PANews 8月2日消息，據南華早報報道，中國公安大學研究人員開發了一套基於人工智能的加密貨幣交易分析框架，可用於識別涉嫌洗錢等非法活動的比特幣交易，研究顯示該系統整體準確率達到89.4%。

該研究發表在同行評審期刊《Journal of Intelligence》上。論文通訊作者、刑事偵查與網絡安全研究人員孫景超表示，該系統為監管機構打擊非法加密貨幣交易和經濟犯罪提供了一種「精準、可泛化且可解釋」的技術方案。研究人員指出，隨著加密貨幣交易規模擴大，其匿名性和跨境特徵也被部分犯罪活動利用，成為洗錢、地下交易等行為的工具。

研究團隊表示，傳統基於規則的監測系統難以應對不斷變化的犯罪模式，因此構建了一套結合**動態圖神經網絡（Dynamic Graph Neural Network）、記憶模塊（Memory Module）以及大語言模型（LLM）**的AI框架。

其中，動態圖神經網絡將加密貨幣生態視為不斷變化的交易網絡，分析資金流向、交易結構以及網絡演化過程；記憶模塊則通過檢索歷史非法交易模式，將當前交易行為與此前確認的風險案例進行匹配；大語言模型進一步整合交易特徵、歷史模式和網絡結構信息，生成風險評分、關鍵證據以及解釋鏈。

研究人員在公開的Elliptic比特幣交易數據集上測試該模型，該數據集包含203,769個交易節點、234,355條交易邊以及每個節點的166項特徵。

測試結果顯示，該模型整體準確率達到89.4%，針對非法交易的識別精確率達到89.1%，召回率為64.5%。這意味著，AI標記為非法的交易中，約九成最終被驗證為真實風險交易；同時，該模型能夠發現約三分之二的已標記非法交易。

研究團隊表示，引入記憶模塊後，系統能夠通過比對資金流向、交易時間和網絡結構，識別新型或不斷演化的洗錢方式；結合大語言模型的推理能力，還能為高風險交易提供更加直觀和可追蹤的判斷依據。

某地址1小時前從Coinbase提出2萬枚HYPE，價值103萬美元

熱門文章