中国研究人员开发出准确率近90%的AI加密货币洗钱检测器

中国研究人员开发出准确率近90%的AI加密货币洗钱检测器

来自中国人民公安大学的一个框架结合了基于图的分析、记忆模块和大语言模型,用于识别非法比特币交易并生成可解释的风险评估。

BTC

事实核查
该说法称,中国人民公安大学提出了一个框架,结合基于图的分析、记忆模块和大语言模型,用于识别非法比特币交易并生成可解释的风险评估,准确率接近90%。《南华早报》(news_primary)以及补充报道的 CryptoBriefing 和 PANews 均证实了这些具体信息:发起机构、三组件架构(动态图神经网络 + 记忆模块 + LLM)、可解释/可读的风险输出,以及89.4%的总体准确率(接近90%),相关成果发表在《Journal of Intelligence》上。该说法的每一项关键要素都得到了多个独立来源支持,且没有相互矛盾的证据。
    参考链接123
摘要

中国人民公安大学的研究人员开发出一套AI框架,在一个广泛使用的公开基准上识别非法比特币交易时,总体准确率达到89.4%,为此前有关该项目的报道补充了更具体的技术和性能信息。该研究于5月发表在《情报学杂志》上,并被《南华早报》报道。研究人员在Elliptic比特币数据集上测试了该模型,该数据集包含203,769个交易节点和234,355条边。 该系统结合了动态图神经网络、记忆模块和大语言模型。研究人员表示,这一设计有助于模型跟踪交易之间不断变化的关系,参考非法活动的历史模式,并为分类结果同时生成风险评分和自然语言解释。该模型对非法交易的精确率为89.1%,召回率为64.5%,这意味着被标记的交易通常确实可疑,但仍有部分非法资金流未被发现。 这项研究发表之际,中国正加大对加密货币相关金融犯罪的打击力度。《南华早报》报道称,中国公安大学的研究人员在公安部旗下开发出一套检测算法框架,能够以约90%的准确率识别涉及比特币等虚拟资产的非法洗钱和经济犯罪。中国最高人民检察院表示,仅2025年就有3,259人因涉嫌虚拟资产和地下金融洗钱而被起诉。该研究专门聚焦比特币,凸显其在非法交易监测中的长期作用。

术语与概念
  • dynamic graph neural networks: 专门用于分析相互连接的数据点之间关系如何随时间变化的AI模型。
  • precision: 衡量模型标记的交易中有多少实际上属于非法交易的性能指标。
  • recall: 衡量模型成功检测到全部非法活动中有多少的性能指标。