中国人民公安大学——中国顶尖的警察院校——的研究人员开发了一套人工智能系统，能够以89.4%的总体准确率识别非法比特币交易。这一进展可能影响全球执法机构调查加密货币相关金融犯罪的方式。在该领域，Chainalysis、Elliptic和TRM Labs等区块链分析公司已向多个司法管辖区的政府机构提供交易监控工具。

该团队于五月在《情报杂志》（Journal of Intelligence）上发表了研究成果。《南华早报》对此研究进行了报道，指出该框架在检测区块链网络中流动的非法资金方面优于现有的主流基线模型。

架构与方法

该框架集成了三项技术：用于映射交易节点之间动态关系的动态图神经网络、存储非法活动历史模式的记忆模块，以及负责推理和分类层的大语言模型。

研究人员使用Elliptic比特币数据集对该系统进行了评估。该数据集是由英国区块链分析公司Elliptic创建的公共学术基准，包含203,769个交易节点和234,355条连接边。该数据集根据真实案例数据将交易标记为非法、合法或未知，自2019年发布以来已被广泛用于加密货币犯罪研究。

该模型在非法交易检测方面达到了89.1%的精确率和64.5%的召回率。在实际应用中，当模型将某笔交易标记为可疑时，其正确率约为89%。然而，它仅能捕获数据集中约65%的非法交易，意味着约三分之一仍未被检测到。这一召回率差距意味着相当一部分犯罪资金流动仍可能在未被发现的情况下通过，这对于无法仅依赖单一工具来发现所有可疑活动的调查人员而言至关重要。

可解释性与检察价值

该研究的通讯作者孙景超博士指出，系统的历史模式匹配能力是其关键优势。记忆模块使AI能够引用过去的非法交易模式、应用推理链，并在分类的同时生成风险评分。

该框架还能为其决策生成自然语言解释。系统不仅输出概率评分，还能阐明每次评估背后的推理过程。对于需要可采信法庭证据的监管机构和检察官来说，这相对于标准的置信区间是一项重大改进。这一可解释性功能与AI治理框架的更广泛趋势一致，包括2024年通过的《欧盟人工智能法案》，该法案强调了用于执法情境的系统的透明度和可审计性要求。

中国的执法背景

这项研究出现在中国加大对加密货币相关犯罪打击力度的背景之下。中国于2021年禁止了国内加密货币交易和挖矿。尽管实施了禁令，跨境加密货币相关的洗钱活动仍然持续存在，推动了对更先进检测能力的需求。

2025年3月，中国检察机关对涉及虚拟货币和地下钱庄洗钱活动的3,259名个人提起公诉。

2026年7月25日，中国一家法院审理了一起涉及近30亿元人民币（约合4.44亿美元）的与网络赌博债务有关的案件。

该AI框架专注于比特币的特点值得注意。该研究未提及具体的协议、公司或其他数字资产，凸显了比特币在加密货币市场中作为非法交易主要渠道的持续角色。