本發(fā)明涉及信息處理方法及系統(tǒng)，具體涉及數字資產風險信息處理方法及系統(tǒng)。

背景技術：

1、數字資產風險事件的發(fā)生概率雖然可能較低，但一旦發(fā)生，卻會對資產持有者產生較大的影響，例如，商業(yè)領域的風險事件可能導致企業(yè)破產、股市崩盤等。風險事件出現(xiàn)之前的預警信號往往容易被忽視，因而錯過風險防范的時間窗口，導致重大損失。

技術實現(xiàn)思路

1、在一個方面，本發(fā)明提供一種數字資產風險信息處理方法。根據一個實施例，本發(fā)明的數字資產風險信息處理方法包括，獲取web2文本源數據、web2非文本源數據以及web3源數據；將所述web2非文本源數據轉化為web2文本處理數據；過濾所述web2文本源數據以及所述web2文本處理數據，以獲得涉及所述數字資產的web2相關風險信息；從所述web2文本源數據以及所述web2文本處理數據中獲取web2統(tǒng)計信息；從所述web3源數據中提取涉及所述數字資產的web3相關風險信息；將所述web2統(tǒng)計信息及所述web3相關風險信息輸入第一機器學習模型，以獲得涉及所述數字資產的風險評分以及對應的風險信息特征。

2、優(yōu)選地，所述方法還包括，在獲得涉及所述數字資產的風險評分之后，將所述風險評分轉換為圖表，以及顯示所述圖表。

3、優(yōu)選地或附加地，如果所述風險評分超過預設閾值，所述方法還包括生成并發(fā)出風險預警信息。

4、根據另一實施例，本發(fā)明的數字資產風險信息處理方法包括，獲取web2文本源數據、web2非文本源數據，以及web3源數據；將所述web2非文本源數據轉化為web2文本處理數據；過濾所述web2文本源數據以及所述web2文本處理數據，以獲得涉及所述數字資產的web2相關風險信息；將所述web2相關風險信息嵌入提示模板，生成一級提示信息；從所述web3源數據中提取涉及所述數字資產的web3相關風險信息；將所述一級提示信息輸入第二機器學習模型，以匯總出關鍵點；將所述web3相關信息與所述關鍵點合并，以生成第二機器學習模型提示信息；以及基于所述第二機器學習模型提示信息，生成涉及所述數字資產的風險見解信息。

5、在另一方面，本發(fā)明提供一種數字資產風險信息處理系統(tǒng)。根據一個實施例，本發(fā)明的數字資產風險信息處理系統(tǒng)包括信息處理單元，以及耦接于所述信息處理單元的非易失性信息存貯介質。所述非易失性信息存貯介質中存儲有指令，所述指令使得所述信息處理單元執(zhí)行以下步驟：獲取web2文本源數據、web2非文本源數據，以及web3源數據；將所述web2非文本源數據轉化為web2文本處理數據；過濾所述web2文本源數據以及所述web2文本處理數據，以獲得涉及所述數字資產的web2相關風險信息；從所述web2文本源數據以及所述web2文本處理數據中獲取web2統(tǒng)計信息；從所述web3源數據中提取涉及所述數字資產的web3相關風險信息，以及將所述web2統(tǒng)計信息及所述web3相關風險信息輸入第一機器學習模型，以獲得涉及所述數字資產的風險評分。

6、根據另一實施例，本發(fā)明的數字資產風險信息處理系統(tǒng)包括信息處理單元，以及耦接于所述信息處理單元的非易失性信息存貯介質。所述非易失性信息存貯介質中存儲有指令，所述指令使得所述信息處理單元執(zhí)行以下步驟：獲取web2文本源數據、web2非文本源數據，以及web3源數據；將所述web2非文本源數據轉化為web2文本處理數據；過濾所述web2文本源數據以及所述web2文本處理數據，以獲得涉及所述數字資產的web2相關風險信息；將所述web2相關風險信息嵌入提示模板，獲得第一提示信息；從所述web3源數據中提取涉及所述數字資產的web3相關風險信息，將所述第一提示信息輸入第二機器學習模型，以匯總出關鍵點；將所述web3相關信息與所述關鍵點合并，以生成第二機器學習模型提示信息；以及基于所述第二機器學習模型提示信息，生成涉及所述數字資產的風險見解信息。

7、在根據本發(fā)明的方法及/或系統(tǒng)的一些實施例中，所述web2相關風險信息包括以下至少其一：涉及所述數字資產的負面推文、負面評述、負面報道。

8、在根據本發(fā)明的方法及/或系統(tǒng)的一些實施例中，過濾所述web2文本源數據及所述web2文本處理數據包括采用以下至少之一的過濾器執(zhí)行：情緒分數消極度、流行度指數、真實性指數、時間范圍。

9、在根據本發(fā)明的方法及/或系統(tǒng)的一些實施例中，從所述web3源數據中提取涉及所述數字資產的web3相關風險信息包括一級特征提取及二級特征提取，所述一級特征提取包括從所述鏈上交易記錄直接生成web3相關風險信息，所述二級特征提取包括從所述鏈上交易記錄中檢測出非正常交易信息，以及根據所述非正常交易信息的統(tǒng)計信息。

技術特征：

1.一種數字資產風險信息處理方法，其特征在于，所述方法包括：

2.一種數字資產風險信息處理方法，其特征在于，所述方法包括：

3.根據權利要求1或2所述的方法，其特征在于，其中所述web2相關風險信息包括以下至少其一：涉及所述數字資產的負面推文、負面評述、負面報道。

4.根據權利要求1或2所述的方法，其特征在于，其中過濾所述web2文本源數據及所述web2文本處理數據包括采用以下至少之一的過濾器執(zhí)行：情緒分數消極度、流行度指數、真實性指數、時間范圍。

5.根據權利要求1或2所述的方法，其特征在于，其中所述web3相關風險信息包括鏈上交易記錄。

6.根據權利要求5所述的方法，其特征在于，其中從所述web3源數據中提取涉及所述數字資產的web3相關風險信息包括一級特征提取及二級特征提取，所述一級特征提取包括從所述鏈上交易記錄直接生成web3相關風險信息，所述二級特征提取包括從所述鏈上交易記錄中檢測出非正常交易信息，以及根據所述非正常交易信息的統(tǒng)計信息。

7.根據權利要求1所述的方法，其特征在于，還包括，在獲得涉及所述數字資產的風險評分之后，將所述風險評分轉換為圖表，以及顯示所述圖表。

8.根據權利要求1或7所述的方法，其特征在于，如果所述風險評分超過預設閾值，所述方法還包括生成并發(fā)出風險預警信息。

9.一種數字資產風險信息處理系統(tǒng)，其特征在于，所述系統(tǒng)包括：

10.一種數字資產風險信息處理系統(tǒng)，其特征在于，所述系統(tǒng)包括：

技術總結
本發(fā)明提供數字資產風險信息處理方法及系統(tǒng)。方法包括：獲取web2多模態(tài)源數據(包括但不限于文本、圖像、語音、視頻等多種模態(tài))及web3源數據；將所述web2非文本源數據轉化為web2文本處理數據；過濾所述web2文本源數據及所述web2文本處理數據，以獲得涉及所述數字資產的web2相關風險信息；從所述web2文本源數據以及所述web2文本處理數據中獲取web2統(tǒng)計信息；從所述web3源數據中提取涉及所述數字資產的web3相關風險信息；將所述web2統(tǒng)計信息及所述web3相關風險信息輸入第一機器學習模型，以獲得涉及所述數字資產的風險評分以及對應的風險信息特征；將所述過濾后的web2文本數據及所述web3相關風險信息輸入第二機器學習模型，以獲得涉及所述數字資產的風險解析及防控策略。

技術研發(fā)人員：龐嚴,鄢然
受保護的技術使用者：新加坡國立大學
技術研發(fā)日：
技術公布日：2025/5/19