作者：137Labs
2026年6月底，Chainalysis 對外公佈了一套名為《Blockchain Tracing Ontology（區塊鏈追蹤本體）》的數據框架，希望為區塊鏈分析建立更加統一的數據描述體系。相比過去發佈的新產品或新功能，這份文件更像是一項行業標準倡議：它試圖重新定義鏈上數據分析的基本概念，並為區塊鏈追蹤建立一套可解釋、可驗證、可重現的數據模型。
這份提案發佈後，很快成為區塊鏈分析和數字資產合規領域關注的話題。儘管目前仍屬於公開討論和行業倡議階段，但它已經讓人們開始重新思考：鏈上分析是否需要一套更加統一、透明的數據標準。
一個長期存在的問題：不同公司為何會得出不同的分析結果？
區塊鏈數據天然公開透明，但如何解釋這些數據，卻一直缺乏統一標準。
目前，大多數鏈上分析平台都會使用「地址聚類（Address Clustering）」技術，通過交易行為推斷哪些地址可能由同一主體控制。然而，不同機構採用的演算法、規則和證據來源並不一致，因此同一地址在不同平台可能對應完全不同的歸屬結果。
例如，一家分析機構可能認為某地址屬於某大型交易所，而另一家機構則將其標記為未知錢包；同一批地址，在不同平台中也可能被劃分到不同的 Cluster。這種差異對於市場分析影響有限，但一旦涉及司法調查、資產凍結、反洗錢或執法取證，就可能帶來較大的爭議。
對於法院而言，僅僅給出「這是某交易所的錢包」這樣的結論遠遠不夠，更重要的是回答另一個問題：為什麼可以得出這樣的判斷？
Chainalysis提出的不是新演算法，而是一套「語言」
很多人看到「Ontology（本體）」這個詞，容易誤以為 Chainalysis 又提出了一種新的聚類演算法。實際上並非如此。
Ontology 是知識工程領域的概念，指的是一套統一的概念體系和關係模型，用來規範不同對象之間的定義及其關聯方式。網際網路搜尋、醫學知識庫乃至人工智慧知識圖譜，都大量使用 Ontology 來保證數據能夠被統一理解。
Chainalysis 希望做的，是為區塊鏈分析建立類似的「共同語言」。
換句話說，它並不是規定所有公司必須採用相同的聚類演算法，而是希望大家能夠按照統一的數據結構來表達分析結果，讓分析過程更加透明，也便於第三方理解、驗證和重現。
「Cluster」已經不夠用了
過去，行業普遍採用「Cluster（地址簇）」作為分析的基本單位，即認為多個地址共同屬於一個錢包或一個實體。
這種方法雖然簡單直觀，但隨著區塊鏈基礎設施的發展，其局限性越來越明顯。
如今，一個大型交易所的錢包體系可能包含數百萬個地址，不同地址承擔著充值、提現、冷熱錢包管理、歸集、找零等完全不同的功能。如果仍然簡單地把它們全部歸為一個 Cluster，就難以準確描述複雜的錢包結構。
因此，Chainalysis 在提案中提出了「Wallet Segment（錢包片段）」這一新的概念。
在新的模型中，一個實體（Entity）可以擁有多個錢包（Wallet），每個錢包又可以劃分為多個 Wallet Segment，而每個 Segment 下才包含具體地址。這種分層結構比傳統的 Cluster 更能真實反映大型機構的錢包管理模式，也能夠更細緻地描述不同地址之間的控制關係。
從「結果可信」走向「過程可信」
相比模型本身，更重要的變化來自第二層設計。
傳統的鏈上分析，更多關注的是最終結果——地址屬於誰、資金流向哪裡、是否涉及非法活動。
而新的 Ontology 更強調推斷過程本身。
對於每一項分析結果，都應該明確回答幾個問題：
- 這一結論依據哪些鏈上證據？
- 使用了哪些分析規則？
- 是否引用了鏈下資訊？
- 這一推斷的可信度是多少？
- 第三方是否能夠重新驗證這一過程？
換句話說，不僅要告訴別人「是什麼」，更要解釋「為什麼」。
Chainalysis 將這一部分稱為 Evidence（證據）與 Confidence（可信度）層。
未來，一個地址被標記為交易所錢包，不再只是一個簡單標籤，而會伴隨完整的推斷依據，包括交易模式、地址關係、公開資訊、調查記錄等，並給出對應的可信度等級。這種設計更符合司法證據對於可解釋性的要求，也有助於不同機構之間開展交叉驗證。
Bitcoin Fog案件帶來的啟示
事實上，這份提案並非憑空產生，而是與美國著名的 Bitcoin Fog 洗錢案件密切相關。
Bitcoin Fog 曾是比特幣歷史上持續時間最長的混幣服務之一。美國司法部在調查過程中大量採用了 Chainalysis Reactor 的分析結果作為關鍵證據。
案件審理期間，法院舉行了著名的 Daubert 聽證會，對 Chainalysis 的分析方法進行了嚴格審查，包括：
- 地址聚類是否具有科學依據；
- 分析方法是否能夠重複驗證；
- 是否屬於不可解釋的「黑盒演算法」；
- 其他專家是否能夠獨立重現分析過程。
最終，法院認可了 Chainalysis 的分析方法具有足夠的科學可靠性，可以作為司法證據使用。
不過，這一案件也暴露出整個行業存在的問題：如果不同分析機構採用不同標準，未來類似案件可能面臨更多質疑。因此，建立統一的數據表達和證據框架，成為 Chainalysis 推動 Ontology 的重要背景。
區塊鏈分析不能直接識別真實身份
值得注意的是，Chainalysis 在此次提案中特別強調了一點：鏈上分析本身無法直接識別現實世界中的個人身份。
鏈上數據只能揭示地址之間的關係和資金流動路徑，至於地址背後的真實控制者，通常仍需依賴鏈下證據，例如交易所 KYC 資訊、法院調取的數據、執法機關獲取的伺服器日誌等。
這意味著，區塊鏈分析提供的是一種高品質的數據推斷，而不是直接證明身份的最終證據。真正完整的司法證據鏈，需要鏈上數據與鏈下調查相結合。
從數據品質走向行業標準
除了 Ontology 本身，這次提出的整體框架還圍繞數據品質、分析透明度和司法可採性進行了系統闡述。可以看出，Chainalysis 希望推動行業關注的不只是分析結果本身，而是分析過程是否能夠被解釋、驗證和重現。
這也可以看出，未來行業競爭的重點，可能不再只是「誰覆蓋更多地址」「誰識別更多標籤」，而是「誰的數據品質更高」「誰的分析更透明」「誰的證據更容易被法院採納」。
對於監管機構、執法部門以及大型金融機構而言，一個能夠解釋分析邏輯、支援獨立審計、具備可重複驗證能力的系統，顯然比一個只能輸出結果的「黑盒模型」更值得信賴。
這項提案意味著什麼？
從更長遠的視角來看，Chainalysis 此次發佈的並不是一個普通的軟體升級，而更像是在推動區塊鏈分析行業從「經驗驅動」走向「標準驅動」。
如果這一 Ontology 最終得到行業廣泛接受，不同分析機構、交易所、監管部門乃至司法機關，將有望在統一的數據模型下共享分析結果，降低溝通成本，提高證據的一致性，也為跨境執法、反洗錢調查和數字資產監管提供更加可靠的基礎。
當然，標準的建立並非一蹴而就。如何平衡商業機密與透明度、如何推動不同機構採納統一規範、如何持續完善證據模型，仍需要行業共同探索。
但可以肯定的是，隨著數字資產逐漸融入全球金融體系，區塊鏈分析的競爭重點正在發生變化：未來真正決定行業價值的，不只是演算法的準確率，更是分析過程的可解釋性、數據品質以及證據可信度。而這，也正是 Chainalysis 希望透過 Blockchain Tracing Ontology 所開啟的新方向。
