两篇新的研究论文均于2026年10月12日提交,旨在解决加密货币资金流追踪的复杂挑战。第一篇论文介绍了CryptoFlowBench,这是一个旨在评估用于非法资金追踪的多跳推理的基准,并提出了ChainSleuth,一个使用图工具进行自适应追踪的代理。第二篇论文提出了一个面向交易的图模型,用于追踪多代币加密货币网络内的资金流,并展示了其在Aave借贷偿还流中的应用,同时强调了频繁的代币转换序列。 AI
影响 这些论文通过改进追踪非法加密货币交易的方法,提升了AI在金融取证和安全方面的能力。
排序理由 两篇发表在arXiv上的学术论文,提出了新的加密货币资金追踪基准和方法。
在 arXiv cs.IR (Information Retrieval) 阅读 →
- Aave
- alphaXiv
- arXiv
- CatalyzeX
- Connected Papers
- DagsHub
- Gotit.pub
- Hugging Face
- Litmaps
- ScienceCast
- Scite
- ChainSleuth
- cryptocurrency
- CryptoFlowBench
- graph neural networks
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →