區塊鏈情報公司 TRM Labs 表示,人工智慧在加密貨幣犯罪中的使用在過去一年上升 40%——這項數據將 AI 與區塊鏈融合的議題,從算力市場的論述推向交易所與合規團隊的威脅建模欄目。

TRM Labs 的報告內容

TRM Labs 是區塊鏈分析領域的知名廠商之一——與 Chainalysis、Elliptic 等公司齊名——為交易所、金融機構與執法單位提供錢包篩查、交易監控與鑑識追蹤服務。根據 TRM Labs 的2026 年加密貨幣犯罪研究,涉及 AI 工具的加密貨幣相關犯罪活動占比較去年同期增加 40%。該公司明確將此增幅定位為犯罪助力,而非整體產業的 AI 一般性採用。這項趨勢也見於媒體對 TRM 調查結果的報導。

實務上,所謂「AI 在加密貨幣犯罪中的使用」,是指威脅行為者將機器學習工具整合進既有的攻擊流程:用於釣魚誘餌與偽造身分的生成式模型、自動化社交工程,以及同時針對散戶與協議營運方的腳本化詐欺。

為何這項增幅對加密貨幣安全至關重要

這項增幅之所以具有新聞價值,在於它將許多資安團隊僅止於個案描述的轉變予以量化:對手如今正將過去需要人工執行的步驟自動化,降低每次攻擊的成本。這種作業層面的變化,直接提高了依賴模式識別的交易所與合規部門偵測威脅的難度。

對合規團隊而言,AI 輔助的攻擊意味著合成身分與偽造文件得以更低成本大規模產製,拉高了 KYC 與交易監控系統的門檻。這些負擔落在已然趨嚴的法規框架之內——FATF 的「旅行規則」與歐盟 MiCA 制度將銀行業式的 KYC 與監控義務延伸至加密資產服務提供商——使 AI 偽造的身分不僅是詐欺損失,更成為法規風險。此壓力出現在2026 年上半年加密貨幣安全損失突破 10 億美元的時期,該數據來自 Blockaid 的另一份報告。

就使用者層面而言,最明確的近期風險是更具說服力的詐騙:AI 產生的訊息、語音與人設,更難與正當的往來訊息區分。深度偽造詐欺的案例早已不限於加密貨幣領域:在 2024 年一件廣受報導的香港案件中,工程公司 Arup 的一名員工在一場視訊會議後匯出約 2,500 萬美元,而會中所有其他與會者最終證實皆為深度偽造。同樣的動態也已顯見於紀錄中朝實體脅迫方向的轉變,即所謂的加密貨幣「扳手攻擊」,以及隨之上升的資安支出。

融合的角度是雙面刃。驅動 AI 基礎設施加密貨幣項目的生成與推理能力,正是 TRM Labs 在攻擊方所識別的工具;而機器學習在防守方也早已是標準配備——TRM Labs 便將其應用於自家的錢包風險評分——這使得偵測模型與建立在相似技術堆疊上的自動化濫用正面交鋒。

TRM Labs 的數據是趨勢訊號,而非完整的威脅全景,任何據此得出的結論都應以該份報告為依據。具體的結論範圍有限:防禦方如今必須假設攻擊者的工具,正隨著產業所建構的同一套 AI 技術堆疊同步擴張。值得觀察的指標同樣具體:AI 相關活動在 TRM 後續報告中占整體非法交易量的比例是否持續上升,以及歐盟《AI 法案》的透明度規則——自 2026 年 8 月起適用的深度偽造揭露義務——將如何對 AI 生成的冒用行為執法。

免責聲明:本文僅供資訊參考,不構成財務或投資建議。加密貨幣與數位資產市場風險極高,做出任何決定前請務必自行研究。