作者：王家新本文约3900字。建议读8分钟。本文介绍了Web3.0时代区块链证券的加密数字货币监管。
1.研究背景
随着区块链的快速应用和发展，各种虚拟数字货币(比特币、以太坊等。)纷纷涌现，虚拟数字货币时代悄然到来。虚拟数字货币作为一种金融工具，具有匿名性、全球性、不可否认性、交易成本低、难以实时监控等特点，符合犯罪分子对一种利用互联网在全球范围内转移资金的工具的期待。虚拟数字货币已经成为新时代犯罪融资的理想金融工具，如敲诈勒索、洗钱、诈骗、恐怖融资等。
根据Chainalysis在2021年初发布的报告(图1)，2019年非法虚拟数字货币交易的总价值约为110亿美元，与2017年的56亿美元相比翻了一番，其在所有虚拟数字货币交易中的份额也从2017年的0.7%增加到2019年的2.2%。2020年，所有加密货币活动的非法份额降至1.0%。虽然与加密货币相关的犯罪呈下降趋势，但与传统金融涉及的非法资金规模相比，它仍然是整个加密货币经济的一部分。
图1 2017-2020年虚拟数字货币交易量变化
此外，我国正面临数字货币的威胁和挑战，我们无法避免我们的激进对手和恐怖势力与境外组织勾结，通过数字货币筹集资金的风险。新疆、西藏、香港等地区都直接面临着打击这种非法集资的挑战。香港修宪风暴中的极端反对势力，通过比特币和发行所谓的“抗议币”为暴徒筹集资金。在虚拟数字货币时代，中国面临着打击通过虚拟数字货币非法融资的艰巨任务。
基于上述现实背景，在国家整体安全需求的驱动下，我们认为建立一个非法加密数字货币融资的识别和跟踪系统是非常迫切和必要的。
二、区块链技术的基本理论
区块链技术的应用可以使交易在没有相互信任的情况下正常进行。区块链技术不同于传统的数据库技术。它的明显优势是不可篡改，不可伪造，具有智能合同的特点。因此，区块链技术的应用可能会引发社会变革，推动社会科技的发展。在“十三五”规划中，国务院对区块链的发展进行了规划，并将其纳入战略前沿技术发展的前沿。早在2017年，一些外国公司就为区块链技术的发展制定了战略目标。Gartner将区块链技术列为十大战略技术之一。
区块链技术的五个最重要的特征：
(1)开放性：交易过程中数据公开共享。除了交易双方的个人隐私，其他所有数据都是高度透明的，区块链科技是开源的。
(2)去中心化：这一特征是区块链技术最本质的特征。由于区块链技术在应用过程中不涉及中央控制和其他依赖，信息传输在每个时间段都是自我管理的。
(3)安全性：当你要修改或操纵网络数据时，需要掌握所有的数据信息，否则无法修改，保证了网络数据的安全性，避免了人为修改数据。
(4)独立性：区块链系统在运行过程中独立存在，不依赖其他第三方，遵守协议规范在系统内部独立交换数据，无需人为干预。
(5)匿名性：除特定要求外，仅从技术角度来看，信息传输过程中不需要公开验证节点信息，传输过程是匿名的。
区块链技术架构分为六层：数据层、契约层、共识层、应用层、激励层、网络层。随着科学技术的发展，区块链技术也在不断更新，其外延也随之发展和演变。从数据分析的角度，从数据的类型和环境出发，本文认为区块链可以分为三个层次。最底层是交易层，对应的是以比特币为代表的区块链1.0阶段。交易是改变区块链数据的手段，也为区块链提供数据基础。合同层在中间位置。通过合同条款的电子化，当条件满足时，可以自动执行交易，交易过程中不断产生新的数据，所有过程都是交易。
通过相关的区块链技术，我们可以隐藏用户的隐私信息。由于网络信息共享的原理，我们要在分布式环境下对信息进行保密，这就对技术要求很高。针对不同的授权机制和应用场景，区块链可以分为三个层次：联盟链、公有链和私有链。与机构、企业所属的传统数据库不同，区块链是一个开放共享的数据库，每个人都有自由获取区块链数据的权利，不是内部人士独享的。区块链数据的开放性为数据分析师提供了数据基础。通过分析公开数据，可以为科技进步提供动力，激发技术发展潜力。
三。研究内容和方法
3.1总体思路
根据加密数字货币的交易业务模型，我们团队将加密数字货币GEC的全周期定义为加密数字货币从产生到流通的全过程，主要包括产生、交换和流通三个主要过程。通过对整个GEC循环中不同事件建立模型，进行全方位的监督、管理和规范，提高加密数字货币交易的可追溯性，使所有交易都有据可查、有账可查，为后续的科学监管方法奠定基础。
3.2研究问题和方法
我们深入研究了与研究问题高度相关的现有文献，并结合本文的研究方向。文献综述部分主要从以下五个方面入手了解现有加密数字货币的相关研究情况：一、实体识别；二是网络画像；第三，违法行为检测与分析；第四，网络可视化；第五是交易模式识别。
(1)实体识别
以比特币为例，比特币交易的一个突出特点是双方匿名。但由于比特币交易的复杂性，往往会涉及到很多的输入输出，这就导致了如何在相关的交易信息中识别用户，也就是如何识别一个用户有多少个地址。但由于没有有效的方法来验证是否属于特定用户，按照现有论文的研究思路，实体可能是组织，也可能是用户等。相反，同一组织或同一用户可能实际上同时控制几个不同的实体。从相关文献可以看出，为了更好地识别潜在实体，大多采用启发式方法，主要包括以下两种识别方法(改变地址法和常用输入法)。
但是启发式规则容易出现一些错误，因此有学者提出了不同的优化方法。随着地址标签的广泛使用，受监督的机器学习算法也被应用于捕获具有交易特征的标记样本之间的差异。比特币地址分类任务可分为二进制分类和多分类类型。二元分类任务通常可以达到很高的准确率，这表明非法活动在其交易模式中具有很高的可分性。相比之下，多重分类任务的准确率明显较低。就特征而言，交易量特征对区分实体起着至关重要的作用。在学习算法方面，基于决策树尤其是随机森林的方法在大多数任务中取得了最高的性能。基于GNN的方法，尽管在最近的文献中是新颖和流行的，但并没有显示出比成熟方法更好的预测能力。
(2)用户画像
在不断发展的过程中，比特币的主链已经发现了超过50万个区块，其中包含了大量的交易数据，相关信息超过150GB。这时候就需要分析相关数据中包含了多少用户，进行交易的用户有什么特征。某种程度上，比特币是一种虚拟资产。其交易过程是否符合经济学规律，比特币如何在其用户中分配，都是值得思考的问题。这种研究叫做用户画像。
3.3网络可视化
随着区块链的深入发展，相关技术的不断创新，区块链交易日益增多，交易网络日益扩大，可视化研究工具的应用对研究具有重要意义。在现有的研究中，很多学者都是从这个角度出发的。目前，许多相关研究都集中在区块链交易的特殊结构图上，关注关联交易双方的行为，可以快速识别潜在的异常交易行为和交易模式。
3 .4交易模式识别
比特币和传统的银行支付有很大的区别。其实也是匿名系统，没有运营中心。由于其很强的匿名性，一些非法行为如赌博、诈骗、洗钱等。都是在比特币交易中孕育出来的。如何从比特币交易数据中识别异常交易，发现潜在的非法交易和违法行为，是一个极具研究价值的课题。在这个过程中，识别和分析比特币相关的交易行为和交易模式是一个重要的研究基础。
3.5违法行为检测与分析
匿名是区块链的一个显著特点，这使得我们很难获得双方的相关信息。目前学者将比特币用户分为以下四种：一是计算机技术爱好者；第二，罪犯；第三，投机者；第四，他们是自由主义者。事实上，在当前的区块链交易中确实存在许多潜在的非法交易：如欺诈、恐怖融资等。因此，提高区块链数据识别技术可以促进区块链网络的可持续发展，打击犯罪，帮助相关监管部门提高监管能力。
最后，在线情报平台是一个提供深入的区块链信息的网站。一些平台还允许用户将众包知识优势发布到他们的数据库中。这些智能平台包括Blockchain.info(现名为Blockchain.com)、Etherscan、WalletExplorer和BlockCypher。Chainalysis和Elliptic等技术公司也在加密货币数据分析和恶意活动监控方面提供全面的服务。
参考资料：
[1]chain analysis-隐秘犯罪-2021[EB/OL]。https://go.chainalysis.com/2021-Crypto-Crime-Report.html
[2] Ron D，Shamir A .全比特币交易图的定量分析[C]//第17届金融密码学与数据安全Int Conf的Proc。柏林：施普林格，2013: 6-24
[3] Androulaki E，Karame G O，Roeschlin M，等.评估比特币中的用户隐私[C]//第17届国际金融密码学和数据安全会议文集.柏林：施普林格，2013: 34-51
[4]巴德夫A，陈m .比特币：技术背景与数据分析[EB/OL].[2018-02-08].https://srn.com/abstract=2544331
王家新[1]、[2]
([1]南京大学信息管理学院，[2]南京大学共享技术区块链联合实验室)