近90%识别率背后，中国科研团队打造虚拟货币“追踪雷达”

泰国华人网讯 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分析框架，该系统结合记忆增强动态图神经网络（DGNN）与大语言模型（LLM），在实验测试中对非法加密货币交易的识别准确率接近90%，可用于分析比特币等虚拟货币交易中的异常资金流向和复杂关联网络。

据介绍，该研究由朱融轩、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》。研究主要针对虚拟货币交易匿名化程度高、跨境转移速度快，以及传统分析方式难以同时处理交易时间、钱包地址关系和用户行为特征等问题展开。

研究人员指出，虽然比特币等加密货币被认为具有匿名特点，但区块链交易记录会长期保存。犯罪团伙通常通过多个钱包地址拆分资金、多层转账、快速归集，以及利用交易所和场外交易渠道转移资金，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。

该AI系统通过构建动态交易网络，将钱包地址、转账记录以及地址之间的关联关系进行整合分析。其中，记忆增强模块能够保存钱包历史交易特征和关联信息，使系统不仅关注单笔交易，还能判断某个地址是否长期存在异常收款、集中转出以及频繁转移等可疑行为。

与此同时，大语言模型负责进一步分析交易行为之间的逻辑关系，对复杂资金流动进行解释，帮助调查人员理解系统识别出的风险点，弥补传统算法只能标记异常但难以说明原因的问题。

研究结果显示，该AI框架在测试数据中的非法加密货币交易识别准确率接近90%，能够从大量正常和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技术支持。

不过，研究人员也指出，近90%的准确率仅代表模型在测试数据集中的表现，并不意味着现实环境中所有虚拟货币洗钱案件都能达到同样发现率。实际案件调查仍需要结合身份信息、聊天记录、交易平台资料以及资金来源等多方面证据进行核实。

目前，公开信息尚未显示该系统是否已经在公安机关大范围部署，也未公布利用该模型直接侦破案件或追回资金的具体案例。

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。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。不过，该数据涵盖多类洗钱案件，并非全部涉及比特币等加密货币交易。

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虚拟货币交易提供更加精准、可解释的技术手段。未来随着更多链上数据、涉案地址以及交易平台身份信息接入，该类AI系统或将进一步提升追踪资金流向和发现犯罪关联网络的能力。