Bole新闻专讯：中国人民公安大学研究团队近日研发出一套用于识别加密货币非法交易的人工智能框架。该系统结合记忆增强动态图神经网络与大语言模型，在实验测试中对非法交易的总体识别准确率接近90%，可用于分析比特币等加密货币背后的异常资金流向和复杂交易关系。
相关研究由朱融轩、周昌镐和孙靖超完成，论文题为《融合记忆增强DGNN和LLM的加密货币非法交易检测》，并刊登于《情报杂志》。研究主要针对加密货币交易匿名化程度高、跨境转移速度快，以及传统分析模型难以同时处理交易时间、地址关系和行为特征等问题展开。
虽然加密货币常被认为具有“匿名性”，但以比特币为代表的区块链交易记录实际上会长期保存。犯罪团伙通常通过大量钱包地址拆分资金、多层转账、快速归集，并利用交易所、场外交易等渠道转移资金，使传统人工调查难以及时发现隐藏在庞大交易网络中的异常路径。
研究团队开发的AI系统会将钱包地址、转账记录以及地址之间的关联关系构建成动态交易网络，再通过记忆增强动态图神经网络持续分析资金流动变化。
其中，记忆模块能够保存钱包过去的交易特征和关联信息，使系统不仅关注单笔交易，还能判断某个地址长期是否存在异常收款、集中转出、频繁跳转等可疑行为。
与此同时，大语言模型负责进一步分析不同交易行为背后的关联逻辑，帮助系统理解复杂资金流动可能对应的实际活动，并对识别结果提供更加容易理解的解释，改善传统算法只能标记“可疑”但无法说明原因的问题。
研究结果显示，该AI框架在实验数据中的非法加密货币交易识别准确率接近90%，能够从大量正常与异常交易中筛选高风险目标，为后续人工调查、钱包关联分析以及资金链追踪提供重要线索。
不过，研究中的“近90%准确率”属于模型在测试数据集上的表现，并不意味着现实环境中每100起加密货币洗钱案件都能成功发现近90起。实际案件调查仍需要结合账户身份信息、聊天记录、交易平台资料以及资金来源等证据进行进一步核实。
目前，公开信息主要介绍了该研究成果和实验表现，尚未披露该系统是否已经在全国公安机关大规模应用，也没有公布利用该模型侦破案件或追回资金的具体数据。
近年来，虚拟货币逐渐被用于诈骗资金转移、地下钱庄结算以及跨境洗钱等违法活动。最高人民检察院数据显示，2025年全国检察机关共起诉3259名利用虚拟货币、地下钱庄等渠道实施洗钱犯罪的人员。需要注意的是，该数据涵盖虚拟货币和地下钱庄等多类洗钱案件，并非全部属于比特币相关案件。
研究团队表示，将动态图分析、历史交易记忆以及大语言模型结合，有望为监管和执法部门识别非法加密货币交易提供更加准确、可解释的技术路径。未来若进一步接入更完整的链上数据、涉案地址以及交易所身份信息，该类AI系统或可帮助调查人员更快锁定可疑钱包，还原资金转移路线，并发现隐藏在复杂交易背后的犯罪关联网络。
版本所有@2026 BOLE保留所有权
更多
APP下载
合作
商城
签到
2062 
