基础概念
链上情报
链上图谱分析与资金聚类追踪
On-Chain Graph Analytics & Transaction Clustering
所属核心领域
基础概念
认知学习难度
链上情报
常用关联别名
链上图谱, 聚类分析, 资金穿透, Nansen, Arkham追踪, 关联地址排查
权威审校
数链库事实核查组
一分钟核心速览
利用图数据库、复杂网络分析与机器学习算法，对海量公开区块链账本中的交易拓扑、地址交互网络及资金流动轨迹进行去匿名化穿透与实体识别的情报技术。
通俗白话大比方（如果给零基础小白解释）
很多人以为在区块链上换个新钱包别人就认不出你。链上图谱就像公安刑警的大数据研判白板：虽然钱包名字只是一串乱码字母，但你每一次转账、每一次去 DEX 兑换、几点几分出入金，都在这块全球公开透明的巨型大玻璃上留下了永久痕迹。分析师把千千万万个地址画成一张蜘蛛网：‘虽然这 10 个地址表面互不认识，但他们都在周二晚上 8 点由同一个神秘地址转入资金，随后在同一小时内去同一个合约打卡，最后资金全流向了同一个交易所子账户！’系统瞬间将这 10 个地址打包圈出，断定背后是同一个自然人操控的资金集群。
技术底层深度运作机制
1. 共同输入所有权启发式（Common-Input Ownership Heuristic）：在比特币 UTXO 交易中，同一笔交易消耗的多个输入地址默认归属于同一个私钥控制实体；
2. 图神经网络（GNN）实体推理：根据地址度中心性（Degree Centrality）、资金流转半衰期及智能合约交互指纹，对未知地址打上做市商、巨鲸、MEV 机器人或黑客标签；
3. 链下情报交叉验证：将链上行为模式与 IP 散列、KYC 交易所充值关联图谱、公开社交媒体签名进行交叉比对，实现高精度去匿名化渗透。
2. 图神经网络（GNN）实体推理：根据地址度中心性（Degree Centrality）、资金流转半衰期及智能合约交互指纹，对未知地址打上做市商、巨鲸、MEV 机器人或黑客标签；
3. 链下情报交叉验证：将链上行为模式与 IP 散列、KYC 交易所充值关联图谱、公开社交媒体签名进行交叉比对，实现高精度去匿名化渗透。
实操避坑：三大致命安全红线
- 切勿以为经过多道转账就能隐藏行踪：简单的链上‘剥洋葱（Peeling Chains）’式多级中转在大数据图算法面前一秒即可全自动穿透识别；
- 警惕地址投毒陷阱：黑客会利用相似前缀后缀的虚假地址向你空投粉尘代币，试图污染你的历史交易图谱并诱导你误复制转账；
- 大额资产调仓建议通过合规中心化交易所的双向出金隔离通道，利用交易所的公共大热钱包打碎链上资金连通图。
常见高频问答 (FAQ)
Q 普通用户如何自查自己的多个钱包是否已被大数据标记关联？
A
可以在 Arkham Intelligence 或 Etherscan 的 Tokenflow 图谱工具中直接输入自己的地址，查看系统自动生成的资金关联图与集群判定。