王浩 張建平 唐崇麟 連曉磊 王二玲

1.河北省承德市公安局 2.北京中科鏈源科技有限公司

引言

數(shù)字經(jīng)濟新時代，以區(qū)塊鏈、人工智能、大數(shù)據(jù)等為代表的前沿數(shù)字科技作為全新的生產(chǎn)要素，正為人類社會的生產(chǎn)生活與思維方式帶來創(chuàng)新范式、方法與決策思路，并引發(fā)新一輪科技和產(chǎn)業(yè)革命。區(qū)塊鏈技術(shù)創(chuàng)新發(fā)展至今，已憑借自身技術(shù)生態(tài)系統(tǒng)從最初的虛擬貨幣領(lǐng)域延伸至金融、政務(wù)和公共服務(wù)、醫(yī)療、供應(yīng)鏈、物聯(lián)網(wǎng)等諸多領(lǐng)域，為傳統(tǒng)領(lǐng)域應(yīng)用提供了全新模式。但隨之而來的安全問題也呈指數(shù)級增長，逐漸成為阻礙區(qū)塊鏈發(fā)展的重要原因之一[1]，引發(fā)全球各界對區(qū)塊鏈生態(tài)安全的重視。

在公安執(zhí)法領(lǐng)域，涉虛擬貨幣犯罪是區(qū)塊鏈應(yīng)用安全風(fēng)險的重中之重。這類新型網(wǎng)絡(luò)犯罪不僅對人民財產(chǎn)及社會安全構(gòu)成嚴(yán)重威脅，也對執(zhí)法部門與現(xiàn)有法律提出了全新挑戰(zhàn)。因此，亟須切實有效的安全措施與智慧解決方案在公安智慧警務(wù)建設(shè)與治理工作中發(fā)揮作用，以提升警務(wù)運行質(zhì)效與實戰(zhàn)能力。本文旨在探討人工智能模型如何賦能區(qū)塊鏈生態(tài)安全，并通過具體的數(shù)智警務(wù)實踐應(yīng)用案例，詳細(xì)論述如何充分利用新一代人工智能的強大能力實現(xiàn)鏈上安全護(hù)航的多目標(biāo)協(xié)同優(yōu)化，以及在提高打擊涉虛擬貨幣犯罪效率與精確度層面取得的成效。希望為人工智能技術(shù)賦能區(qū)塊鏈生態(tài)安全和智慧警務(wù)平臺建設(shè)等相關(guān)工作提供參考和借鑒，并對相關(guān)領(lǐng)域的從業(yè)者產(chǎn)生有益啟示。

一、安全現(xiàn)狀與挑戰(zhàn)

近年來，作為深耕金融領(lǐng)域的熱門話題，區(qū)塊鏈技術(shù)已展現(xiàn)出顛覆傳統(tǒng)金融運作方式的巨大潛力，其應(yīng)用成果在帶來更高效、更安全、更便捷、更具可擴展性解決方案的同時，也因區(qū)塊鏈系統(tǒng)交易難以追蹤和審計的問題，為不法分子提供了犯罪平臺。在DeFi（去中心化金融）領(lǐng)域中，黑客攻擊和智能合約漏洞等問題頻發(fā)，導(dǎo)致投資者資產(chǎn)被盜或被鎖定；虛擬貨幣交易平臺也可能存在欺詐和操縱市場等行為；而區(qū)塊鏈及其衍生品虛擬貨幣的匿名性和跨境流動性特點使得洗錢、詐騙、販毒、恐怖融資等犯罪行為更加難以追蹤和打擊。區(qū)塊鏈技術(shù)在金融業(yè)的應(yīng)用，使監(jiān)管機構(gòu)在部分業(yè)態(tài)之下收集交易信息存在障礙，難以確保信息的準(zhǔn)確性與全面性，導(dǎo)致監(jiān)管存在真空地帶，為犯罪行為的滋生提供了機會[2]。

（一）安全風(fēng)險

當(dāng)下，各類新型網(wǎng)絡(luò)犯罪行為與虛擬貨幣相互交織滲透，主要形態(tài)包括傳銷、詐騙、網(wǎng)絡(luò)賭博、洗錢、涉毒等危害民眾利益和社會穩(wěn)定的犯罪活動類型，各類涉幣案件呈高發(fā)頻發(fā)態(tài)勢，案件類型也趨于多樣化、復(fù)合化。在涉及虛擬貨幣的犯罪活動中，USDT（泰達(dá)幣）是主要的犯罪媒介，多發(fā)生在波場鏈上。此外，也有利用BTC（比特幣）、ETH（以太坊）、XRP（瑞波幣）、XMR（門羅幣）等其它虛擬貨幣作為犯罪載體的常見案例。

（二）技術(shù)手段

隨著跨鏈技術(shù)、匿名幣以及混幣器等新興工具的出現(xiàn)，虛擬貨幣交易的匿名性與隱私性得到了顯著提升，為犯罪分子創(chuàng)造了毀滅追蹤路徑的“迷霧地帶”。這些因素的綜合作用使得虛擬貨幣犯罪具有更高的隱秘性和難以追蹤性，為執(zhí)法部門打擊犯罪帶來了更大的難度與挑戰(zhàn)。

混幣器是一種完全去中心化的非托管協(xié)議，通過打破源地址和目標(biāo)地址間的鏈上鏈接來提高交易隱私；跨鏈行為則是突破區(qū)塊鏈的界限，允許虛擬貨幣在兩條不同的區(qū)塊鏈上進(jìn)行轉(zhuǎn)移，跨鏈項目的存在，將資金的傳遞鏈條切割成分屬不同“賬本”的兩部分，切實為資金追蹤帶來困擾；匿名幣如門羅幣，高度強調(diào)不可追蹤和匿名性，利用環(huán)簽名、混淆地址、換機密的方式，較好隱藏掩蓋了交易發(fā)起者、接收者、交易金額等信息痕跡[3]。

混幣器、跨鏈技術(shù)和匿名幣等新興技術(shù)與工具在提高交易隱私和便利性的同時，也呈現(xiàn)出黑灰產(chǎn)洗錢適用性的特點，被廣泛應(yīng)用于違法犯罪活動相關(guān)的場景中，即經(jīng)過多層混淆轉(zhuǎn)移的復(fù)雜化處理，達(dá)到徹底清洗目的，使原本清晰可見的交易過程變得交織不清，難以查閱，這使得涉虛擬貨幣犯罪的追蹤溯源和治理打擊變得尤為困難。

（三）實戰(zhàn)挑戰(zhàn)

在區(qū)塊鏈上進(jìn)行活動，所有交易或交互數(shù)據(jù)及信息都會被如實記錄，任何區(qū)塊鏈參與者都可查詢，這為執(zhí)法機關(guān)的實戰(zhàn)分析研判提供了海量數(shù)據(jù)支持。傳統(tǒng)的分析策略和方法需進(jìn)行更自動化、智能化的拓展和優(yōu)化，以有效應(yīng)對區(qū)塊鏈龐大交易數(shù)據(jù)的復(fù)雜性。

綜上，格倫德曼不僅批駁了西方環(huán)保主義者曲解“支配自然”觀念的理論根源，而且還對馬克思的“支配自然”觀念作了積極解讀和有力辯護(hù)。格倫德曼對“支配自然”觀念的積極闡釋具有重大而深遠(yuǎn)的理論價值。

當(dāng)前，業(yè)內(nèi)針對打擊虛擬貨幣犯罪的專業(yè)數(shù)智執(zhí)法產(chǎn)品普遍存在壁壘：（1）技術(shù)壁壘。盡管近年來技術(shù)發(fā)展迅速，但在打擊涉虛擬貨幣的犯罪行為方面，數(shù)智執(zhí)法產(chǎn)品在創(chuàng)新研發(fā)和部署應(yīng)用中仍然面臨諸多挑戰(zhàn)，如數(shù)據(jù)安全與隱私保護(hù)、技術(shù)標(biāo)準(zhǔn)與規(guī)范的缺失，以及智能化程度不足等問題。（2）應(yīng)用壁壘。一些數(shù)智執(zhí)法產(chǎn)品缺乏有效的業(yè)務(wù)戰(zhàn)略規(guī)劃，導(dǎo)致平臺功能無法完全滿足實際的執(zhí)法業(yè)務(wù)需求，造成實際應(yīng)用中的局限性。（3）行業(yè)壁壘。由于涉虛擬貨幣犯罪打擊及鏈上資金追蹤分析等應(yīng)用場景特殊的專業(yè)性和復(fù)雜性，導(dǎo)致行業(yè)關(guān)注度相對較低。隨著虛擬貨幣犯罪高發(fā)頻發(fā)以及打擊力度的加大，對涉虛擬貨幣的數(shù)智執(zhí)法產(chǎn)品的需求也在逐漸增長。解決上述壁壘問題，提高數(shù)智執(zhí)法產(chǎn)品的創(chuàng)新研發(fā)和應(yīng)用效果，對于打擊涉虛擬貨幣犯罪極具意義。

二、應(yīng)用分析思路

在新技術(shù)革命背景下，人工智能與區(qū)塊鏈之間的碰撞交匯、融合創(chuàng)新，已顯現(xiàn)出驚人的協(xié)同效應(yīng)，并解鎖出前所未有的數(shù)據(jù)能力與價值轉(zhuǎn)換。通過將新一代人工智能強大的數(shù)據(jù)解析學(xué)習(xí)、算法學(xué)習(xí)和決策推理能力[4]，嵌入至由區(qū)塊鏈技術(shù)驅(qū)動賦能的數(shù)智執(zhí)法系統(tǒng)中，利用大數(shù)據(jù)和機器學(xué)習(xí)技術(shù)分析海量鏈上數(shù)據(jù)，協(xié)助發(fā)現(xiàn)難以通過人力識別的犯罪線索，從而追蹤到犯罪分子的蹤跡，以高效應(yīng)對涉虛擬貨幣新型網(wǎng)絡(luò)犯罪偵查挑戰(zhàn)。業(yè)內(nèi)已有數(shù)智執(zhí)法產(chǎn)品根據(jù)具體的場景需求先行部署應(yīng)用，將人工智能與區(qū)塊鏈技術(shù)共融，不僅在于提高執(zhí)法的效率和精確度，更在于其很大程度上引領(lǐng)了未來執(zhí)法工作的新方向。

（一）需求分析

以涉虛擬貨幣傳銷洗錢案件為例，起始收款地址是用于歸集所發(fā)展的下線傳銷人員充值的出入金地址，該地址在案件資金穿透中扮演著實戰(zhàn)開端的角色，是揭示案件資金流動和涉案人員的關(guān)鍵切入點。在起始線索地址的基礎(chǔ)上，對該地址進(jìn)行追蹤和分析，以尋找傳銷高層的核心職能地址，這一過程可能會涉及鏈上數(shù)以十萬計的關(guān)聯(lián)地址。鑒于鏈上數(shù)據(jù)的隱匿性和復(fù)雜性，在大量地址中快速準(zhǔn)確篩選出可供進(jìn)一步追蹤和分析的可疑地址，是案件偵破的核心所在。

①療效：顯效、有效、無效，總有效率=顯效率+有效率；②第1秒用力呼氣容積（FEV1）、用力肺活量（FVC），指標(biāo)均是越高越好。

（二）偵查痛點

將模擬的三維CAPE場沿蘇南32°N作垂直剖面(圖15),與圖11中的垂直運動剖面進(jìn)行對比。090604過程中,15時(圖15a)120.5°E處為一較為深厚的CAPE大值區(qū)域,該區(qū)域正處于海風(fēng)鋒的前部,垂直上升運動強盛區(qū)。15時該CAPE大值區(qū)顯著,量值在800 J·kg-1以上;16時該處CAPE值因不斷釋放,強度減弱至600 J·kg-1;17時強對流過程已結(jié)束,該處CAPE值已減弱到200 J·kg-1,垂直厚度也已從深厚減弱成空中的淺層。數(shù)值模式給出了Ⅱ類海風(fēng)鋒強對流過程中不穩(wěn)定能量及其釋放的時空精細(xì)化演變,顯示了海風(fēng)鋒系統(tǒng)對環(huán)境強對流的影響。

1.區(qū)塊鏈節(jié)點數(shù)量、層級限制

在區(qū)塊鏈網(wǎng)絡(luò)中，節(jié)點規(guī)模龐大，節(jié)點數(shù)量可能達(dá)到數(shù)萬甚至數(shù)十萬個，這為偵查工作帶來巨大挑戰(zhàn)。由于技術(shù)和資源的限制，傳統(tǒng)的偵查方法在節(jié)點數(shù)量和層級展開方面有限，通常最多追蹤至3層。在實際偵查過程中，追蹤核心關(guān)鍵地址受限，阻礙了案件的深入分析和打擊。

2.人工操作偵查效率低下且易出錯

經(jīng)計算，其平均地震影響系數(shù)曲線與振型分解反應(yīng)譜法所采用的地震影響系數(shù)曲線在統(tǒng)計意義上相符。每條時程曲線計算所得結(jié)構(gòu)底部剪力均大于振型分解反應(yīng)譜法計算結(jié)果的65%，且3條時程曲線計算所得結(jié)構(gòu)底部剪力的平均值大于振型分解反應(yīng)譜法計算結(jié)果的80%。

由于人工操作自身的局限性，即使投入大量的人力成本，追蹤覆蓋數(shù)十萬個地址的可能性仍然非常有限。即使經(jīng)過大量培訓(xùn)和擁有豐富經(jīng)驗的偵查人員，也難以避免在分析數(shù)據(jù)時出現(xiàn)誤差。

畫家范曾說過：長年累月，我都是每天早上四點起床，就是為了給自己偷點時間來讀書作畫。美國著名籃球球星科比每天早上四點起來練球，有人問他為何如此成功，他反問一句：你知道洛杉磯早上四點鐘是什么樣子嗎？文學(xué)家魯迅的成功，則是把別人喝咖啡的時間都“偷”來寫作了，所以才成為現(xiàn)代文學(xué)的高峰。

3.人力難以并行處理大量特征

在傳統(tǒng)偵查中，辦案人員主要依靠經(jīng)驗進(jìn)行分析。當(dāng)涉及分析案件特征時，人力處理的特征數(shù)量極限通常最多是10個，無法同時處理更多維度特征，這也制約了辦案人員在面對復(fù)雜案件時的工作效能。

梅蘭芳（1894.10.22—1961.8.8），名瀾，又名鶴鳴，乳名裙姊，字畹華，別署綴玉軒主人，藝名蘭芳，我國京劇表演藝術(shù)大師。

一款機器學(xué)習(xí)產(chǎn)品的成功落地應(yīng)用，是業(yè)務(wù)、算法和工程三方面多維度的綜合實力體現(xiàn)。案件分析師團(tuán)隊借鑒大量傳統(tǒng)法幣案件的偵破經(jīng)驗，并結(jié)合虛擬貨幣交易特征，針對幾十起具體涉虛擬貨幣案件的情況深入分析研判，積累了極具價值的“特征判定規(guī)則”。圖計算模型的成功開發(fā)落地首先根植于分析師團(tuán)隊對大量案例實踐沉淀的業(yè)務(wù)理解；其次，算法團(tuán)隊通過機器學(xué)習(xí)的方法，結(jié)合業(yè)務(wù)團(tuán)隊的“特征判定規(guī)則”進(jìn)行模型的訓(xùn)練；最后，通過大數(shù)據(jù)工程建設(shè)和前后端軟件開發(fā)落地，部署相應(yīng)的數(shù)智執(zhí)法產(chǎn)品。

涉虛擬貨幣案件是近年來新興的犯罪形式，相關(guān)分析人才極為稀缺?，F(xiàn)有分析人員專業(yè)水平不僅參差不齊，且每個辦案人員的方法和實戰(zhàn)經(jīng)驗都有所不同。在分析案件的過程中，相關(guān)判斷結(jié)果會因人而異，無法形成統(tǒng)一標(biāo)準(zhǔn)。

（三）解決方案

在公安執(zhí)法領(lǐng)域中，為了提高打擊涉虛擬貨幣新型犯罪案件實戰(zhàn)工作質(zhì)量和效率，應(yīng)當(dāng)采取“實戰(zhàn)專家+數(shù)智作戰(zhàn)系統(tǒng)”的雙驅(qū)動模式，該模式強調(diào)了數(shù)智化技術(shù)應(yīng)用的數(shù)據(jù)分析能力和實戰(zhàn)專家專業(yè)能力相結(jié)合的共同作用，以高效、精準(zhǔn)的解決方案提供強有力的支持和保障。

Bin 2：有“澳大利亞勃艮第”雅號，卻由西拉和慕合懷特兩個“強勁”品種混釀而成，口感柔潤。1960年開始生產(chǎn)，70年代停釀，后再復(fù)產(chǎn)。

檢查已提交的控制點觀測記錄、成果精度、點之記以及計算過程等。主要內(nèi)容有：(1)分析判定控制網(wǎng)的布設(shè)是否合理，控制點的點位和密度能否符合碎部測量的需要。(2)進(jìn)行控制測量時外業(yè)觀測的精度是否滿足相應(yīng)等級的規(guī)范要求。(3)標(biāo)石的類型能否滿足規(guī)范的要求，埋設(shè)標(biāo)石是否穩(wěn)固堅實。(4)布設(shè)圖根點的位置、密度是不是符合解析法細(xì)部測量的規(guī)定。(5)平差計算軟件是否正規(guī)，平差計算的結(jié)果是否正確，所有精度指標(biāo)是否符合規(guī)范限差的要求。(6)資料提交是否完整。

其次，實戰(zhàn)專家的專業(yè)知識和經(jīng)驗在打擊虛擬貨幣犯罪中也具有不可替代的作用。通過與行業(yè)內(nèi)的專業(yè)機構(gòu)和專家合作，引進(jìn)具有豐富實戰(zhàn)經(jīng)驗和專業(yè)能力的案件分析師，共同參與案件的分析和研判，應(yīng)對虛擬貨幣犯罪的復(fù)雜性和變化性，提供更精準(zhǔn)的研判結(jié)果，為實戰(zhàn)工作提供更高效的指導(dǎo)。

此外，引進(jìn)培養(yǎng)涉虛擬貨幣案件分析師復(fù)合型人才也是非常重要的措施之一。通過加強“虛擬貨幣辦案”相關(guān)培訓(xùn)和教育，支持該領(lǐng)域案件研判人才的學(xué)習(xí)和發(fā)展，提高案件分析師的專業(yè)技能和知識水平，使其能夠更好地應(yīng)對虛擬貨幣犯罪的挑戰(zhàn)，提升公安業(yè)務(wù)能力以及執(zhí)法質(zhì)量。

首先，數(shù)智作戰(zhàn)系統(tǒng)是打擊虛擬貨幣犯罪的重要工具。通過開發(fā)或引入先進(jìn)的創(chuàng)新技術(shù)或智慧警務(wù)平臺資源，可以提供自動化和智能化的支持，提高數(shù)據(jù)分析的精準(zhǔn)度和速度。將大數(shù)據(jù)、人工智能等技術(shù)手段應(yīng)用于案件的研判和分析，通過交易監(jiān)控、模式識別和關(guān)聯(lián)分析等方法，為案件分析師在偵案實戰(zhàn)中精準(zhǔn)賦能，協(xié)助發(fā)現(xiàn)隱藏在數(shù)據(jù)中的異常和規(guī)律，挖掘犯罪線索，提升案件偵破效率。

（四）部署原理

圖計算模型的興起，為大規(guī)模、復(fù)雜高維的數(shù)據(jù)集處理提供了一種全新的解決方案。作為一種新穎的數(shù)據(jù)分析和機器學(xué)習(xí)方法，圖計算模型通過構(gòu)建圖形的方式對數(shù)據(jù)進(jìn)行表達(dá)，并利用圖計算和網(wǎng)絡(luò)分析技術(shù)來探索數(shù)據(jù)中隱藏的關(guān)系與規(guī)律。利用圖計算模型落地產(chǎn)品進(jìn)行涉虛擬貨幣犯罪的打擊，為公安部門進(jìn)行案件偵查分析提供了全新的視角與思路，并貢獻(xiàn)了有力的偵破支持。

4.人為主觀因素影響案件判斷

三、圖計算模型落地——以“判斷涉案地址關(guān)聯(lián)度”的場景應(yīng)用為例

基于“圖計算模型”的解決方案，可通過“點和邊”的呈現(xiàn)形式將涉案團(tuán)伙的成員、成員相關(guān)職能以及相關(guān)交易等多維的數(shù)據(jù)信息進(jìn)行整合，構(gòu)建出復(fù)雜、不限層級的全幣種全鏈路的網(wǎng)狀分析圖，并自動學(xué)習(xí)其中包含的信息。不僅如此，網(wǎng)狀圖的拓?fù)浣Y(jié)構(gòu)同時釋放了高價值的信息，可深入揭示出團(tuán)伙內(nèi)部的組織關(guān)系、資金流向路徑及犯罪收益分配等關(guān)鍵線索與證據(jù)，如圖1所示。

（一）圖計算模型訓(xùn)練步驟

基于圖計算的交易數(shù)據(jù)分析方法，用于提取全量交易數(shù)據(jù)、構(gòu)建網(wǎng)圖、提取特征、訓(xùn)練模型并產(chǎn)出結(jié)果。具體訓(xùn)練流程如下：

以涉虛擬貨幣傳銷洗錢案件為例，要在大量地址中尋找到可供案件繼續(xù)追蹤的可疑地址，傳統(tǒng)的偵查痛點：

2.構(gòu)建網(wǎng)圖（Graph）

Variation of the days of extreme precipitation in Ningxia in summer and its causes

獲取起始線索地址（該地址通常為案件初始資金的歸集地址）。從數(shù)據(jù)庫中搜索并提取由該地址出發(fā)的所有下游交易數(shù)據(jù)，并根據(jù)案件類型靈活設(shè)置向后搜索的層級。隨著搜索層級的增加，對計算資源要求也呈指數(shù)增長，但并不會發(fā)現(xiàn)更多高價值的涉案地址，增量價值遞減。

1.搜索提取全量交易數(shù)據(jù)

根據(jù)交易數(shù)據(jù)構(gòu)建網(wǎng)圖，網(wǎng)圖的“節(jié)點”代表交易對手方的地址，“邊”代表兩個地址之間的交易關(guān)系，鏈路則是一個起始地址到一個終點地址之間的交易通路。由于起始線索地址與任意一個終點地址之間，可能存在多條不同長度的鏈路，因此在該過程中將構(gòu)建一個包含數(shù)十萬節(jié)點與邊的復(fù)雜網(wǎng)絡(luò)。

3.提取特征

生成網(wǎng)圖后，根據(jù)鏈路維度從每個地址和每筆交易中提取關(guān)鍵特征。這些特征可分為五大類，共計超過100個，為深入研究網(wǎng)絡(luò)中節(jié)點間的關(guān)系和行為提供了重要線索和依據(jù)。

5.建立多元化的評價體系。教師核心素養(yǎng)和能力建設(shè)的重要影響因素之一就是科學(xué)合理的評價體系。同時，它也是學(xué)校能夠長久發(fā)展的基石。目前，一些院校在考核教師時只關(guān)注教學(xué)能力，考核體系單一。在“雙創(chuàng)”時代背景下，高職院校應(yīng)該把教師的管理能力、創(chuàng)新能力、實踐能力、科研能力和服務(wù)企業(yè)能力等都納入教師能力評價體系中，實行多元化的動態(tài)評價體系。

服務(wù)精細(xì)才能提升用戶滿意度，用戶滿意才能保持市場穩(wěn)定。天脊集團(tuán)銷售公司辦事處對區(qū)域銷售規(guī)劃、代理商考核、經(jīng)銷商培養(yǎng)所做的工作中，“服務(wù)用戶”占最大比例。

（1）交易時間特征：如時間戳分布（是否有特定的交易活動時間段）以及交易時間重合度等；

（2）交易模式相關(guān)特征：如平均交易頻率、交易頻率的標(biāo)準(zhǔn)差、交易總次數(shù)以及交易間隔等；

（3）交易金額相關(guān)特征：除了平均值、中位數(shù)和標(biāo)準(zhǔn)差等基本統(tǒng)計量，還考慮了異常大額交易等；

（4）地址資金余額相關(guān)特征：如平均賬戶余額、賬戶余額的標(biāo)準(zhǔn)差以及最新余額等；

（5）社交網(wǎng)絡(luò)相關(guān)特征：用戶的連接度（用戶連接的其他用戶數(shù)量），用戶的社交網(wǎng)絡(luò)位置（中心性）以及用戶所屬社群的數(shù)量等。

4.訓(xùn)練模型

①為防止堵塞，應(yīng)隨時檢查混凝土級配和坍落度；防止過粗骨料進(jìn)入和堵塞管道；防止泵入空氣，造成堵管或氣爆。

搭建了基于特征的規(guī)則模型，并使用機器學(xué)習(xí)方法不斷迭代規(guī)則閾值和注意力權(quán)重。規(guī)則模型為每個特征進(jìn)行打分，最后加權(quán)求和得出各鏈路的分?jǐn)?shù)。再根據(jù)鏈路數(shù)量和各鏈路分?jǐn)?shù)，綜合計算出起始線索地址與某個終點地址之間的“關(guān)聯(lián)度”。

5.產(chǎn)出結(jié)果

計算從起始線索地址到所有終點地址的“關(guān)聯(lián)度”，并進(jìn)行排序。這些涉案地址可作為下一步分析研判的對象，例如向所在交易所發(fā)函要求調(diào)取證據(jù)，如圖2所示。

（二）圖計算模型場景應(yīng)用

要快速實現(xiàn)上述大規(guī)模計算任務(wù)，需特別關(guān)注區(qū)塊鏈技術(shù)對數(shù)據(jù)積累、數(shù)據(jù)處理、數(shù)據(jù)存儲和模型計算的貢獻(xiàn)。通過自建全節(jié)點和實時解析處理交易數(shù)據(jù)，來確保數(shù)據(jù)的及時性和準(zhǔn)確性，例如SAFEIS安數(shù)區(qū)塊鏈安全智能大數(shù)據(jù)技術(shù)平臺自建了三大區(qū)塊鏈（以太坊、幣安智能鏈和波場鏈）的全節(jié)點；為增強數(shù)據(jù)的安全性與可信度，將數(shù)據(jù)存儲到實時和離線兩套數(shù)據(jù)庫中，獲得從創(chuàng)世區(qū)塊到最新的所有完整交易數(shù)據(jù)，這種存儲方式有利于后續(xù)的數(shù)據(jù)分析和挖掘；為滿足模型特征計算的需求，在數(shù)據(jù)倉庫中建立了按天更新的業(yè)務(wù)中間表，以確保數(shù)據(jù)的新鮮度和準(zhǔn)確性，同時提高計算效率，在接到大規(guī)模計算任務(wù)后，調(diào)用業(yè)務(wù)中間表可在30分鐘內(nèi)完成計算并產(chǎn)出結(jié)果。

模型計算在底層技術(shù)平臺完成后，其結(jié)果通過中科鏈源自主研發(fā)的SAFEIS安士區(qū)塊鏈AI信息作戰(zhàn)系統(tǒng)前臺界面進(jìn)行便捷展示。該系統(tǒng)的核心組件是以區(qū)塊鏈交易資金流向形成的網(wǎng)狀視圖，在此視圖上點擊任意地址，展開其交易關(guān)聯(lián)的相關(guān)地址，從而形成一張總攬全局的網(wǎng)狀圖，便于結(jié)果分析和地址追蹤。由于該組件使用場景高度適配圖計算模型功能，因此AI模型技術(shù)便深度融合至該數(shù)智執(zhí)法產(chǎn)品中，同時釋放技術(shù)能力以供實際辦案應(yīng)用。通過點擊右鍵菜單中的“去向交易所關(guān)聯(lián)分析”，可對任意地址進(jìn)行AI模型的調(diào)用，如圖3所示，讓模型協(xié)助進(jìn)行高關(guān)聯(lián)涉案地址的計算分析，并將計算結(jié)果展示在網(wǎng)狀圖中，直觀呈現(xiàn)出犯罪行為的動態(tài)演變過程，方便案件的進(jìn)一步研判與分析。

（三）圖計算模型結(jié)果驗證

模型訓(xùn)練后，將其能力部署至SAFEIS安士區(qū)塊鏈AI信息作戰(zhàn)系統(tǒng)中，然后將模型投入實際案件的實戰(zhàn)分析中對結(jié)果加以驗證。以涉虛擬貨幣傳銷洗錢案件為例，為針對涉案資金歸集地址（即收取傳銷洗錢資金的起始地址）進(jìn)行深入分析，采用圖計算模型計算出每個地址的Top30下游可疑涉案地址，并按照相關(guān)度由高至低進(jìn)行排序。同時，案件分析師在不知模型結(jié)果的前提下獨立進(jìn)行人工分析，然后將兩者結(jié)果進(jìn)行比對驗證。

從評估指標(biāo)的角度來看，偵破案件對準(zhǔn)確性和時效性具備極高要求，關(guān)鍵在于快速找到一定數(shù)量的高質(zhì)量線索進(jìn)行突破，而無需將所有涉案線索找齊。因此，在評估中重點選擇關(guān)注分析結(jié)果的準(zhǔn)確率和效率，忽略了召回率。由于網(wǎng)絡(luò)的復(fù)雜性，人工也很難窮盡所有的涉案相關(guān)節(jié)點，因此評估召回率顯得異常困難。

從分析結(jié)果的效率來看，圖計算模型在30分鐘內(nèi)便可產(chǎn)出案件分析結(jié)果，人工分析則需要近一周的時間。

從分析結(jié)果的準(zhǔn)確率來看，由圖計算模型計算的Top30下游可疑涉案地址中，約有60%左右的地址與人工分析的結(jié)果相匹配，準(zhǔn)確率符合預(yù)期，且其效率遠(yuǎn)高于人工分析；此外，另有15%的地址未被人工分析發(fā)現(xiàn)，但經(jīng)人工分析驗證后發(fā)現(xiàn)其較高相關(guān)度，這部分可視為模型的增量價值，它能夠發(fā)現(xiàn)人力難以察覺的信息。

綜上所述，通過對腦卒中偏癱患者進(jìn)行呼吸肌反饋訓(xùn)練，可以有效地改善患者的呼吸功能障礙，呼吸功能的改善促進(jìn)了患者的吞咽，患者吞咽功能的改善又進(jìn)一步改善了患者的呼吸功能，呼吸功能改善與吞咽功能改善就形成了一種良性循環(huán)。并且該訓(xùn)練方法簡單有效，可以在臨床推廣應(yīng)用呼吸肌反饋訓(xùn)練儀對腦卒中偏癱患者進(jìn)行呼吸功能的訓(xùn)練。但本研究也存在局限性，比如樣本量小，訓(xùn)練時間不夠長，同時未對呼吸功能改善與吞咽障礙功能改善的相關(guān)性進(jìn)行進(jìn)一步探究。以后的研究中會加大樣本量，延長訓(xùn)練時間并進(jìn)一步探究呼吸功能與吞咽功能之間的關(guān)系。

四、圖計算模型在涉幣資金分析中的優(yōu)勢

圖計算模型可以通過高級算法深入挖掘海量鏈上數(shù)據(jù)背后的關(guān)系與規(guī)律，并以直觀、清晰、流暢的方式呈現(xiàn)分析結(jié)果。利用圖計算模型的AI算法技術(shù)，可將隱藏在數(shù)據(jù)中復(fù)雜的資金關(guān)聯(lián)交易圖譜可視化，從而幫助洞悉犯罪分子背后的多種隱秘關(guān)聯(lián)。自動快速處理和分析海量鏈上數(shù)據(jù)的模型優(yōu)勢，在解放人力的同時也提高了工作效率。

圖計算模型與人類處理信息的能力不同，可以突破人類信息處理極限，在大規(guī)模數(shù)據(jù)集上展開分析，覆蓋數(shù)十萬計的數(shù)據(jù)節(jié)點。同時，模型能夠自動從數(shù)據(jù)中提取有價值的特征，并綜合考慮多特征進(jìn)行自主分析，包括統(tǒng)計特征和圖特征等，相比人工分析，可以提供更