中國人民公安大學——該國頂尖的警察學府——的研究人員開發了一套人工智慧系統，能夠以89.4%的整體準確率識別非法比特幣交易。這一進展可能影響全球執法機構調查加密貨幣相關金融犯罪的方式，而在這一領域，Chainalysis、Elliptic和TRM Labs等區塊鏈分析公司已向多個司法管轄區的政府機構提供交易監控工具。

該團隊於五月將研究結果發表於《Journal of Intelligence》期刊。《南華早報》對此研究進行了報導，指出該框架的表現優於現有主流基準模型在偵測區塊鏈網路中非法資金流動方面的能力。

架構與方法論

該框架整合了三項技術：動態圖神經網路，用於映射交易節點之間不斷演變的關係；記憶模組，用於儲存非法活動的歷史模式；以及大型語言模型，負責處理推理與分類層。

研究人員使用Elliptic比特幣資料集對系統進行了評估。該資料集是由英國區塊鏈分析公司Elliptic建立的公開學術基準，包含203,769個交易節點和連接它們的234,355條邊。該資料集根據真實案例資料將交易標記為非法、合法或未知，自2019年發布以來已被廣泛應用於加密貨幣犯罪研究。

該模型在非法交易方面達到了89.1%的精確率和64.5%的召回率。在實際應用中，當模型將一筆交易標記為可疑時，其正確率約為89%。然而，它僅能捕捉到資料集中約65%的非法交易，這意味著約有三分之一的非法交易未被發現。這一召回率差距意味著相當一部分犯罪資金流動仍可能在未被察覺的情況下通過，這對於無法僅依賴單一工具來發現所有可疑活動的調查人員而言至關重要。

可解釋性與檢察價值

該研究的通訊作者孫敬超博士指出，系統的歷史模式匹配能力是一項關鍵優勢。記憶模組使AI能夠參考過去的非法交易模式，應用推理鏈，並在分類結果之外生成風險評分。

該框架還能為其決策生成自然語言解釋。系統不僅僅輸出機率分數，還能闡述每項評估背後的推理過程。對於需要可作為法庭證據的監管機構和檢察官而言，這相較於標準的信賴區間是一項重大改進。可解釋性功能與AI治理框架的更廣泛趨勢一致，包括2024年通過的《歐盟人工智慧法案》，該法案強調了用於執法情境的系統必須滿足透明度和可審計性要求。

中國的執法背景

這項研究出現在中國加強打擊加密貨幣相關犯罪的背景之下。中國於2021年禁止了國內加密貨幣交易與挖礦。儘管實施了禁令，跨境加密貨幣相關的洗錢活動依然持續存在，推動了對更先進偵測能力的需求。

2025年3月，中國檢察機關對3,259名涉及與虛擬貨幣及地下錢莊操作相關洗錢活動的個人提起公訴。

2026年7月25日，中國一家法院審理了一宗涉及近30億元人民幣（約合4.44億美元）、與線上賭博債務相關的案件。

該AI框架專注於比特幣的做法值得注意。研究未提及具體的協議、公司或其他數位資產，凸顯了比特幣在加密貨幣市場中作為非法交易主要管道的持續性角色。