中国警方与高校合作，AI工具识别加密洗钱近90%准确
研究显示，检方表示有3,259人面临与虚拟资产洗钱和地下金融相关的2025起案件。
中国国家警察大学的研究人员表示，他们建立了一个人工智能系统，利用大型语言模型以“约90%的准确率”标记涉嫌加密货币洗钱的案件。此声明与2025年的起诉统计数据一同发布，该数据表明，尽管中国禁止交易和挖矿，虚拟资产洗钱案件已经在大规模追踪中。
中国警方-大学研究人员声称AI+LLM加密洗钱警报的准确率约为90%
中国国家警察大学的研究人员，该机构隶属于公安部，被描述为正在开发一个区块链取证检测框架，旨在识别涉及虚拟货币的洗钱和其他经济犯罪。资产例如比特币与该工作的主要指标相关的是报告的命中率：“该系统在标记可疑交易方面的准确率大约为90%。”
该准确性数据来源于《南华早报》的报道，但该数据包没有提供方法论、数据集描述或“准确性”在实践中的定义。同一篇文章还指出了对交易员和合规部门重要的操作警告：一个“90%准确”的模型仍然可能产生误报，执法部门仍需通过人工审核和法律程序验证算法标记。
中国的执法背景并非理论化。中国最高人民检察院报告称，仅在2025年，“有3,259人因涉嫌涉及虚拟资产和地下金融的洗钱被起诉。”即使新框架仅仅是一个线索生成工具，这一起诉数量也暗示着案件数量足够多，如果被采纳，自动化将具有操作上的相关性。
AI+LLM框架如何识别分层和结构化
从机械上讲，该框架被描述为将人工智能驱动的模式识别与大型语言模型（LLM）能力结合，以分析区块链网络中的交易流。人工智能组件被定位为模式引擎，扫描大量链上数据，以寻找规则监控可能遗漏的行为异常。
目标是经典的洗钱行为。“分层”是通过多个跳转、钱包和交易转移资金的策略，以使来源更难追踪。“结构化”是将活动分解为更小的部分或奇怪的模式，以避免阈值并模糊意图。该系统被描述为在交易图中寻找与这些行为一致的异常，而不是仅仅依赖静态规则。
LLM部分被框定为上下文层。大型语言模型是一个经过文本训练的模型，可以解释和生成语言，在这里它被描述为帮助解释与交易活动相关的非结构化信息，例如交易备忘录或沟通模式，以帮助调查人员围绕资金流建立叙述。这很重要，因为执法结果不是根据有多少个地址被标记来评分的，而是根据案件是否能够组装、归属和起诉来评分的。
该报告还指出，cryptocurrency交易和挖矿在中国是被禁止的，而持有digital assets并不构成犯罪。所描述的立场是分裂的：限制公共市场准入，但继续围绕虚拟资产流建立调查能力。
随着中国链上监控工具的进步，交易者应该关注的事项
改变风险轮廓的第一个信号是部署。该报告没有说明该框架是研究阶段、试点阶段，还是已经在实际调查中使用，也没有提到将由哪些调查单位运行它。任何关于其是否在运行及其运行地点的披露，都比另一个准确性标题更为重要。
第二个信号是“约90%”这一说法背后的技术细节。交易者应该寻找一个主要的链接对于基础报告或任何定义数据集的发布，标记“可疑”的标准，以及假阳性和假阴性率。如果没有这些，数字在方向上是有趣的，但并不能保证性能。
第三个信号是执法强度。2025年的起诉总数提供了一个规模的基准，因此下一年度的统计数据或明确提及链上分析的重大案件公告将有助于确认此类工具是否被用来优先处理线索。
第四个信号是下游合规行为。如果交易所和对手方开始收紧与中国相关的风险敞口，这往往表现为加强尽职调查通知、账户冻结或引用基于人工智能的追踪和更高标记率的新风险规则。
我的看法：执法技术的崛起速度超过了公众对该模型“准确性”的证据。
这里重要的不是“90%”的标题，而是机构的发展方向。公安部下属的警校团队正在构建用于交易追踪的AI+LLM工具，这符合中国在限制公开交易的同时，将虚拟资产流视为调查对象的世界，而3,259起起诉的数字表明，已经有足够的交易量使得自动化变得有用。
重要的门槛是披露：如果这个框架被确认在实际案例中部署，并且准确性声明得到了定义的数据集和错误率的支持，那么与中国相关的资金流动的合规风险就不再是叙述，而是变成了操作性风险。在此之前，实际影响是与中国相关的风险敞口的交易对手面临更高的警示和摩擦概率，而不是检测质量的显著提升。
