人工智能模型賦能區塊鏈生態安全的應用研究

王浩 張建平 唐崇麟 連曉磊 王二玲

1.河北省承德市公安局 2.北京中科鏈源科技有限公司

引言

數字經濟新時代，以區塊鏈、人工智能、大數據等為代表的前沿數字科技作為全新的生產要素，正為人類社會的生產生活與思維方式帶來創新范式、方法與決策思路，并引發新一輪科技和產業革命。區塊鏈技術創新發展至今，已憑借自身技術生態系統從最初的虛擬貨幣領域延伸至金融、政務和公共服務、醫療、供應鏈、物聯網等諸多領域，為傳統領域應用提供了全新模式。但隨之而來的安全問題也呈指數級增長，逐漸成為阻礙區塊鏈發展的重要原因之一[1]，引發全球各界對區塊鏈生態安全的重視。

在公安執法領域，涉虛擬貨幣犯罪是區塊鏈應用安全風險的重中之重。這類新型網絡犯罪不僅對人民財產及社會安全構成嚴重威脅，也對執法部門與現有法律提出了全新挑戰。因此，亟須切實有效的安全措施與智慧解決方案在公安智慧警務建設與治理工作中發揮作用，以提升警務運行質效與實戰能力。本文旨在探討人工智能模型如何賦能區塊鏈生態安全，并通過具體的數智警務實踐應用案例，詳細論述如何充分利用新一代人工智能的強大能力實現鏈上安全護航的多目標協同優化，以及在提高打擊涉虛擬貨幣犯罪效率與精確度層面取得的成效。希望為人工智能技術賦能區塊鏈生態安全和智慧警務平臺建設等相關工作提供參考和借鑒，并對相關領域的從業者產生有益啟示。

一、安全現狀與挑戰

近年來，作為深耕金融領域的熱門話題，區塊鏈技術已展現出顛覆傳統金融運作方式的巨大潛力，其應用成果在帶來更高效、更安全、更便捷、更具可擴展性解決方案的同時，也因區塊鏈系統交易難以追蹤和審計的問題，為不法分子提供了犯罪平臺。在DeFi（去中心化金融）領域中，黑客攻擊和智能合約漏洞等問題頻發，導致投資者資產被盜或被鎖定；虛擬貨幣交易平臺也可能存在欺詐和操縱市場等行為；而區塊鏈及其衍生品虛擬貨幣的匿名性和跨境流動性特點使得洗錢、詐騙、販毒、恐怖融資等犯罪行為更加難以追蹤和打擊。區塊鏈技術在金融業的應用，使監管機構在部分業態之下收集交易信息存在障礙，難以確保信息的準確性與全面性，導致監管存在真空地帶，為犯罪行為的滋生提供了機會[2]。

（一）安全風險

當下，各類新型網絡犯罪行為與虛擬貨幣相互交織滲透，主要形態包括傳銷、詐騙、網絡賭博、洗錢、涉毒等危害民眾利益和社會穩定的犯罪活動類型，各類涉幣案件呈高發頻發態勢，案件類型也趨于多樣化、復合化。在涉及虛擬貨幣的犯罪活動中，USDT（泰達幣）是主要的犯罪媒介，多發生在波場鏈上。此外，也有利用BTC（比特幣）、ETH（以太坊）、XRP（瑞波幣）、XMR（門羅幣）等其它虛擬貨幣作為犯罪載體的常見案例。

（二）技術手段

隨著跨鏈技術、匿名幣以及混幣器等新興工具的出現，虛擬貨幣交易的匿名性與隱私性得到了顯著提升，為犯罪分子創造了毀滅追蹤路徑的“迷霧地帶”。這些因素的綜合作用使得虛擬貨幣犯罪具有更高的隱秘性和難以追蹤性，為執法部門打擊犯罪帶來了更大的難度與挑戰。

混幣器是一種完全去中心化的非托管協議，通過打破源地址和目標地址間的鏈上鏈接來提高交易隱私；跨鏈行為則是突破區塊鏈的界限，允許虛擬貨幣在兩條不同的區塊鏈上進行轉移，跨鏈項目的存在，將資金的傳遞鏈條切割成分屬不同“賬本”的兩部分，切實為資金追蹤帶來困擾；匿名幣如門羅幣，高度強調不可追蹤和匿名性，利用環簽名、混淆地址、換機密的方式，較好隱藏掩蓋了交易發起者、接收者、交易金額等信息痕跡[3]。

混幣器、跨鏈技術和匿名幣等新興技術與工具在提高交易隱私和便利性的同時，也呈現出黑灰產洗錢適用性的特點，被廣泛應用于違法犯罪活動相關的場景中，即經過多層混淆轉移的復雜化處理，達到徹底清洗目的，使原本清晰可見的交易過程變得交織不清，難以查閱，這使得涉虛擬貨幣犯罪的追蹤溯源和治理打擊變得尤為困難。

（三）實戰挑戰

在區塊鏈上進行活動，所有交易或交互數據及信息都會被如實記錄，任何區塊鏈參與者都可查詢，這為執法機關的實戰分析研判提供了海量數據支持。傳統的分析策略和方法需進行更自動化、智能化的拓展和優化，以有效應對區塊鏈龐大交易數據的復雜性。

綜上，格倫德曼不僅批駁了西方環保主義者曲解“支配自然”觀念的理論根源，而且還對馬克思的“支配自然”觀念作了積極解讀和有力辯護。格倫德曼對“支配自然”觀念的積極闡釋具有重大而深遠的理論價值。

當前，業內針對打擊虛擬貨幣犯罪的專業數智執法產品普遍存在壁壘：（1）技術壁壘。盡管近年來技術發展迅速，但在打擊涉虛擬貨幣的犯罪行為方面，數智執法產品在創新研發和部署應用中仍然面臨諸多挑戰，如數據安全與隱私保護、技術標準與規范的缺失，以及智能化程度不足等問題。（2）應用壁壘。一些數智執法產品缺乏有效的業務戰略規劃，導致平臺功能無法完全滿足實際的執法業務需求，造成實際應用中的局限性。（3）行業壁壘。由于涉虛擬貨幣犯罪打擊及鏈上資金追蹤分析等應用場景特殊的專業性和復雜性，導致行業關注度相對較低。隨著虛擬貨幣犯罪高發頻發以及打擊力度的加大，對涉虛擬貨幣的數智執法產品的需求也在逐漸增長。解決上述壁壘問題，提高數智執法產品的創新研發和應用效果，對于打擊涉虛擬貨幣犯罪極具意義。

二、應用分析思路

在新技術革命背景下，人工智能與區塊鏈之間的碰撞交匯、融合創新，已顯現出驚人的協同效應，并解鎖出前所未有的數據能力與價值轉換。通過將新一代人工智能強大的數據解析學習、算法學習和決策推理能力[4]，嵌入至由區塊鏈技術驅動賦能的數智執法系統中，利用大數據和機器學習技術分析海量鏈上數據，協助發現難以通過人力識別的犯罪線索，從而追蹤到犯罪分子的蹤跡，以高效應對涉虛擬貨幣新型網絡犯罪偵查挑戰。業內已有數智執法產品根據具體的場景需求先行部署應用，將人工智能與區塊鏈技術共融，不僅在于提高執法的效率和精確度，更在于其很大程度上引領了未來執法工作的新方向。

（一）需求分析

以涉虛擬貨幣傳銷洗錢案件為例，起始收款地址是用于歸集所發展的下線傳銷人員充值的出入金地址，該地址在案件資金穿透中扮演著實戰開端的角色，是揭示案件資金流動和涉案人員的關鍵切入點。在起始線索地址的基礎上，對該地址進行追蹤和分析，以尋找傳銷高層的核心職能地址，這一過程可能會涉及鏈上數以十萬計的關聯地址。鑒于鏈上數據的隱匿性和復雜性，在大量地址中快速準確篩選出可供進一步追蹤和分析的可疑地址，是案件偵破的核心所在。

①療效：顯效、有效、無效，總有效率=顯效率+有效率；②第1秒用力呼氣容積（FEV1）、用力肺活量（FVC），指標均是越高越好。

（二）偵查痛點

將模擬的三維CAPE場沿蘇南32°N作垂直剖面(圖15),與圖11中的垂直運動剖面進行對比。090604過程中,15時(圖15a)120.5°E處為一較為深厚的CAPE大值區域,該區域正處于海風鋒的前部,垂直上升運動強盛區。15時該CAPE大值區顯著,量值在800 J·kg-1以上;16時該處CAPE值因不斷釋放,強度減弱至600 J·kg-1;17時強對流過程已結束,該處CAPE值已減弱到200 J·kg-1,垂直厚度也已從深厚減弱成空中的淺層。數值模式給出了Ⅱ類海風鋒強對流過程中不穩定能量及其釋放的時空精細化演變,顯示了海風鋒系統對環境強對流的影響。

1.區塊鏈節點數量、層級限制

在區塊鏈網絡中，節點規模龐大，節點數量可能達到數萬甚至數十萬個，這為偵查工作帶來巨大挑戰。由于技術和資源的限制，傳統的偵查方法在節點數量和層級展開方面有限，通常最多追蹤至3層。在實際偵查過程中，追蹤核心關鍵地址受限，阻礙了案件的深入分析和打擊。

2.人工操作偵查效率低下且易出錯

經計算，其平均地震影響系數曲線與振型分解反應譜法所采用的地震影響系數曲線在統計意義上相符。每條時程曲線計算所得結構底部剪力均大于振型分解反應譜法計算結果的65%，且3條時程曲線計算所得結構底部剪力的平均值大于振型分解反應譜法計算結果的80%。

由于人工操作自身的局限性，即使投入大量的人力成本，追蹤覆蓋數十萬個地址的可能性仍然非常有限。即使經過大量培訓和擁有豐富經驗的偵查人員，也難以避免在分析數據時出現誤差。

畫家范曾說過：長年累月，我都是每天早上四點起床，就是為了給自己偷點時間來讀書作畫。美國著名籃球球星科比每天早上四點起來練球，有人問他為何如此成功，他反問一句：你知道洛杉磯早上四點鐘是什么樣子嗎？文學家魯迅的成功，則是把別人喝咖啡的時間都“偷”來寫作了，所以才成為現代文學的高峰。

3.人力難以并行處理大量特征

在傳統偵查中，辦案人員主要依靠經驗進行分析。當涉及分析案件特征時，人力處理的特征數量極限通常最多是10個，無法同時處理更多維度特征，這也制約了辦案人員在面對復雜案件時的工作效能。

梅蘭芳（1894.10.22—1961.8.8），名瀾，又名鶴鳴，乳名裙姊，字畹華，別署綴玉軒主人，藝名蘭芳，我國京劇表演藝術大師。

一款機器學習產品的成功落地應用，是業務、算法和工程三方面多維度的綜合實力體現。案件分析師團隊借鑒大量傳統法幣案件的偵破經驗，并結合虛擬貨幣交易特征，針對幾十起具體涉虛擬貨幣案件的情況深入分析研判，積累了極具價值的“特征判定規則”。圖計算模型的成功開發落地首先根植于分析師團隊對大量案例實踐沉淀的業務理解；其次，算法團隊通過機器學習的方法，結合業務團隊的“特征判定規則”進行模型的訓練；最后，通過大數據工程建設和前后端軟件開發落地，部署相應的數智執法產品。

涉虛擬貨幣案件是近年來新興的犯罪形式，相關分析人才極為稀缺?，F有分析人員專業水平不僅參差不齊，且每個辦案人員的方法和實戰經驗都有所不同。在分析案件的過程中，相關判斷結果會因人而異，無法形成統一標準。

（三）解決方案

在公安執法領域中，為了提高打擊涉虛擬貨幣新型犯罪案件實戰工作質量和效率，應當采取“實戰專家+數智作戰系統”的雙驅動模式，該模式強調了數智化技術應用的數據分析能力和實戰專家專業能力相結合的共同作用，以高效、精準的解決方案提供強有力的支持和保障。

Bin 2：有“澳大利亞勃艮第”雅號，卻由西拉和慕合懷特兩個“強勁”品種混釀而成，口感柔潤。1960年開始生產，70年代停釀，后再復產。

檢查已提交的控制點觀測記錄、成果精度、點之記以及計算過程等。主要內容有：(1)分析判定控制網的布設是否合理，控制點的點位和密度能否符合碎部測量的需要。(2)進行控制測量時外業觀測的精度是否滿足相應等級的規范要求。(3)標石的類型能否滿足規范的要求，埋設標石是否穩固堅實。(4)布設圖根點的位置、密度是不是符合解析法細部測量的規定。(5)平差計算軟件是否正規，平差計算的結果是否正確，所有精度指標是否符合規范限差的要求。(6)資料提交是否完整。

其次，實戰專家的專業知識和經驗在打擊虛擬貨幣犯罪中也具有不可替代的作用。通過與行業內的專業機構和專家合作，引進具有豐富實戰經驗和專業能力的案件分析師，共同參與案件的分析和研判，應對虛擬貨幣犯罪的復雜性和變化性，提供更精準的研判結果，為實戰工作提供更高效的指導。

此外，引進培養涉虛擬貨幣案件分析師復合型人才也是非常重要的措施之一。通過加強“虛擬貨幣辦案”相關培訓和教育，支持該領域案件研判人才的學習和發展，提高案件分析師的專業技能和知識水平，使其能夠更好地應對虛擬貨幣犯罪的挑戰，提升公安業務能力以及執法質量。

首先，數智作戰系統是打擊虛擬貨幣犯罪的重要工具。通過開發或引入先進的創新技術或智慧警務平臺資源，可以提供自動化和智能化的支持，提高數據分析的精準度和速度。將大數據、人工智能等技術手段應用于案件的研判和分析，通過交易監控、模式識別和關聯分析等方法，為案件分析師在偵案實戰中精準賦能，協助發現隱藏在數據中的異常和規律，挖掘犯罪線索，提升案件偵破效率。

（四）部署原理

圖計算模型的興起，為大規模、復雜高維的數據集處理提供了一種全新的解決方案。作為一種新穎的數據分析和機器學習方法，圖計算模型通過構建圖形的方式對數據進行表達，并利用圖計算和網絡分析技術來探索數據中隱藏的關系與規律。利用圖計算模型落地產品進行涉虛擬貨幣犯罪的打擊，為公安部門進行案件偵查分析提供了全新的視角與思路，并貢獻了有力的偵破支持。

4.人為主觀因素影響案件判斷

三、圖計算模型落地——以“判斷涉案地址關聯度”的場景應用為例

基于“圖計算模型”的解決方案，可通過“點和邊”的呈現形式將涉案團伙的成員、成員相關職能以及相關交易等多維的數據信息進行整合，構建出復雜、不限層級的全幣種全鏈路的網狀分析圖，并自動學習其中包含的信息。不僅如此，網狀圖的拓撲結構同時釋放了高價值的信息，可深入揭示出團伙內部的組織關系、資金流向路徑及犯罪收益分配等關鍵線索與證據，如圖1所示。

（一）圖計算模型訓練步驟

基于圖計算的交易數據分析方法，用于提取全量交易數據、構建網圖、提取特征、訓練模型并產出結果。具體訓練流程如下：

以涉虛擬貨幣傳銷洗錢案件為例，要在大量地址中尋找到可供案件繼續追蹤的可疑地址，傳統的偵查痛點：

2.構建網圖（Graph）

Variation of the days of extreme precipitation in Ningxia in summer and its causes

獲取起始線索地址（該地址通常為案件初始資金的歸集地址）。從數據庫中搜索并提取由該地址出發的所有下游交易數據，并根據案件類型靈活設置向后搜索的層級。隨著搜索層級的增加，對計算資源要求也呈指數增長，但并不會發現更多高價值的涉案地址，增量價值遞減。

1.搜索提取全量交易數據

根據交易數據構建網圖，網圖的“節點”代表交易對手方的地址，“邊”代表兩個地址之間的交易關系，鏈路則是一個起始地址到一個終點地址之間的交易通路。由于起始線索地址與任意一個終點地址之間，可能存在多條不同長度的鏈路，因此在該過程中將構建一個包含數十萬節點與邊的復雜網絡。

3.提取特征

生成網圖后，根據鏈路維度從每個地址和每筆交易中提取關鍵特征。這些特征可分為五大類，共計超過100個，為深入研究網絡中節點間的關系和行為提供了重要線索和依據。

5.建立多元化的評價體系。教師核心素養和能力建設的重要影響因素之一就是科學合理的評價體系。同時，它也是學校能夠長久發展的基石。目前，一些院校在考核教師時只關注教學能力，考核體系單一。在“雙創”時代背景下，高職院校應該把教師的管理能力、創新能力、實踐能力、科研能力和服務企業能力等都納入教師能力評價體系中，實行多元化的動態評價體系。

服務精細才能提升用戶滿意度，用戶滿意才能保持市場穩定。天脊集團銷售公司辦事處對區域銷售規劃、代理商考核、經銷商培養所做的工作中，“服務用戶”占最大比例。

（1）交易時間特征：如時間戳分布（是否有特定的交易活動時間段）以及交易時間重合度等；

（2）交易模式相關特征：如平均交易頻率、交易頻率的標準差、交易總次數以及交易間隔等；

（3）交易金額相關特征：除了平均值、中位數和標準差等基本統計量，還考慮了異常大額交易等；

（4）地址資金余額相關特征：如平均賬戶余額、賬戶余額的標準差以及最新余額等；

（5）社交網絡相關特征：用戶的連接度（用戶連接的其他用戶數量），用戶的社交網絡位置（中心性）以及用戶所屬社群的數量等。

4.訓練模型

①為防止堵塞，應隨時檢查混凝土級配和坍落度；防止過粗骨料進入和堵塞管道；防止泵入空氣，造成堵管或氣爆。

搭建了基于特征的規則模型，并使用機器學習方法不斷迭代規則閾值和注意力權重。規則模型為每個特征進行打分，最后加權求和得出各鏈路的分數。再根據鏈路數量和各鏈路分數，綜合計算出起始線索地址與某個終點地址之間的“關聯度”。

5.產出結果

計算從起始線索地址到所有終點地址的“關聯度”，并進行排序。這些涉案地址可作為下一步分析研判的對象，例如向所在交易所發函要求調取證據，如圖2所示。

（二）圖計算模型場景應用

要快速實現上述大規模計算任務，需特別關注區塊鏈技術對數據積累、數據處理、數據存儲和模型計算的貢獻。通過自建全節點和實時解析處理交易數據，來確保數據的及時性和準確性，例如SAFEIS安數區塊鏈安全智能大數據技術平臺自建了三大區塊鏈（以太坊、幣安智能鏈和波場鏈）的全節點；為增強數據的安全性與可信度，將數據存儲到實時和離線兩套數據庫中，獲得從創世區塊到最新的所有完整交易數據，這種存儲方式有利于后續的數據分析和挖掘；為滿足模型特征計算的需求，在數據倉庫中建立了按天更新的業務中間表，以確保數據的新鮮度和準確性，同時提高計算效率，在接到大規模計算任務后，調用業務中間表可在30分鐘內完成計算并產出結果。

模型計算在底層技術平臺完成后，其結果通過中科鏈源自主研發的SAFEIS安士區塊鏈AI信息作戰系統前臺界面進行便捷展示。該系統的核心組件是以區塊鏈交易資金流向形成的網狀視圖，在此視圖上點擊任意地址，展開其交易關聯的相關地址，從而形成一張總攬全局的網狀圖，便于結果分析和地址追蹤。由于該組件使用場景高度適配圖計算模型功能，因此AI模型技術便深度融合至該數智執法產品中，同時釋放技術能力以供實際辦案應用。通過點擊右鍵菜單中的“去向交易所關聯分析”，可對任意地址進行AI模型的調用，如圖3所示，讓模型協助進行高關聯涉案地址的計算分析，并將計算結果展示在網狀圖中，直觀呈現出犯罪行為的動態演變過程，方便案件的進一步研判與分析。

（三）圖計算模型結果驗證

模型訓練后，將其能力部署至SAFEIS安士區塊鏈AI信息作戰系統中，然后將模型投入實際案件的實戰分析中對結果加以驗證。以涉虛擬貨幣傳銷洗錢案件為例，為針對涉案資金歸集地址（即收取傳銷洗錢資金的起始地址）進行深入分析，采用圖計算模型計算出每個地址的Top30下游可疑涉案地址，并按照相關度由高至低進行排序。同時，案件分析師在不知模型結果的前提下獨立進行人工分析，然后將兩者結果進行比對驗證。

從評估指標的角度來看，偵破案件對準確性和時效性具備極高要求，關鍵在于快速找到一定數量的高質量線索進行突破，而無需將所有涉案線索找齊。因此，在評估中重點選擇關注分析結果的準確率和效率，忽略了召回率。由于網絡的復雜性，人工也很難窮盡所有的涉案相關節點，因此評估召回率顯得異常困難。

從分析結果的效率來看，圖計算模型在30分鐘內便可產出案件分析結果，人工分析則需要近一周的時間。

從分析結果的準確率來看，由圖計算模型計算的Top30下游可疑涉案地址中，約有60%左右的地址與人工分析的結果相匹配，準確率符合預期，且其效率遠高于人工分析；此外，另有15%的地址未被人工分析發現，但經人工分析驗證后發現其較高相關度，這部分可視為模型的增量價值，它能夠發現人力難以察覺的信息。

綜上所述，通過對腦卒中偏癱患者進行呼吸肌反饋訓練，可以有效地改善患者的呼吸功能障礙，呼吸功能的改善促進了患者的吞咽，患者吞咽功能的改善又進一步改善了患者的呼吸功能，呼吸功能改善與吞咽功能改善就形成了一種良性循環。并且該訓練方法簡單有效，可以在臨床推廣應用呼吸肌反饋訓練儀對腦卒中偏癱患者進行呼吸功能的訓練。但本研究也存在局限性，比如樣本量小，訓練時間不夠長，同時未對呼吸功能改善與吞咽障礙功能改善的相關性進行進一步探究。以后的研究中會加大樣本量，延長訓練時間并進一步探究呼吸功能與吞咽功能之間的關系。

四、圖計算模型在涉幣資金分析中的優勢

圖計算模型可以通過高級算法深入挖掘海量鏈上數據背后的關系與規律，并以直觀、清晰、流暢的方式呈現分析結果。利用圖計算模型的AI算法技術，可將隱藏在數據中復雜的資金關聯交易圖譜可視化，從而幫助洞悉犯罪分子背后的多種隱秘關聯。自動快速處理和分析海量鏈上數據的模型優勢，在解放人力的同時也提高了工作效率。

圖計算模型與人類處理信息的能力不同，可以突破人類信息處理極限，在大規模數據集上展開分析，覆蓋數十萬計的數據節點。同時，模型能夠自動從數據中提取有價值的特征，并綜合考慮多特征進行自主分析，包括統計特征和圖特征等，相比人工分析，可以提供更