Chain Surveillance

安娜用比特币付了书款。她使用钱包，也就是用于收付款的应用或设备。交易确认后，她在区块链浏览器中打开这笔交易，查看已确认比特币交易的公开历史记录。她能看到钱包花费了哪些先前的输出，又创建了哪些新金额。尚未花费的输出称为 UTXO：它是一笔附有后续花费条件的金额。交易的输入指向这笔交易所花费的先前输出。一部分钱给了商家，扣除手续费后，剩余部分以 change，也就是找零的形式回到安娜手中。公开记录通常不会标明这些角色，也没有必须填写的姓名或 IP 地址栏。它还不会指定每个输入中的 satoshi，也就是比特币的最小单位，究竟进入了哪个输出。因此，分析工具中的彩色箭头可能包含工具自行采用的价值分配规则，而不是网络额外确认的信息。 [1] [7] [8]

钱包可以把之前收到的多笔款项放在一起花费，以完成一次购买。分析人员于是可能推测，全部输入都由同一主体控制。这条线索称为 Common Input Ownership Heuristic；启发式规则是一种有用的假设，并不是确定事实。猜测哪个输出属于 change，还可能扩大关联范围。但有明确的反例：CoinJoin 允许多个参与者共同构造一笔交易，Payjoin 则允许收款人在付款人的交易中加入自己的输入。BIP 78 直接描述了这个过程。因此，共同出现在一笔交易中本身并不能证明拥有者相同；参与者也无须为此交换私钥。私钥是一个秘密数字，用于生成授权花费比特币的签名。 [2] [5] [7]

关键联系可能来自区块链之外。商家知道安娜的订单，交易所可能保存提现记录，公开募款活动也可能公布收款地址。分析人员由此获得标签，把地址与某项服务或某个人联系起来。不过，标签的来源和适用时间都很重要。一组被关联的地址，也叫 cluster，并不是一份人员名单。交易所可能保管许多客户的资金，而一个人也可能使用多组互不关联的地址。因此，把地址标为某交易所，并不能说明究竟是哪位客户付款、资金在经济上属于谁，或者购买了什么。 [2]

安娜在网上留下的不只有交易。购物还可能与账户或 cookie 关联；cookie 是浏览器中的小块数据，可以帮助识别访客。Steven Goldfeder 及其合作者在 2017 年的研究中展示了如何把购物信息与公开支付联系起来。金额、时间范围或支付地址都可能成为线索。这不意味着身份突然出现在区块链中，而是两个数据来源被关联了。历史研究不能给出今天普遍适用的成功率。但它提醒我们，保存下来的信息有时可以在日后才建立联系。今天不知道姓名，不代表这种保护会永远存在。 [3]

IP 地址标识网络连接，Bitcoin 地址则帮助指定支付的去向。观察者可能在建立连接或传播交易时记录 IP。这与公开支付历史是不同的信息来源。节点是参与 Bitcoin 网络的计算机。它还会转发别人的交易，所以观察者最先收到消息的那台计算机，不一定就是交易发起者。Tor 可以帮助隐藏与用户直接相连的网络线索，但不会改写已经公开的 UTXO 金额及其联系。要判断一个结论是否可靠，就必须分清哪些信息确实在网络中被观察到，哪些只是根据交易推断出来的。 [6]

假设工具误把商家的地址归给安娜。如果它接着根据其他联系合并整组地址，错误就可能波及许多人。这种把不同群组错误合并的现象称为 cluster collapse。Malte Möser 和 Arvind Narayanan 研究了如何限制这类错误合并，同时也指出其验证数据的局限。所以，分析质量不能只用一个亮眼的百分比来概括。错误关联、遗漏关联、覆盖范围以及研究时段都很重要。没有校准，也就是没有与已知案例进行比较，工具给出的分数就不能被当作“所提姓名确实对应正确人物”的概率。 [4]

对安娜来说，这解释了使用新收款地址的意义：别人不那么容易仅凭同一地址反复出现，就把她的支付联系起来。但日后将这些款项一起花费，仍可能产生新线索。Payjoin 削弱了输入由同一主体控制的假设，却不会抹掉公开交易或商家的订单。运行自己的节点能减少向他人服务器查询自己地址的需要，但已确认的支付仍然公开。每种措施针对的联系不同。与其承诺完全匿名，不如具体问：某个商家、钱包服务商或独立观察者，究竟能知道关于安娜的什么信息？ [1] [5] [6]

好的分析允许读者从结论追溯到依据。它会说明具体交易或输出、标签来源、使用的假设和日期，也容许其他解释。直接支付与经过许多中间交易形成的联系并不相同。能够签名，也不一定意味着资金在经济上属于签名者，例如代客户保管资金时就是如此。因此，风险评分或交易图（展示交易及其联系的图）中的距离本身，既不能证明身份，也不能证明某个人的行为。这些问题构成一套根据来源中所述局限推导出的核查方法。新证据出现时，结论必须能够修改，而不是靠反复重述，把最初的推测变成所谓的确定事实。 [2] [4]