財經頭部 2026-06-23

從零設計一套鏈上 KYT 實時風控引擎：地址風險評分、規則引擎與資金圖譜

核心摘要 / KEY TAKEAWAYS

KYC（Know Your Customer）解決「你的用戶是誰」，KYT（Know Your Transaction）解決「這筆交易、這個地址乾淨嗎」。作為反洗錢（AML）合規的核心引擎，德爾泰風控團隊分享了在數字資產合規和鏈上數據風控體系搭建方面的核心實踐，拆解如何整合多鏈接入、千萬級標簽庫、傳播衰減算法與圖數據庫，在毫秒級內完成放行、加驗或攔截決策。

KYC（Know Your Customer）解決「你的用戶是誰」，KYT（Know Your Transaction）解決「這筆交易、這個地址乾淨嗎」。對交易所、錢包、支付與合規機構而言，KYT 是反洗錢（AML）合規的核心引擎：在用戶充值 / 提現 / 交易的瞬間，判斷對手地址是否涉詐、涉賭、涉制裁、與混幣器關聯，並據此放行、加驗或攔截。德爾泰在為平台客戶搭建鏈上風控能力時，KYT 引擎幾乎是繞不開的基礎設施。這篇就以一線鏈上風控團隊的視角，拆解一套 KYT 引擎該怎麼設計。

一、整體架構

一套生產級 KYT 引擎，大致由五個模塊組成：數據接入層、標簽解析庫、圖譜關係網、評分計算引擎、規則研判系統。

其中，數據接入負責把多鏈原始數據「喂」進來；標簽庫與資金圖譜是「關係」與「知識」；風險評分把關係量化成分數；規則引擎把分數翻譯成動作。以下是整體流程簡圖：

德爾泰實時 KYT 引擎的整體架構設計與模塊劃分

二、數據層：多鏈接入與地址標簽庫

多鏈數據接入：歸檔全節點 + 瀏覽器 API + 第三方數據源，覆蓋 BTC / ETH / Tron 等主流鏈與主要穩定幣，支持歷史狀態回溯。

地址標簽庫：KYT 的「知識」全在標簽庫裡——交易所、混幣器、詐騙、制裁名單（如 OFAC SDN）、暗網市場、OTC 等實體標簽，每個標簽都應帶來源、時間、置信度。

德爾泰維護的是一份持續更新的千萬級實體標簽庫，這是 KYT 評分準確性的根基——標簽庫的質量，直接決定風控的誤報率與漏報率。這也是 KYT 難以靠一套開源代碼速成、必須長期積累的原因。

三、風險評分模型：風險敞口與傳播衰減

核心思想：一個地址的風險，不只看它「自己是不是黑」，更要看它和高風險實體的資金距離。直接和制裁地址交易，風險極高；隔了五跳才間接相關，風險則大幅衰減。

一個可用的評分模型：地址風險分 = Σ（命中標簽權重 × 資金占比 × 距離衰減）。

RISK_WEIGHTS = {
    "sanctioned": 100,  # 制裁名單
    "scam": 90,        # 詐騙
    "darkmarket": 80,  # 暗網市場
    "mixer": 70,       # 混幣器
    "gambling": 40,    # 涉賭
    "exchange": 5,     # 普通交易所（低風險）
}

def address_risk_score(address, max_hops=5, decay=0.5):
    """
    基於資金敞口的地址風險評分（0-100）。
    get_exposures 返回 [(風險類別, 資金占比, 距離hops), ...]，
    由資金圖譜 + 標簽庫 + 污點分析計算得到。
    """
    score = 0.0
    for category, ratio, hops in get_exposures(address, max_hops):
        weight = RISK_WEIGHTS.get(category, 0)
        score += weight * ratio * (decay ** hops)  # 距離越遠，衰減越多
    return min(round(score, 1), 100)

這裡的 get_exposures 正是建立在資金圖譜 + 污點分析之上——這也是為什麼 KYT 引擎離不開一張高質量的資金圖譜。德爾泰的評分引擎在此基礎上支持多模型污點分析（Haircut / FIFO / Poison）與跨鏈續鏈，讓「間接風險」也能被量化。

四、規則引擎：把分數翻譯成動作

評分之上是規則引擎，它把「分數」翻譯成「放行 / 加驗 / 攔截」。規則應當可配置、可審計、可回溯：

RULES = [
    {"if": lambda ctx: ctx["risk"] >= 90, "then": "BLOCK", "reason": "高風險：疑似制裁 / 詐騙關聯"},
    {"if": lambda ctx: ctx["risk"] >= 60, "then": "REVIEW", "reason": "中風險：轉人工覆核"},
    {"if": lambda ctx: ctx["mixer_hops"] is not None and ctx["mixer_hops"] <= 2,
     "then": "REVIEW", "reason": "兩跳內關聯混幣器"},
    {"if": lambda ctx: ctx["amount"] >= 100000, "then": "REVIEW", "reason": "大額交易"},
]

def evaluate(ctx):
    for rule in RULES:
        if rule["if"](ctx):
            return rule["then"], rule["reason"]
    return "PASS", "低風險放行"

德爾泰在實戰中會按客戶的牌照地區、业務類型與風險偏好定製規則集，並保留每一次命中的快照，以備監管審查——合規風控的價值，一半在判斷，一半在「可解釋、可追溯」。

五、資金圖譜：用圖數據庫做多跳關聯

風險評分要「看多跳」，背後就需要一張資金圖譜。用圖數據庫（如 Neo4j）存「地址—交易」關係，支持多跳查詢與污點傳播：

// 查詢某地址 3 跳內是否關聯到任意「制裁」標簽地址
MATCH path = (a:Address {addr: $addr})-[:SENT*1..3]->(b:Address)
WHERE b.label = 'sanctioned'
RETURN path LIMIT 10

德爾泰的資金圖譜在此之上疊加了多模型污點分析，不僅判斷「是否關聯」，還能量化「關聯了多少」——這正是出具合規報告與司法證據時的關鍵區別。

六、實時性與工程挑戰

KYT 要在用戶點「提現」後的幾百毫秒內給出結論，工程挑戰包括：

預計算 + 緩存：熱點地址的風險分預先算好、定期刷新，避免實時全圖遍歷。
流式處理：用消息隊列 + 流計算（如 Kafka / Flink）實時消費新區塊，增量更新圖譜與標簽。
分級響應：低風險走緩存秒級放行，高風險 / 命中規則才觸發深度圖遍歷與人工覆核。
多源容災與限頻：不依賴單一數據源，避免接口限頻拖垮整條風控鏈路。

七、德爾泰的 KYT 實踐

把上面這套東西做到生產級、並經得起監管審查，是德爾泰的核心能力之一：

千萬級、帶置信度的實體標簽庫，持續更新；
多鏈覆蓋 + 多模型污點分析的資金圖譜；
可配置、可審計、可回溯的規則引擎；
由持證法律專家把技術結論對接合規與司法流程。

對平台客戶，這意味着一套「開箱即用」的鏈上 AML 風控；對個人用戶，這意味着遇到地址被風控 / 凍結時，德爾泰能快速定位風險來源，並給出合規處置路徑。

八、小結

KYT 引擎的本質 = 高質量標簽庫 + 資金圖譜 + 風險評分 + 規則引擎 + 實時工程。它不是某個炫技算法，而是一套需要長期積累數據與工程能力的體系。德爾泰在這一領域的沉淀，正體現在標簽庫的廣度、污點分析的精度，以及與合規、司法的打通上。

風險與合規提示：本文為技術架構科普，示例代碼與權重僅作說明，不構成具體合規方案；落地需結合所在司法轄區的監管要求。涉及賬戶風控 / 凍結，請通過合法合規途徑處理。