От «кластеризации адресов» к «стандартам доказательств»: почему Chainalysis стремится переопределить трассировку в блокчейне?

marsbitОпубликовано 2026-07-01Обновлено 2026-07-01

Введение

В конце июня 2026 года Chainalysis представила структуру данных под названием «Blockchain Tracing Ontology» (Онтология блокчейн-трассировки), направленную на создание более унифицированной системы описания данных для анализа блокчейна. Это скорее отраслевая инициатива по стандартизации, чем новый продукт. Ключевая проблема, которую она решает, — отсутствие единых стандартов интерпретации открытых данных блокчейна. Разные компании, используя различные алгоритмы кластеризации адресов, часто приходят к противоречивым выводам о принадлежности адресов, что создает проблемы в судебных расследованиях и соблюдении нормативных требований. Предлагаемая онтология — это не новый алгоритм, а общий «язык» для описания результатов анализа. Она вводит более детальную модель данных, заменяя упрощенное понятие «кластера» на иерархическую структуру: Сущность → Кошелек → Сегмент кошелька → Адреса. Это лучше отражает сложную структуру кошельков крупных организаций, например, бирж. Главное нововведение — смещение фокуса с результата на процесс анализа. Для каждого вывода необходимо указывать используемые доказательства (Evidence), правила анализа и уровень достоверности (Confidence). Это делает анализ объяснимым, проверяемым и воспроизводимым, что критически важно для его использования в качестве судебного доказательства, как было в деле Bitcoin Fog. Chainalysis подчеркивает, что анализ блокчейна сам по себе не устанавливает реальную личность, а лишь раскрывает связи между адресами. Идентифика...

Автор: 137Labs

В конце июня 2026 года компания Chainalysis представила публике структуру данных под названием «Blockchain Tracing Ontology (Онтология трассировки блокчейна)», надеясь создать более унифицированную систему описания данных для блокчейн-анализа. По сравнению с ранее выпускаемыми новыми продуктами или функциями, этот документ больше похож на инициативу по установлению отраслевого стандарта: он пытается переопределить базовые концепции анализа данных в блокчейне и создать для трассировки блокчейна модель данных, которая является объяснимой, проверяемой и воспроизводимой.

После публикации это предложение быстро стало темой обсуждения в сфере блокчейн-анализа и соответствия требованиям в области цифровых активов. Хотя на данный момент оно всё ещё находится на стадии публичного обсуждения и отраслевой инициативы, оно уже заставляет людей задуматься: нужен ли анализу данных в блокчейне более единый и прозрачный стандарт данных.

Долгосрочная проблема: почему разные компании приходят к разным результатам анализа?

Данные блокчейна по своей природе открыты и прозрачны, но как их интерпретировать, до сих пор не существует единого стандарта.

В настоящее время большинство платформ для анализа данных в блокчейне используют технологию «кластеризации адресов (Address Clustering)», чтобы по поведению транзакций определить, какие адреса могут контролироваться одним и тем же субъектом. Однако алгоритмы, правила и источники доказательств, используемые разными организациями, не совпадают, поэтому один и тот же адрес на разных платформах может иметь совершенно разные результаты атрибуции.

Например, одна аналитическая компания может посчитать, что некий адрес принадлежит крупной бирже, а другая — пометить его как неизвестный кошелёк; одна и та же группа адресов на разных платформах также может быть распределена по разным кластерам. Эти различия оказывают ограниченное влияние на рыночный анализ, но как только речь заходит о судебных расследованиях, замораживании активов, противодействии отмыванию денег или судебной экспертизе, они могут привести к серьёзным спорам.

Для суда просто сделать вывод «это кошелёк такой-то биржи» явно недостаточно, гораздо важнее ответить на другой вопрос: почему можно сделать такой вывод?

Chainalysis предлагает не новый алгоритм, а своего рода «язык»

Многие, увидев слово «онтология» (Ontology), могут ошибочно подумать, что Chainalysis снова предложила новый алгоритм кластеризации. На самом деле это не так.

Онтология — это понятие из области инженерии знаний, означающее унифицированную систему концепций и модель отношений, используемую для стандартизации определений различных объектов и способов их связи. Интернет-поиск, медицинские базы знаний и даже графы знаний искусственного интеллекта широко используют онтологии, чтобы обеспечить единообразное понимание данных.

Chainalysis хочет сделать то же самое для блокчейн-анализа.

Другими словами, они не требуют, чтобы все компании использовали одинаковый алгоритм кластеризации, а надеются, что все смогут представлять результаты анализа в единой структуре данных, делая процесс анализа более прозрачным и удобным для понимания, проверки и воспроизведения третьими сторонами.

«Кластера» уже недостаточно

Раньше в отрасли в качестве базовой единицы анализа широко использовался «кластер (адресный кластер)», то есть предполагалось, что несколько адресов принадлежат одному кошельку или одному субъекту.

Хотя этот метод прост и нагляден, с развитием блокчейн-инфраструктуры его ограниченность становится всё более очевидной.

Сегодня система кошельков крупной биржи может включать миллионы адресов, на которые возложены совершенно разные функции: пополнение, вывод средств, управление холодными и горячими кошельками, консолидация, сдача и т.д. Если по-прежнему просто объединять их все в один кластер, сложно точно описать сложную структуру кошельков.

Поэтому в своём предложении Chainalysis вводит новое понятие — «сегмент кошелька» (Wallet Segment).

В новой модели один субъект (Entity) может владеть несколькими кошельками (Wallet), каждый кошелёк можно разделить на несколько сегментов (Wallet Segment), и уже в каждом сегменте содержатся конкретные адреса. Такая иерархическая структура лучше отражает модель управления кошельками крупных организаций, чем традиционный кластер, и позволяет более детально описывать отношения контроля между различными адресами.

От «достоверности результата» к «достоверности процесса»

По сравнению с самой моделью, более важное изменение заключается во втором уровне дизайна.

Традиционный анализ данных в блокчейне больше фокусировался на конечном результате — кому принадлежит адрес, куда движутся средства, связаны ли они с незаконной деятельностью.

Новая же онтология делает больший акцент на самом процессе вывода.

Для каждого результата анализа должны быть чётко даны ответы на несколько вопросов:

  • На каких доказательствах в блокчейне основан этот вывод?
  • Какие аналитические правила использовались?
  • Использовалась ли информация за пределами блокчейна?
  • Какова степень достоверности этого вывода?
  • Могут ли третьи стороны заново проверить этот процесс?

Другими словами, нужно не только говорить «что это», но и объяснять «почему именно так».

Chainalysis называет эту часть уровнями «Доказательства» (Evidence) и «Достоверность» (Confidence).

В будущем пометка адреса как кошелька биржи больше не будет простым ярлыком, а будет сопровождаться полным обоснованием вывода, включая шаблоны транзакций, отношения между адресами, публичную информацию, записи расследований и т.д., с указанием соответствующего уровня достоверности. Такой дизайн лучше соответствует требованиям судебных доказательств к объяснимости и способствует перекрёстной проверке между разными организациями.

Уроки дела Bitcoin Fog

На самом деле, это предложение возникло не на пустом месте, а тесно связано со знаменитым в США делом об отмывании денег через Bitcoin Fog.

Bitcoin Fog был одной из самых долгоживущих служб смешивания биткойнов в истории. Министерство юстиции США в ходе расследования в значительной степени использовало результаты анализа Chainalysis Reactor в качестве ключевого доказательства.

Во время судебного разбирательства суд провёл знаменитые слушания Дауберт (Daubert hearing), на которых тщательно изучил аналитический метод Chainalysis, в том числе:

  • Имеет ли кластеризация адресов научную основу;
  • Можно ли воспроизвести метод анализа;
  • Является ли он необъяснимым «алгоритмом чёрного ящика»;
  • Могут ли другие эксперты самостоятельно воспроизвести процесс анализа.

В итоге суд признал, что аналитический метод Chainalysis обладает достаточной научной надёжностью и может использоваться в качестве судебного доказательства.

Тем не менее, это дело также выявило проблемы всей отрасли: если разные аналитические организации используют разные стандарты, в будущем подобные дела могут столкнуться с большим количеством вопросов. Поэтому создание единой системы представления данных и доказательств стало важным фоном для продвижения Chainalysis своей онтологии.

Анализ блокчейна не может напрямую идентифицировать реальную личность

Стоит отметить, что в этом предложении Chainalysis особо подчёркивает один момент: сам по себе анализ данных в блокчейне не может напрямую установить личность человека в реальном мире.

Данные в блокчейне могут раскрывать только отношения между адресами и пути движения средств. Что касается реального контролёра, стоящего за адресом, обычно всё ещё необходимы доказательства извне блокчейна, например, информация KYC с бирж, данные, запрошенные судом, серверные логи, полученные правоохранительными органами, и т.д.

Это означает, что блокчейн-анализ предоставляет высококачественные логические выводы на основе данных, а не окончательные доказательства, напрямую подтверждающие личность. По-настоящему полная цепочка судебных доказательств требует сочетания данных из блокчейна и внеблокчейнового расследования.

От качества данных к отраслевым стандартам

Помимо самой онтологии, в предложенной общей структуре также систематически излагаются вопросы качества данных, прозрачности анализа и допустимости в суде. Видно, что Chainalysis хочет, чтобы отрасль обращала внимание не только на сами результаты анализа, но и на то, может ли процесс анализа быть объяснён, проверен и воспроизведён.

Из этого также видно, что в будущем основное внимание в отраслевой конкуренции, возможно, будет не только на том, «кто охватывает больше адресов» или «кто идентифицирует больше меток», а на том, «у кого выше качество данных», «чей анализ более прозрачен» и «чьи доказательства легче принимаются судом».

Для регуляторов, правоохранительных органов и крупных финансовых институтов система, способная объяснить логику анализа, поддерживающая независимый аудит и обладающая возможностью повторной проверки, очевидно, вызывает больше доверия, чем модель «чёрного ящика», которая только выдаёт результат.

Что означает это предложение?

С более долгосрочной точки зрения, Chainalysis выпустила не просто обычное обновление программного обеспечения, а скорее продвигает отрасль блокчейн-анализа от «движимой опытом» к «движимой стандартами».

Если эта онтология в конечном итоге получит широкое признание в отрасли, разные аналитические организации, биржи, регуляторные органы и даже судебные органы получат возможность делиться результатами анализа в рамках единой модели данных, снижая затраты на коммуникацию, повышая согласованность доказательств, а также обеспечивая более надёжную основу для трансграничного правоприменения, расследований по борьбе с отмыванием денег и регулирования цифровых активов.

Конечно, установление стандартов — это не дело одного дня. Как сбалансировать коммерческую тайну и прозрачность, как стимулировать разные организации к принятию единых норм, как постоянно совершенствовать модель доказательств — всё это ещё требует совместных усилий отрасли.

Но можно с уверенностью сказать, что по мере постепенной интеграции цифровых активов в глобальную финансовую систему, фокус конкуренции в блокчейн-анализе меняется: в будущем подлинную ценность отрасли будут определять не только точность алгоритмов, но и объяснимость аналитического процесса, качество данных и достоверность доказательств. И это именно то новое направление, которое Chainalysis надеется открыть с помощью Blockchain Tracing Ontology.

Связанные с этим вопросы

QЧто такое Blockchain Tracing Ontology, предложенный Chainalysis, и какова его основная цель?

ABlockchain Tracing Ontology — это структура данных, предложенная Chainalysis, которая представляет собой набор унифицированных правил и моделей для описания анализа блокчейна. Его основная цель — создать стандартизированную, прозрачную и воспроизводимую основу для анализа данных в блокчейне, чтобы различные учреждения могли единообразно интерпретировать и представлять результаты расследований.

QКаковы основные ограничения традиционной технологии «кластеризации адресов», и какую новую концепцию предлагает Chainalysis для их решения?

AОсновное ограничение традиционной «кластеризации адресов» заключается в том, что она часто слишком упрощенно объединяет множество адресов в один «кластер», не учитывая сложную внутреннюю структуру кошельков крупных организаций, таких как биржи. Chainalysis предлагает новую концепцию — «сегмент кошелька» (Wallet Segment), которая вводит иерархическую структуру: Сущность → Кошелек → Сегменты кошелька → Адреса. Это позволяет более точно отражать различные функции адресов (например, пополнение, вывод, холодное/горячее хранение).

QКак дело Bitcoin Fog повлияло на разработку Blockchain Tracing Ontology?

AДело Bitcoin Fog, в ходе которого анализ Chainalysis был представлен в суде в качестве доказательства, показало важность научной обоснованности и возможности независимой проверки методов анализа блокчейна. Суд проводил слушания Daubert, чтобы оценить надежность методов Chainalysis. Этот прецедент выявил потенциальные проблемы при использовании различных стандартов разными аналитическими компаниями и подчеркнул необходимость создания унифицированной, прозрачной и проверяемой системы представления доказательств, что и стало одной из ключевых причин разработки Blockchain Tracing Ontology.

QКакие ключевые вопросы, согласно предложению Chainalysis, должны сопровождать любой результат анализа блокчейна для обеспечения его прозрачности?

AСогласно предложению, любой результат анализа должен сопровождаться ответами на следующие вопросы, чтобы обеспечить прозрачность и возможность проверки: 1) Какие конкретные доказательства из блокчейна лежат в основе этого вывода? 2) Какие аналитические правила или алгоритмы были применены? 3) Использовалась ли информация из внешних источников (вне блокчейна)? 4) Какова степень уверенности (достоверности) в этом выводе? 5) Может ли третья сторона самостоятельно проверить и воспроизвести этот процесс анализа?

QПочему Chainalysis подчеркивает, что анализ блокчейна сам по себе не может установить реальную личность, и что это означает для судебных расследований?

AChainalysis подчеркивает этот момент, потому что данные блокчейна раскрывают только взаимосвязи между адресами и пути движения средств. Они не содержат информации о реальной личности владельца адреса. Для установления личности необходимы данные из внешних источников, такие как информация KYC от бирж, серверные логи, полученные правоохранительными органами, или другие судебные доказательства. Это означает, что анализ блокчейна предоставляет высококачественные данные и выводы о перемещениях средств, но для формирования полной и юридически значимой цепочки доказательств в суде его необходимо комбинировать с традиционным расследованием и данными из внешнего мира.

Похожее

Ханчжоуский парень 95-го года рождения купил за 500 миллионов замок в Кремниевой долине

Китаец У Юхуай (Тони У), 31-летний сооснователь xAI из Ханчжоу, приобрел самое дорогое на данный момент поместье в районе залива Сан-Франциско за 70 миллионов долларов (около 5 миллиардов рублей). Имение расположено в престижном районе Хилсборо и включает в себя особняк, гостевой дом, теннисный корт, поле для гольфа и даже амфитеатр. У Юхуай, эксперт по системам искусственного интеллекта, способным к рассуждениям, был ключевой фигурой в команде, разработавшей модель Grok 3 для xAI. После слияния xAI со SpaceX и последующего масштабного IPO, он покинул компанию. Покупка поместья, осуществленная через специально созданную компанию, указывает на значительное финансовое состояние, которое он, вероятно, приобрел благодаря своей доле в xAI. Эта сделка является ярким примером того, как успешные специалисты в области ИИ становятся движущей силой нового витка роста цен на недвижимость в Силиконовой долине, создавая состояния благодаря выходам компаний на биржу.

marsbit14 мин. назад

Ханчжоуский парень 95-го года рождения купил за 500 миллионов замок в Кремниевой долине

marsbit14 мин. назад

ИИ тоже может «испытывать эмоции»! Новое исследование USTC: растерянность и тревога помогают ИИ работать эффективнее

Новое исследование ученых из Китайского университета науки и технологий и Оксфорда показывает, что использование «эмоциональных векторов» в качестве основы для выбора действий ИИ может значительно повысить его производительность при выполнении задач. Внутри крупных языковых моделей обнаружены вычислительные паттерны, соответствующие человеческим эмоциям, таким как любопытство, замешательство, напряжение и раздражение. Эксперимент, в котором агент ИИ совершал покупки онлайн, выявил четыре устойчивые связки: любопытство и желание вели к поиску товаров, замешательство и напряжение — к переформулировке запроса, одобрение и оптимизм — к подтверждению покупки, а разочарование и раздражение — к сравнению цен. Исследование опровергает традиционный подход, согласно которому «негативные» эмоции ИИ нужно подавлять. Напротив, такие состояния, как замешательство или напряженность, служат полезными метакогнитивными сигналами, указывающими на несоответствие между текущей стратегией и средой. Они позволяют агенту заранее скорректировать действия до возникновения явной ошибки. Например, в задаче «разогреть предмет» эмоция «напряжение», возникающая при виде выключенной микроволновки, заставляла агента сначала проверить и включить ее, что резко повышало успешность выполнения задачи с 9.6% до 56.9%. Другое исследование (LEWM) демонстрирует интеграцию эмоций в мировые модели ИИ для предсказания будущих состояний среды в человеко-ориентированных сценариях, где эмоции являются ключевой причинной переменной. Удаление эмоциональных данных ухудшало не только эмоциональное понимание, но и логические рассуждения модели. Таким образом, внутренние эмоциональные состояния ИИ превращаются из объекта наблюдения в функциональный сигнал, который можно извлекать и использовать для повышения надежности и адаптивности систем искусственного интеллекта.

marsbit24 мин. назад

ИИ тоже может «испытывать эмоции»! Новое исследование USTC: растерянность и тревога помогают ИИ работать эффективнее

marsbit24 мин. назад

Анализ реальных сценариев использования стейблкоинов и региональных возможностей

Стабильные монеты в основном используются для внутренних расчетов. Согласно анализу данных Allium, внутренние переводы составляют 62,6% от общего идентифицированного объема транзакций в $152 млрд, что указывает на активное использование для платежей, торговли и сбережений в долларах внутри стран. Ключевыми рынками являются Турция, Южная Корея, Мексика, Индонезия и США. В трансграничных операциях 73% средств остаются в пределах региона отправителя. Азиатско-Тихоокеанский регион (АТР) лидирует по объему транзакций (41%) и внутренних переводов ($39,6 млрд, 41,6% глобальных). Он также демонстрирует чистый приток средств, особенно в Индонезию, Сингапур и Южную Корею. Крупнейшие трансграничные коридоры включают Турцию-Индонезию и США-Мексику. В АТР значительны потоки между Тайванем и Индонезией, а также Индонезией и Южной Кореей, формируя основу для развития региональной платежной инфраструктуры. Основные рыночные возможности для институтов лежат в сфере внутренних расчетных сервисов и трансграничных платежных каналов в Азиатско-Тихоокеанском регионе.

marsbit54 мин. назад

Анализ реальных сценариев использования стейблкоинов и региональных возможностей

marsbit54 мин. назад

Ремонтная бригада создала абстрактный шедевр «Пришел бык», а мем-токен с таким же названием вырос в 3000 раз за 3 дня

Статья рассказывает о неожиданном вирусном успехе анимационного фильма «牛来» («Приходи, бык»), созданного небольшой компанией из Даляня, ранее занимавшейся ремонтом. Фильм, вышедший 5 августа, с примитивной графикой и абстрактным сюжетом изначально собрал провальные 7000 юаней за 9 дней. Однако именно его «кустарность» и абсурдность привлекли внимание интернет-сообщества, превратив «牛来» в мем. Фильм стал предметом массовых обсуждений и пародий как в Китае, так и за рубежом, а его посещение превратилось в тренд. На волне хайпа 14 августа была запущена мем-монета с тем же названием. За три дня её рыночная капитализация взлетела почти до 30 миллионов долларов, показав рост в 3000 раз для ранних инвесторов. История «牛来» рассматривается как пример силы мемов в современной культуре, символизирующий как протест против гладкой киноиндустрии, так и народные надежды на «бычий» рынок в финансах.

marsbit1 ч. назад

Ремонтная бригада создала абстрактный шедевр «Пришел бык», а мем-токен с таким же названием вырос в 3000 раз за 3 дня

marsbit1 ч. назад

Торговля

Спот
活动图片