虛擬資產反洗錢 · AML Intelligence

讓每一筆鏈上資金
都有跡可循

鏈衛科技以規則引擎、機器學習與 AI 調查 Agent,替交易所與法遵團隊即時評估 Ethereum、BNB Chain、TRON、Bitcoin 地址的洗錢風險,並自動產出附交易證據的繁體中文調查報告。

  • Ethereum
  • BNB Chain
  • TRON
  • Bitcoin
ETH 0x5e1b…a7d3 合成情境 S1
92 極高風險

命中規則

  • R02制裁直接往來極高
  • R04混幣器互動高
  • R03制裁間接暴露(1-hop)高
AI Agent 調查完成 · 已生成 SAR 格式報告
4條主流公鏈
21條 AML 偵測規則
10 分鐘一次自動監控掃描
238項自動化測試

產品服務

一套系統,從篩查、評分到調查報告

Crypto AML Agent 是鏈衛科技的旗艦產品:輸入一個地址,就能看到它的風險、證據與資金去向。

多鏈地址調查

自動判斷鏈別(0x → ETH/BSC、T… → TRON、bc1/1/3 → BTC),呈現風險儀表、分數組成、規則證據、交易明細、資金流向與交易對手網路圖。

21 條 AML 規則引擎

涵蓋制裁暴露、混幣器、CoinJoin、結構化拆分、快速過帳、剝離鏈、地址投毒、跨鏈橋跳轉等常見洗錢態樣,所有門檻公開透明。

機器學習異常偵測

在瀏覽器端執行 Isolation Forest:12 維交易特徵、100 棵樹、固定種子,結果可重現,並說明每筆異常交易最偏離的特徵。

AI 調查 Agent

大型語言模型透過 5 個工具(地址概況、交易紀錄、AML 分析、制裁篩查、1-hop 追蹤)自主調查,即時串流每一步,報告依 SAR 格式撰寫。

防幻覺機制

風險分數由程式確定性計算,AI 不得更動。報告開頭附系統評分卡,寫錯的分數自動更正,未經工具驗證的地址與雜湊一律標記〔未驗證〕。

7×24 即時監控

每 10 分鐘掃描 Tornado Cash 存提款與 OFAC 制裁地址動態,每 15 分鐘重掃監控名單,新警示即時出現在儀表板。

運作流程

四個步驟,完成一份調查

  1. 01

    輸入地址

    貼上任一 ETH、BSC、TRON 或 BTC 地址,系統自動辨識鏈別並驗證格式與校驗碼。

  2. 02

    蒐集鏈上資料

    即時抓取交易紀錄並正規化,比對 OFAC 制裁名單與混幣器、交易所、詐騙等地址標籤。

  3. 03

    規則與模型評分

    21 條規則合成 0–100 風險分數並加上統計異常指數;Isolation Forest 另行標出可疑交易。

  4. 04

    AI 撰寫報告

    Agent 蒐集證據後產出繁體中文報告,含主要發現、資金流向與建議措施,可下載或列印成 PDF。

偵測能力

21 條規則,對應五大類洗錢態樣

每一條命中的規則都附上交易雜湊作為證據,分數的每一分都能回溯到具體交易。

制裁篩查

  • R01制裁名單主體
  • R02制裁直接往來
  • R03制裁間接暴露(1-hop)

混幣與匿名化

  • R04混幣器互動
  • R05CoinJoin 混幣交易

分層與結構化

  • R06結構化/拆分交易
  • R07快速過帳/分層
  • R08剝離鏈 Peel Chain
  • R16跨鏈橋跳轉

資金匯集與異常行為

  • R09A資金匯集 Fan-in
  • R09B資金分散 Fan-out
  • R10交易速度突增
  • R11整數金額偏好
  • R12休眠後活化
  • R13新地址大額
  • R18統計離群金額

詐騙與高風險服務

  • R14A地址投毒(受害目標)
  • R14B地址投毒受害轉帳
  • R14C地址投毒攻擊者
  • R15詐騙/釣魚交易對手
  • R17高風險服務

透明的評分方式

規則貢獻以 noisy-OR 合成,分數自然飽和、不會無限累加;統計異常指數最多再加 10 分。制裁主體直接判定 100 分,交易所與服務商地址的行為類規則則 ×0.3 減權,降低誤報。

S_rules = 100 × [1 − Π(1 − wᵢ × cᵢ / 100)]
S       = 100 × [1 − (1 − S_rules/100) × (1 − 0.1 × A)]
低0–24
中25–49
高50–74
極高75–100

技術架構

為邊緣運算而生的輕量架構

Cloudflare Workers 每次請求只有 10 ms CPU 與 50 個子請求。我們把機器學習與圖表等重運算移到瀏覽器,Worker 只負責資料抓取、規則計算與 Agent 協調;所有外部請求都經過子請求預算控管,分析結果快取 10 分鐘。

前端與後端共用同一份 TypeScript 規則引擎,10 個合成洗錢情境的預期結果同時就是單元測試,確保每次更新都不會改變判斷邏輯。

  • TypeScript
  • Next.js 16
  • Cloudflare Workers
  • Hono
  • D1 (SQLite)
  • ECharts
  • Vitest
  • Z.ai GLM
使用者瀏覽器 Next.js 靜態網站 Isolation Forest · 圖表在瀏覽器執行
Cloudflare Worker · Hono API
規則引擎 @aml/engine GLM Agent 迴圈 Cron 監控排程 D1 資料庫
外部資料來源
ZerionBlockscoutTronGrid mempool.spaceOFAC SDNZ.ai GLM

關於我們

關於鏈衛科技

「鏈衛」取「守衛區塊鏈」之意。我們相信反洗錢不該是只有大型機構負擔得起的黑盒子: 把公開的鏈上資料、國際制裁名單與可解釋的偵測規則結合,讓每個風險分數都能回溯到具體交易,再由 AI 整理成調查人員看得懂的報告。

可解釋

每一分都有出處

分數由程式確定性計算,每條規則附交易雜湊證據,規則表與門檻全部公開。

可驗證

AI 不碰分數

語言模型只負責調查與撰寫,事實僅能來自工具結果,錯誤分數自動更正。

可負擔

免費額度也能運作

架構專為 Cloudflare 免費方案設計,讓中小型業者與學術單位也能導入鏈上風控。

服務對象

  • 虛擬資產交易所與錢包業者
  • 金融機構法遵與風控團隊
  • 調查與研究單位
  • 金融科技教學

現在就查一個地址看看

內建 10 個合成洗錢情境,不需要任何真實地址,也能體驗完整的調查流程。