| 1 |
1
가상 자산 부정 거래 탐지를 위한 탐지 모델을 학습하기 위한 하나 이상의 프로그램을 저장하는 메모리 및 상기 메모리에 저장된 상기 하나 이상의 프로그램에 따라 상기 탐지 모델을 학습하기 위한 동작을 수행하는 하나 이상의 프로세서를 포함하는 장치에 의해 수행되는 학습 방법으로서,상기 프로세서가, 가상 자산 전체 블록 정보 및 가상 자산 부정 거래로 식별된 부정 거래 지갑 주소를 기반으로 획득한 상기 부정 거래 지갑 주소에 대응되는 특징 정보를 포함하는 학습 데이터를 획득하는 단계; 및상기 프로세서가, 상기 학습 데이터를 기반으로, 상기 특징 정보를 입력으로 하고 부정 거래 예측 정보를 출력으로 하는 머신 러닝 기반의 상기 탐지 모델을 학습하는 단계;를 포함하며,상기 학습 데이터 획득 단계는, 상기 부정 거래 지갑 주소의 가상 자산 유형을 기반으로 상기 가상 자산 전체 블록 정보에서 상기 부정 거래 지갑 주소에 대응되는 전체 트랜잭션 정보를 획득하고, 전체 특징 중에서 가상 자산 유형별로 미리 결정된 특징을 기반으로 상기 전체 트랜잭션 정보에서 상기 부정 거래 지갑 주소에 대응되는 상기 특징 정보를 획득하며, 가상 자산 유형별로 상기 학습 데이터를 획득하는 것으로 이루어지고,상기 탐지 모델 학습 단계는, 가상 자산 유형별로 획득한 상기 학습 데이터를 기반으로, 가상 자산 유형별로 상기 탐지 모델을 학습하는 것으로 이루어지는,가상 자산 부정 거래 탐지를 위한 탐지 모델의 학습 방법
|
| 2 |
2
삭제
|
| 3 |
3
삭제
|
| 4 |
4
삭제
|
| 5 |
5
제1항에서,상기 학습 데이터 획득 단계는,상기 부정 거래 지갑 주소에 대응되는 특징 정보 및 상기 부정 거래 지갑 주소에 대응되는 부정 거래 유형 정보를 포함하는 상기 학습 데이터를 획득하는 것으로 이루어지는,가상 자산 부정 거래 탐지를 위한 탐지 모델의 학습 방법
|
| 6 |
6
제5항에서,상기 탐지 모델 학습 단계는,상기 학습 데이터를 기반으로, 부정 거래 예측값 및 예측되는 부정 거래 유형을 포함하는 상기 부정 거래 예측 정보를 출력하는 상기 탐지 모델을 학습하는 것으로 이루어지는,가상 자산 부정 거래 탐지를 위한 탐지 모델의 학습 방법
|
| 7 |
7
제1항에서,상기 특징 정보는,특징 추출 대상 지갑 주소가 사용된 트랜잭션 개수 정보, 상기 특징 추출 대상 지갑 주소의 거래량 정보, 전체 트랜잭션에서 상기 특징 추출 대상 지갑 주소가 사용된 개수를 나타내는 노출 개수 정보, 상기 특징 추출 대상 지갑 주소의 첫 거래와 마지막 거래 사이의 기간을 나타내는 거래 기간 정보, 상기 특징 추출 대상 지갑 주소의 지갑 주소 타입 정보, 상기 특징 추출 대상 지갑 주소의 트랜잭션 수수료 정보 및 상기 특징 추출 대상 지갑 주소의 거래 상대방인 지갑 주소의 개수를 나타내는 지갑 주소 개수 정보 중 적어도 하나를 포함하는 제1 특징 정보를 포함하는,가상 자산 부정 거래 탐지를 위한 탐지 모델의 학습 방법
|
| 8 |
8
제7항에서,상기 특징 정보는,상기 제1 특징 정보를 기반으로 획득되고, 최대값, 최소값, 중간값, 평균값, 분산값, 왜도값, 첨도값 및 표준편차값 중 적어도 하나를 포함하는 통계값을 나타내는 제2 특징 정보를 더 포함하는,가상 자산 부정 거래 탐지를 위한 탐지 모델의 학습 방법
|
| 9 |
9
제1항에서,상기 학습 데이터 획득 단계는,정상 거래 지갑 주소를 기반으로 상기 가상 자산 전체 블록 정보에서 상기 정상 거래 지갑 주소에 대응되는 상기 특징 정보를 획득하고, 상기 부정 거래 지갑 주소에 대응되는 상기 특징 정보 및 상기 정상 거래 지갑 주소에 대응되는 상기 특징 정보를 포함하는 상기 학습 데이터를 획득하는 것으로 이루어지는,가상 자산 부정 거래 탐지를 위한 탐지 모델의 학습 방법
|
| 10 |
10
제1항, 제5항 내지 제9항 중 어느 한 항에 기재된 가상 자산 부정 거래 탐지를 위한 탐지 모델의 학습 방법을 컴퓨터에서 실행시키기 위하여 컴퓨터 판독 가능한 저장 매체에 저장된 컴퓨터 프로그램
|
| 11 |
11
가상 자산 부정 거래 탐지를 위한 탐지 모델을 학습하는 장치로서,상기 탐지 모델을 학습하기 위한 하나 이상의 프로그램을 저장하는 메모리; 및상기 메모리에 저장된 상기 하나 이상의 프로그램에 따라 상기 탐지 모델을 학습하기 위한 동작을 수행하는 하나 이상의 프로세서;를 포함하며,상기 프로세서는,가상 자산 전체 블록 정보 및 가상 자산 부정 거래로 식별된 부정 거래 지갑 주소를 기반으로 획득한 상기 부정 거래 지갑 주소에 대응되는 특징 정보를 포함하는 학습 데이터를 획득하고,상기 학습 데이터를 기반으로, 상기 특징 정보를 입력으로 하고 부정 거래 예측 정보를 출력으로 하는 머신 러닝 기반의 상기 탐지 모델을 학습하며,상기 프로세서는, 상기 부정 거래 지갑 주소의 가상 자산 유형을 기반으로 상기 가상 자산 전체 블록 정보에서 상기 부정 거래 지갑 주소에 대응되는 전체 트랜잭션 정보를 획득하고, 전체 특징 중에서 가상 자산 유형별로 미리 결정된 특징을 기반으로 상기 전체 트랜잭션 정보에서 상기 부정 거래 지갑 주소에 대응되는 상기 특징 정보를 획득하며, 가상 자산 유형별로 상기 학습 데이터를 획득하고,가상 자산 유형별로 획득한 상기 학습 데이터를 기반으로, 가상 자산 유형별로 상기 탐지 모델을 학습하는,장치
|
| 12 |
12
제11항에서,상기 특징 정보는,특징 추출 대상 지갑 주소가 사용된 트랜잭션 개수 정보, 상기 특징 추출 대상 지갑 주소의 거래량 정보, 전체 트랜잭션에서 상기 특징 추출 대상 지갑 주소가 사용된 개수를 나타내는 노출 개수 정보, 상기 특징 추출 대상 지갑 주소의 첫 거래와 마지막 거래 사이의 기간을 나타내는 거래 기간 정보, 상기 특징 추출 대상 지갑 주소의 지갑 주소 타입 정보, 상기 특징 추출 대상 지갑 주소의 트랜잭션 수수료 정보 및 상기 특징 추출 대상 지갑 주소의 거래 상대방인 지갑 주소의 개수를 나타내는 지갑 주소 개수 정보 중 적어도 하나를 포함하는 제1 특징 정보를 포함하는,장치
|
| 13 |
13
제12항에서,상기 특징 정보는,상기 제1 특징 정보를 기반으로 획득되고, 최대값, 최소값, 중간값, 평균값, 분산값, 왜도값, 첨도값 및 표준편차값 중 적어도 하나를 포함하는 통계값을 나타내는 제2 특징 정보를 더 포함하는,장치
|
| 14 |
14
탐지 모델을 이용하여 가상 자산 부정 거래를 탐지하기 위한 하나 이상의 프로그램을 저장하는 메모리 및 상기 메모리에 저장된 상기 하나 이상의 프로그램에 따라 상기 탐지 모델을 이용하여 가상 자산 부정 거래를 탐지하기 위한 동작을 수행하는 하나 이상의 프로세서를 포함하는 장치에 의해 수행되는 탐지 방법으로서,상기 프로세서가, 탐지 대상 지갑 주소를 획득하는 단계;상기 프로세서가, 가상 자산 전체 블록 정보 및 상기 탐지 대상 지갑 주소를 기반으로 획득한 상기 탐지 대상 지갑 주소에 대응되는 특징 정보를 포함하는 입력 데이터를 획득하는 단계; 및상기 프로세서가, 미리 학습되어 구축된 상기 탐지 모델을 이용하여, 상기 입력 데이터를 기반으로 상기 탐지 대상 지갑 주소에 대응되는 부정 거래 탐지 정보를 획득하는 단계;를 포함하며,상기 탐지 모델은,상기 입력 데이터를 입력으로 하고 부정 거래 예측 정보를 출력으로 하는 머신 러닝 기반의 모델이고,상기 입력 데이터 획득 단계는, 상기 탐지 대상 지갑 주소에 대응되는 전체 트랜잭션 정보를 상기 가상 자산 전체 블록 정보에서 획득하고, 전체 특징 중에서 가상 자산 유형별로 미리 결정된 특징을 기반으로 상기 전체 트랜잭션 정보에서 상기 탐지 대상 지갑 주소에 대응되는 상기 특징 정보를 획득하는 것으로 이루어지며,상기 부정 거래 탐지 정보 획득 단계는, 가상 자산 유형별로 구축된 상기 탐지 모델 중에서 상기 탐지 대상 지갑 주소의 가상 자산 유형을 기반으로 선택된 상기 탐지 모델에 상기 입력 데이터를 입력하고, 상기 탐지 모델의 출력인 상기 부정 거래 예측 정보를 기반으로 상기 부정 거래 탐지 정보를 획득하는 것으로 이루어지는,탐지 모델을 이용한 가상 자산 부정 거래의 탐지 방법
|
| 15 |
15
삭제
|
| 16 |
16
삭제
|
| 17 |
17
제14항에서,상기 부정 거래 탐지 정보 획득 단계는,부정 거래 예측값 및 예측되는 부정 거래 유형을 포함하는 상기 부정 거래 예측 정보를 기반으로 상기 부정 거래 탐지 정보를 획득하는 것으로 이루어지는,탐지 모델을 이용한 가상 자산 부정 거래의 탐지 방법
|
| 18 |
18
삭제
|
| 19 |
19
제14항에서,상기 특징 정보는,특징 추출 대상 지갑 주소가 사용된 트랜잭션 개수 정보, 상기 특징 추출 대상 지갑 주소의 거래량 정보, 전체 트랜잭션에서 상기 특징 추출 대상 지갑 주소가 사용된 개수를 나타내는 노출 개수 정보, 상기 특징 추출 대상 지갑 주소의 첫 거래와 마지막 거래 사이의 기간을 나타내는 거래 기간 정보, 상기 특징 추출 대상 지갑 주소의 지갑 주소 타입 정보, 상기 특징 추출 대상 지갑 주소의 트랜잭션 수수료 정보 및 상기 특징 추출 대상 지갑 주소의 거래 상대방인 지갑 주소의 개수를 나타내는 지갑 주소 개수 정보 중 적어도 하나를 포함하는 제1 특징 정보를 포함하는,탐지 모델을 이용한 가상 자산 부정 거래의 탐지 방법
|
| 20 |
20
제19항에서,상기 특징 정보는,상기 제1 특징 정보를 기반으로 획득되고, 최대값, 최소값, 중간값, 평균값, 분산값, 왜도값, 첨도값 및 표준편차값 중 적어도 하나를 포함하는 통계값을 나타내는 제2 특징 정보를 더 포함하는,탐지 모델을 이용한 가상 자산 부정 거래의 탐지 방법
|
| 21 |
21
제14항, 제17항, 제19항 및 제20항 중 어느 한 항에 기재된 탐지 모델을 이용한 가상 자산 부정 거래의 탐지 방법을 컴퓨터에서 실행시키기 위하여 컴퓨터 판독 가능한 저장 매체에 저장된 컴퓨터 프로그램
|
| 22 |
22
탐지 모델을 이용하여 가상 자산 부정 거래를 탐지하는 장치로서,상기 탐지 모델을 이용하여 가상 자산 부정 거래를 탐지하기 위한 하나 이상의 프로그램을 저장하는 메모리; 및상기 메모리에 저장된 상기 하나 이상의 프로그램에 따라 상기 탐지 모델을 이용하여 가상 자산 부정 거래를 탐지하기 위한 동작을 수행하는 하나 이상의 프로세서;를 포함하며,상기 프로세서는,탐지 대상 지갑 주소를 획득하고,가상 자산 전체 블록 정보 및 상기 탐지 대상 지갑 주소를 기반으로 획득한 상기 탐지 대상 지갑 주소에 대응되는 특징 정보를 포함하는 입력 데이터를 획득하며,미리 학습되어 구축된 상기 탐지 모델을 이용하여, 상기 입력 데이터를 기반으로 상기 탐지 대상 지갑 주소에 대응되는 부정 거래 탐지 정보를 획득하며,상기 탐지 모델은,상기 입력 데이터를 입력으로 하고 부정 거래 예측 정보를 출력으로 하는 머신 러닝 기반의 모델이고,상기 프로세서는,상기 탐지 대상 지갑 주소에 대응되는 전체 트랜잭션 정보를 상기 가상 자산 전체 블록 정보에서 획득하고, 전체 특징 중에서 가상 자산 유형별로 미리 결정된 특징을 기반으로 상기 전체 트랜잭션 정보에서 상기 탐지 대상 지갑 주소에 대응되는 상기 특징 정보를 획득하며,가상 자산 유형별로 구축된 상기 탐지 모델 중에서 상기 탐지 대상 지갑 주소의 가상 자산 유형을 기반으로 선택된 상기 탐지 모델에 상기 입력 데이터를 입력하고, 상기 탐지 모델의 출력인 상기 부정 거래 예측 정보를 기반으로 상기 부정 거래 탐지 정보를 획득하는,장치
|
| 23 |
23
제22항에서,상기 특징 정보는,특징 추출 대상 지갑 주소가 사용된 트랜잭션 개수 정보, 상기 특징 추출 대상 지갑 주소의 거래량 정보, 전체 트랜잭션에서 상기 특징 추출 대상 지갑 주소가 사용된 개수를 나타내는 노출 개수 정보, 상기 특징 추출 대상 지갑 주소의 첫 거래와 마지막 거래 사이의 기간을 나타내는 거래 기간 정보, 상기 특징 추출 대상 지갑 주소의 지갑 주소 타입 정보, 상기 특징 추출 대상 지갑 주소의 트랜잭션 수수료 정보 및 상기 특징 추출 대상 지갑 주소의 거래 상대방인 지갑 주소의 개수를 나타내는 지갑 주소 개수 정보 중 적어도 하나를 포함하는 제1 특징 정보를 포함하는,장치
|
| 24 |
24
제23항에서,상기 특징 정보는,상기 제1 특징 정보를 기반으로 획득되고, 최대값, 최소값, 중간값, 평균값, 분산값, 왜도값, 첨도값 및 표준편차값 중 적어도 하나를 포함하는 통계값을 나타내는 제2 특징 정보를 더 포함하는,장치
|
