Human-Centered LLM-Agent System for Detecting Anomalous Digital Asset Transactions

本文提出了 HCLA 系统，这是一种面向人类的多智能体框架，旨在通过自然语言交互、结构化证据评分及可追溯的专家式推理重构，提升数字资产异常交易检测中的可解释性、问责制与决策透明度，以满足金融取证中的监管与合规需求。

要点

这篇论文介绍了一个名为 HCLA 的新系统，它的核心目标很简单：让不懂技术的普通人，也能像侦探一样轻松查清比特币等数字资产交易中的“猫腻”（异常交易）。

为了让你更容易理解，我们可以把整个系统想象成一家**“智能金融侦探事务所”**。

1. 核心问题：为什么我们需要它？

现在的区块链（比如比特币）世界就像一个巨大的、混乱的地下迷宫。

• 现状：传统的查案工具（现有的检测系统）就像是一台只有专家才能操作的精密仪器。它虽然能算出“这里有问题”，但只会吐出一堆冷冰冰的数字和代码（比如"0.84 分异常”）。
• 痛点：普通人（甚至很多审计员）看不懂这些数字，不知道问题出在哪，更不知道该怎么问。这就像医生只告诉你“你身体有 84% 的概率生病了”，却不告诉你哪里疼、为什么疼。

2. HCLA 是什么？（三个角色的侦探团队）

HCLA 把查案过程变成了一个**“三人侦探小组”**的对话流程。你只需要像跟朋友聊天一样说话，这个小组就会自动帮你干活。

• 角色一：翻译官（Parsing Agent）

  • 比喻：就像你走进事务所，先跟前台翻译官说话。
  • 功能：你说：“帮我查查我上周钱包里有没有奇怪的转账。”翻译官立刻把你的大白话翻译成侦探们能听懂的“专业指令”（比如提取出时间、金额、地址等具体数据），并整理成一份标准的“案件档案”。
  • 好处：你不需要懂代码，也不需要知道什么是"JSON 格式”，只要会说话就行。

• 角色二：老练的鉴宝师（Detection Agent）

  • 比喻：这是事务所里的技术专家（论文里用的是 XGBoost 模型）。
  • 功能：他拿着翻译官整理好的“案件档案”，用他丰富的经验（算法）快速扫描每一笔交易。他会告诉你：“这笔交易有 84% 的概率是可疑的。”
  • 特点：他非常精准，但他只负责打分，不负责解释为什么。

• 角色三：解说员（Explanation Agent）

  • 比喻：这是事务所里的金牌解说员（LLM 大模型）。
  • 功能：当鉴宝师给出“可疑”的分数后，解说员会立刻把这个分数“翻译”成人类听得懂的故事。
  • 例子：他不会只说"0.84 分”，而是会说：“这笔交易很可疑，因为你在深夜（非正常时间），把一大笔钱转给了一个从未见过的陌生地址，而且这种操作重复了好几次。”
  • 互动：你还可以继续问：“为什么深夜转账有问题？”解说员会结合上下文继续给你解释，直到你完全明白。

3. 这个系统是怎么工作的？（互动循环）

想象你在和这个侦探团队聊天：

1. 你问：“帮我看看我上周的钱包，有没有可疑的？”
2. 翻译官：默默记下时间范围，整理数据。
3. 鉴宝师：快速计算，发现几笔交易不对劲。
4. 解说员：告诉你：“发现 3 笔可疑交易。比如这一笔，是因为它转给了一个刚注册不久且没有信誉的钱包。”
5. 你追问：“那如果是转给交易所的呢？”
6. 翻译官：立刻更新指令，重新筛选。
7. 鉴宝师 & 解说员：重新分析并给出新的解释。

这就是“人机协作”： 你负责提问和判断，机器负责算数和整理，双方配合得天衣无缝。

4. 实验结果：真的好用吗？

研究人员找了一群**“微型专家”**（32 位懂 AI 和区块链的硕士/博士）来做测试。

• 对比：一组人看传统的“数字仪表盘”（只有分数），另一组人看 HCLA 的“侦探故事”（自然语言解释）。
• 结果：看“侦探故事”的人，信任度和理解度都显著更高。大家觉得系统更透明，更值得相信，而且更容易搞清楚到底发生了什么。

5. 还有什么不足？（未来的挑战）

虽然这个系统很聪明，但目前也有点小缺点：

• 反应速度：因为要经过三个角色的“思考”和对话，比直接看数字要慢一点点（大概几秒钟），在需要毫秒级反应的超高频交易中可能还不够快。
• 专业术语：有时候大模型可能会把“钱包”和“地址”搞混，需要更专业的训练来让它更像真正的金融专家。

总结

这篇论文提出的 HCLA 系统，就像给复杂的金融侦探工作装上了**“翻译耳机”和“解说员”。它不再让普通人对着黑盒子发呆，而是让每个人都能通过自然的对话**，参与到金融安全的守护中来。

一句话概括：以前查账需要你是数学天才，现在有了 HCLA，只要你会说话，你就是自己的金融侦探。

技术摘要

论文技术总结：以人为本的 LLM 代理系统用于检测数字资产异常交易

1. 研究背景与问题 (Problem)

随着去中心化金融（DeFi）生态系统的复杂化，特别是混币器（Mixers）和隐私工具的使用，使得追踪数字资产（如比特币）的资金来源变得极其困难。现有的异常检测系统面临以下主要挑战：

• 黑盒性质：高性能的检测模型通常缺乏可解释性，被视为“黑盒”。
• 高门槛：操作这些系统需要深厚的专业知识和技术背景，普通用户或非技术审计人员难以使用。
• 缺乏交互性：现有系统多为单向报告，用户无法通过自然语言进行追问、验证或细化分析逻辑。

因此，亟需一种能够连接非专家用户与复杂分析流程、提供透明且可审计推理的解决方案。

2. 方法论 (Methodology)

论文提出了 HCLA (Human-Centered LLM-Agent) 框架，这是一个将大语言模型（LLM）代理与传统机器学习模型相结合的多代理系统。该系统通过对话式工作流，将异常检测过程分解为三个核心代理角色：

2.1 系统架构

HCLA 基于 Gradio 构建 Web 界面，采用模块化设计，包含以下三个核心代理：

1. 解析代理 (Parsing Agent)：
   • 技术实现：使用 LLM (ChatGPT)。
   • 功能：将用户的自然语言查询（如“检查我上周钱包里的可疑交易”）转换为结构化的 JSON Schema。
   • 作用：提取实体（钱包地址、时间窗口、金额范围）和约束条件，解决歧义，为检测模型准备输入数据。
2. 检测代理 (Detection Agent)：
   • 技术实现：基于 XGBoost 模型（原型中作为基线，但架构支持替换为 GNN 或时序模型）。
   • 功能：利用解析后的特征（时间、交易频率、方向、图连通性等）计算每笔交易的异常概率 $p(a)$。
   • 作用：执行核心的异常分类任务，保持高性能。
3. 解释代理 (Explanation Agent)：
   • 技术实现：使用 LLM (Gemini)。
   • 功能：将检测代理输出的数值分数和特征映射为人类可读的自然语言叙述。
   • 作用：生成上下文相关的理由（例如：“该交易异常分数高，因为非高峰时段向未验证对手方进行了重复的大额转账”），并支持多轮追问。

2.2 交互循环 (Interaction Loop)

系统采用“人环”（Human-in-the-loop）设计：

1. 用户查询：输入自然语言。
2. 解析：转换为结构化 JSON。
3. 检测：模型计算异常概率。
4. 解释：生成叙事性解释。
5. 细化/反馈：用户可基于解释进行追问（如“为什么是高风险？”或“只看交易所相关的集群”），系统保留上下文并重新触发流程。

2.3 数据集

• 来源：Wasabi Wallet (2020–2024) 的比特币混币数据集。
• 规模：包含 318,388 笔正常交易和 69,031 笔异常交易。
• 划分：2020-2022 年用于训练，2023-2024 年用于测试，以模拟真实部署场景。

3. 关键贡献 (Key Contributions)

1. 模块化对话工作流：首次将自然语言意图与结构化异常分析紧密结合，通过“解析 - 检测 - 解释”的分离设计，实现了单一模块的改进不会破坏整体系统的稳定性。
2. 可解释性与透明度：不仅提供异常分数，还通过 LLM 生成基于具体特征（频率、对手方、时间）的叙事理由，使非专家用户能够理解“为什么”被标记为异常。
3. 降低使用门槛：用户无需编写代码或配置过滤器，仅需自然语言即可驱动复杂的金融取证分析。
4. 实证验证：通过模拟用户研究，证明了该框架在提升理解度、信任度和清晰度方面优于传统的数值仪表盘。

4. 实验结果 (Results)

4.1 检测性能指标

基线检测器（XGBoost）在测试集上表现优异：

• 准确率 (Accuracy): 0.9159
• 精确率 (Precision): 0.9317
• 召回率 (Recall): 0.9159
• F1 分数: 0.9209
• 延迟: 每次查询平均响应时间 < 2 秒（在交互式循环中）。

4.2 用户研究 (模拟微专家小组)

研究招募了 32 名具备 AI 和数字资产背景的微专家（Micro-Expert Panel），对比了 XGBoost 数值仪表盘 与 HCLA 叙事解释 的效果。

• 评估维度：理解准确性、信任度、清晰度。
• 统计结果：配对 t 检验显示，HCLA 在信任度和清晰度上的评分显著高于基线模型（$p < .001$）。
• 结论：叙事性解释显著提升了用户对系统推理的信心和理解能力，证明了“以人为本”设计的有效性。

5. 意义与局限性 (Significance & Limitations)

意义

• 金融透明度：为监管、合规和审计场景提供了一种可追溯、可解释的 AI 辅助工具，填补了算法智能与人类认知之间的鸿沟。
• 人机协作新范式：展示了 LLM 不仅是助手，更是分析工作流的“编排者”，使复杂的高维金融数据变得可访问。
• 可审计性：每个步骤（解析、检测、解释）都是可见且可查询的，增强了系统的问责制。

局限性与未来方向

• 计算成本与延迟：LLM 的调用引入了额外的延迟（约 2-3 秒），可能限制其在高频实时流式监控中的应用。
• 领域适应性：通用 LLM 偶尔会出现术语混淆（如混淆“集群”与“钱包”），未来计划针对区块链和金融语料进行微调。
• 可扩展性：当前原型适用于批量处理，扩展到连续区块链流需要异步编排和缓存机制。
• 样本限制：用户研究基于学术界的微专家小组，未来需要进行更大规模、IRB 批准的真实用户验证。

总结：HCLA 框架成功地将先进的异常检测能力与以人为本的交互设计相结合，通过多代理协作实现了数字资产取证中的可解释性、透明度和易用性，为构建可信的金融 AI 系统提供了重要的技术路径。