更强的泛化能力。XGBoost算法思想就是根据特征分裂来生长一棵  树，并不断地添 加树，每次添加一个树，其实是去拟合上次预测的残差从而得到新  函数，逐次迭代来提高 模型性能。当我们训练完成得到k棵树，我们要预测一个样  本的分数。它会根据这个样本的 特征，在每棵树中会落到对应的一个叶子节点，每  个叶子节点就对应一个分数，最后只需 要将每棵树对应的分数加起来就是该样本的 预测值。 本发明结合能反映区块链产品的相关特征属性和XGBoost算法提出一种基于  XGBoost算法的区块链产品检测方法，该方法可以根据区块链产品的相关特征属性  对区块 链产品进行可信与非可信的判别，提高了区块链产品检测的效率和准确率，  为区块链产品 的监管提供了技术支持。
技术实现要素：
本发明基于上述背景和现有技术所存在的问题，拟设计一种基于XGBoost算  法的 区块链产品检测方法、系统及装置，其能够根据区块链产品的相关特征属性对 区块链产品 进行可信与非可信的判别。 为了实现本发明的这些目的和其它优点，提供了一种基于XGBoost算法的区  块链 产品检测方法，所述区块链产品为区块链技术为底层技术的可以带来商业利益 的实体和 虚拟的产品，其步骤包括： 爬取互联网上区块链产品相关数据，并对所述区块链产品贴标签，根据区块链  产 品与欺诈属性的相互关系，提取区块链产品的相关特征属性，作为XGBoost区  块链检测模 型的训练样本集； 4 CN 111598580 A 说　明　书 2/7 页 对上述爬取的区块链产品特征属性数据进行数据预处理，得到数值化训练样本  集； 将所述数值化训练样本集输入利用XGBoost算法搭建的学习机器，训练区块  链产 品检测的XGBoost模型树； 作为一种可实施方式，所述训练区块链产品检测的XGBoost模型树，具体是  从给 定的区块链产品训练集构造出来一棵由特征信息组成的决策树，决策树从根节  点开始选 择特征，选取分裂点进行特征切分。 作为一种可实施方式，所述提取区块链产品的相关特征属性具体包括： 区块链产品公司信息公开度、区块链产品公司官网信息是否失真、区块链产品  公 司员工人数、区块链产品研发团队人数、区块链产品白皮书是否存在技术支撑、  区块链产 品白皮书内容完整度、区块链产品代码在Github是否开源、区块链产品  代码更新次数、区 块链代码最后更新时间、区块链产品代币比例信息、区块链产品  ICO时长、区块链产品购买 门槛、区块链产品交易所日均交易量、区块链产品交易  月价格波动、区块链产品交易周价 格波动、区块链产品交易当前价格以及区块链产 品系统宕机频率。 作为一种可实施方式，所述对上述爬取互联网上区块链产品特征属性数据进行  数据预处理，具体包括： 对所述训练样本集的区块链产品特征信息进行数值化处理； 查看训练样本集中是否存在缺失值，对训练样本集中缺失值进行处理； 对处理后的训练样本集进行对数变换，改善训练样本数据均值分布的不对称性； 通过绘制数值型特征的直方图来分析它们服从的分布，以及绘制热度图可视化  特征之间的相关性； 将所述区块链产品特征属性数据分成连续特征和离散特征。 作为一种可实施方式，所述对训练样本集中缺失值进行处理，具体为： 将缺失值记作稀疏矩阵，缺失值数据被分到稀疏矩阵的左子树和右子树中并分  别计层损失，并选择损失值最小的分配方式。 作为一种可实施方式，所述训练区块链产品检测的XGBoost模型树，具体包 括： 训练基本的初级XGBoost模型； 在初级XGBoost模型参数的基础上进行参数调整、优化模型，通过交叉验证  观察 结果的变换，使用平均绝对误差衡量参数调节的优劣，得到最终的模型参数，  基于参数得 到XGBoost模型树。 作为一种可实施方式，在初级XGBoost模型参数的基础上进行参数调整、优  化模 型，还包括：调节树的深度与节点权重，包括改变构建树的深度max_depth，  其越大越容易 过拟合，和最小叶子节点权重min_child_weight，如果树分区中的实  例权重小于定义的总 和，则停止树构建过程；调节惩罚系数gamma降低模型过拟  合风险；调节学习率eta，即降低 学习速度，同时增加更多的估计量。 作为一种可实施方式，所述利用所述区块链产品检测的XGBoost模型树对区  块链 产品进行检测，具体包括：在互联网上爬取区块链产品测试集，对测试集中样  本进行贴标 签，根据训练得到的树模型，将进行判别检测的区块链产品特征信息输  入决策树，即从决 策树上到下遍历得到此决策树判别结果，根据测试结果与标签进  行比对判别模型的正确 5 CN 111598580 A 说　明　书 3/7 页 率。 一种基于XGBoost算法的区块链产品检测系统，包括数据采集模块、数据预  处理 模块、模型树训练模块及产品检测模块； 所述数据采集模块，用于爬取互联网上区块链产品相关数据，并对所述区块链  产 品贴标签，根据区块链产品与欺诈属性的相互关系，提取区块链产品的相关特征  属性，作 为XGBoost区块链检测模型的训练样本集； 所述数据预处理模块，用于对上述爬取的区块链产品特征属性数据进行数据预  处理，得到数值化训练样本集； 所述模型树训练模块，用于将所述数值化训练样本集输入利用XGBoost算法  搭建 的学习机器，训练区块链产品检测的XGBoost模型树； 所述产品检测模块，用于利用所述区块链产品检测的XGBoost模型树对区块  链产 品进行检测。 一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述  计 算机程序被处理器执行时实现以上所述的任意一项的方法步骤。 一种基于XGBoost算法的区块链产品检测装置，包括存储器、处理器以及存  储在 所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计  算机程序 时实现以上所述的任意一项的方法步骤。 本发明至少包括以下有益效果： 1、本发明提出一种基于XGBoost算法的区块链产品检测方法、系统及装置，  为区 块链产品可信不可信提供了有效判别手段，作为有力监控手段从源头筛选，减  少以区块链 产品为幌子实施诈骗的事件。 2、本发明以区块链产品的相关特征属性作为训练的特征属性，具有判别的一  定 参考性，同时具有很好的扩展性。 3、本发明提出以XGBoost算法训练区块链产品检测模型，XGBoost正则化、  使用损 失函数的一阶导数和二阶导数、并行优化等特点，不仅降低防止过拟合，还  提高了模型判 别的准确率和训练效率。 本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对  本 发明的研究和实践而为本领域的技术人员所理解。 附图说明 图1为本发明基于XGBoost算法训练流程图。 图2为本发明的部分训练样本特征属性相互关系树模型。