Bybit與港大學子攜手透過實戰混幣追蹤挑戰開展反洗錢研究
阿聯酋迪拜2026年5月15日 /美通社/ -- 全球交易量第二大的加密貨幣交易所Bybit近期與香港大學(HKU)學生團隊合作完成了一個反洗錢研究專案。本次活動透過一項實戰混幣追蹤挑戰，讓參與學生切實掌握了加密貨幣追蹤調查、機器學習應用及反洗錢分析等相關實操技能。 本次聯合研究以2025年2月Bybit安全入侵事件為研究案例，學生團隊以此為切入點，探究如何運用區塊鏈分析與機器學習技術，識別藉助加密貨幣混幣工具形成的洗錢鏈路，以及與朝鮮駭客組織Lazarus Group有關的各類交易行為。 該研究專案由香港大學會計學及法學系助理教授Doyeon Kim發起並指導，Bybit全程提供真實調查場景與行業指導。專案由Bybit集團風控安全負責人David Zong統籌規劃並出資支援，旨在讓學生有機會直面真實的行業難題，而非模擬練習。專案推進期間，Zong持續跟進團隊的調查結果與專案進展。 合作過程中，學生團隊需完成多項研究任務：追蹤比特幣區塊鏈上與Lazarus相關的資金，釐清洗錢操作中所用錢包地址的運作用途，搭建可識別混幣相關交易模式以及與非法活動關聯的潛在輸出地址的機器學習方法。由於加密貨幣混幣工具採用了隱私保護設計，從數學層面無法精準還原交易流向，這意味著不存在絕對或確定性的歸因方法。因此本次研究重點依託機率分析法、行為聚類演算法及各類機器學習技術，提升可疑交易模式與洗錢鏈路的識別效率。 專案未設定固定研究方法，僅為學生提供整體研究方向，鼓勵團隊自主制定分析研究方案。部分團隊最佳化完善現有區塊鏈追蹤方法，有些團隊則探索其他機器學習與圖譜分析模型。 歷經數周的研究與方案迭代，各學生團隊透過獨立調查、技術研討及專案復盤，不斷最佳化研究方法。Bybit還組織了中期專案評審會，方便學生匯報研究進度、梳理研究發現，並聽取專業指導意見，助力後續研究順利推進。 本次合作旨在讓學生直面真實反洗錢與區塊鏈合規工作中存在的各類不確定因素，鍛煉問題解決能力。對學生而言，此次實踐能夠錘煉分析思維能力、搭建專業技術研究體系，在無標準答案的情況下攻克複雜的調查難題；對Bybit來說，該專案有助於發掘新生代行業人才，也能將行業實操經驗融入學術研究與早期技術探索。 專案最終評審會在Bybit辦公場地舉行，各學生團隊現場展示研究成果，並聽取Bybit團隊的進一步反饋意見。 研究過程中，學生團隊運用聚類模型、圖神經網路及圖譜交易分析技術，完成約49800個比特幣區塊、超1.46億筆交易的分析工作。 專案研究結果顯示，團隊成功識別出10289筆類Wasabi交易，並藉助剝離鏈(Peel Chain)方法生成了一個包含超160萬個地址節點、近600萬條交易邊的區塊鏈交易子圖譜。經抽樣測試驗證，該機器學習聚類模型對已確認的涉及朝鮮的地址達到70.5%的召回率。 研究還深入剖析Wasabi等加密貨幣混幣工具、CoinJoin交易模式及剝離鏈架構的運作原理，明確其如何隱匿交易軌跡、加大反洗錢調查難度。學生團隊還研究了非法資金如何在錢包、去中心化交易所、兌換協議及旨在降低交易可追溯性的跨鏈系統間流轉。 參與專案的學生表示，此次實踐讓自己清晰瞭解了區塊鏈調查、反洗錢系統及加密貨幣安全業務的實際運作方法。 有參與者坦言，此次經歷讓其進一步認識到監管體系與反洗錢技術在抬高不法分子作案門檻方面的重要性，也切身感受到解決實際行業問題的複雜性。 還有學生認為，本次研究實踐內容豐富、實用性強，收穫遠超預期。 多名學生表示，此次專案讓他們深入瞭解了加密貨幣調查、區塊鏈安全事件處置流程，也看清了當前區塊鏈安全與合規領域日益增長的人才需求。 還有學生提到，該專案幫助其更系統地掌握了比特幣區塊鏈架構、交易機制以及鏈上洗錢行為的運作邏輯，而圍繞區塊鏈金融體系發展趨勢展開的交流探討，也為自身未來在金融、精算科學領域的職業發展規劃提供了有益視角。 此次校企聯合研究體現出高校與數字資產企業愈發重視將機器學習和區塊鏈分析技術應用於網路安全、合規及金融犯罪打擊等實際領域。 Bybit對香港大學經管學院及Kim教授在本次聯合研究全程給予的支援與配合致以誠摯謝意。 #Bybit / #NewFinancialPlatform Bybit team…
