Workflow
图神经网络(GNN)
icon
搜索文档
“杀猪盘”头目价值150亿美元的比特币被没收,美国是如何精准锁定的?
搜狐财经· 2025-10-21 17:54
公司概况与指控 - 太子集团创始人陈志被美国司法部起诉,指控其策划涉及强迫劳动的跨国加密货币骗局[1] - 美国司法部指控太子集团为亚洲最大的跨国犯罪组织之一,其业务遍及30多个国家[3] - 陈志面临电信欺诈和洗钱等多项密谋罪名,若罪名成立最高可判处40年监禁[3][19] 诈骗运营模式 - 陈志及其团伙在柬埔寨建造和运营至少十个专门用于诈骗的园区,园区内囚禁被虚假工作承诺诱骗而来的劳工[3] - 诈骗团伙使用“手机农场”,在两个窝点囤积1250部手机,控制7.6万个社交媒体账号用于实施诈骗[7][11] - 诈骗手法为通过社交媒体培养感情后诱导受害者将加密货币转入指定账户,随后将账户资金掏空[9] - 陈志在纽约布鲁克林安插洗钱小组转移诈骗资金,涉案金额达数百万美元,全美至少有250人受害[9] 非法资金规模与处置 - 美国政府查获约127,271枚比特币,价值高达150亿美元(约合人民币1069亿元),称为该部门历史上最大规模没收行动[1][20] - 查获的比特币存储在25个加密货币地址中,部分地址持有量巨大,例如一个地址持有20,452.85228 BTC,另一个持有15,033.29416267 BTC[22] - 美国财政部对与太子集团相关的146名个人和实体实施制裁,冻结其在美国资产并禁止交易[17] - 英国政府冻结陈志网络在伦敦的19处房产,总价值超过1亿英镑,其中一处豪宅市值达1200万英镑(约合人民币1.1亿元)[17] 技术侦查手段 - 美国联邦调查局采用链上分析智能化升级技术,包括基于图神经网络构建交易图谱,将异常交易模式识别效率提高300%[23] - 侦查技术包括对Tornado Cash等混币工具的智能合约逻辑进行逆向利用,成功追溯至资金原始注入点[23] - 使用专业区块链分析平台如Chainalysis Reactor,通过识别交易签名共性将同一私钥控制的多个地址关联成“资金簇”[24] - 通过混币器溯源技术,基于资金污染理论从Sinbad混币器中追回7000余枚比特币[24] - 实施多模态数据融合分析,整合暗网情报、交易所KYC数据等,构建从受害者到犯罪集团的完整证据链[24] - FBI在2023年向全球虚拟资产服务商发出1742份合规传票,并与30余个国家地区的金融情报机构实现数据共享[24] 资产控制技术分析 - 控制非托管钱包资产的核心在于掌握私钥,可能通过控制相关责任人获取凭证直接提取私钥[27] - 可能通过暴力破解“弱随机数钱包”方式恢复钱包私钥,因这些钱包使用伪随机数生成器且种子仅设置为32 bit整数,私钥空间量级仅2^32,可被暴力搜索破解[28] - 获取私钥的可能路径包括污点证人配合提供助记词或私钥备份、利用软件漏洞远程提取私钥、通过司法强制力要求配合解锁[28]
芯片设计效率提升2.5倍,中科大华为诺亚联合,用GNN+蒙特卡洛树搜索优化电路设计 | ICLR2025
量子位· 2025-04-09 16:58
芯片设计逻辑优化技术突破 核心观点 - 中科大与华为联合研发的CMO框架通过神经符号函数挖掘技术,将传统逻辑优化算子效率最高提升2.5倍[2][4] - 该技术采用图神经网络与蒙特卡洛树搜索结合的创新方法,实现电路逻辑的智能"剪枝",已集成至华为EMU逻辑综合工具[4][6] - 在工业测试中,CMO使超大规模电路Sixteen的运行时间从78,784秒缩减至32,001秒,效率提升59.4%[34] 技术背景 - 逻辑优化是EDA核心环节,通过减少电路规模与深度提升芯片PPA性能,但传统启发式算法存在30%无效转换[5][8] - 现有打分函数方案中:人工设计泛化性差,GNN方案依赖GPU且缺乏可解释性[5][11] - 行业痛点集中在推理效率(CPU环境GNN推理耗时占比达30%)与模型可靠性[11] 方法论创新 - 提出CMO框架: - 结构-语义特征分解策略,将高维特征分离为连续/离散两类分别处理,降低搜索复杂度[19] - 教师-学生范式:GNN教师模型指导符号函数学生模型,融合泛化性与轻量化[30][31] - 开发GESD方案: - 蒙特卡洛树搜索结合数学/布尔运算符,支持{+−×÷log exp sin cos}与{与或非}运算[27] - 创新奖励函数设计,通过ηT/(1-L)公式平衡标签准确性与教师知识迁移[32] 性能验证 - 效率指标: - Hyp电路深度从8,259层优化至5,762层,延迟降低30.23%[34] - 关键算子Mfs2实现2.5倍加速,10分钟任务缩短至4分钟[4][6] - 质量指标: - 2CMO-Mfs2模式通过多次迭代,进一步改善电路规模与深度[34] - 在EPFL/IWLS/工业数据集上全面超越GPU方案与人工设计[6][34] 应用落地 - 技术已部署于华为自研EDA工具链,支持国产化替代[4][6] - 论文入选ICLR 2025,作者团队来自中科大MIRALab与华为诺亚方舟实验室[2][37]