一周热榜

在架构之前，有一个具体的输出用于验证。 来自 Bybit/Lazarus 攻击的主要钱包得分 10/100，风险等级高，态势升级，OFAC 拉撒路集团的归属直接显示在简报中。完整判决在此：[https://credscore.us/v/o6wr--NrABo](https://credscore.us/v/o6wr--NrABo) 该引擎是确定性的，评分路径中不使用机器学习。每个信号都有明确的数值权重。结构化模式检测：扇出分布、源-回流、循环资金、重复金额-区间再循环。对于已确认的 OFAC SDN 匹配，硬性制裁上限为 12 分，在管道的三个独立点强制执行。相同的钱包始终产生相同的分数。每个输出都可以追溯到特定的链上活动，并附有书面理由。 支持五个 EVM 链：以太坊、Base、Arbitrum、Optimism、Polygon。评分范围 0-100（分数越高风险越低），决策态势（继续/审查/升级），结构化分析师简报。从地址到判决的分析时间不到 15 秒。 它不做什么：不支持非 EVM 链（比特币、Solana、Tron），不支持大规模实时流监控，不支持通过桥接进行深度跨链追踪。这些是 Chainalysis Reactor 和 TRM Forensics 更擅长的工作。CredScore 是快速的初步评估，而不是深入调查。 如果您想独立验证引擎输出，有两个关于真实攻击者钱包的公开案例研究： Bybit/Lazarus 钱包树：[https://credscore.us/case-studies/bybit-hack-lazarus-wallet-analysis](https://credscore.us/case-studies/bybit-hack-lazarus-wallet-analysis) Drift/DPRK 钱包，仅根据行为标记：[https://credscore.us/case-studies/drift-hack-dprk-wallet-analysis](https://credscore.us/case-studies/drift-hack-dprk-wallet-analysis) 在 [https://credscore.us/desk](https://credscore.us/desk) 免费进行首次分析，无需信用卡。 我目前正在处理的最具挑战性的评分问题是区分合法的、高对手方熵与 drainer 状受害者扇入（在信号层面）。该引擎目前将高对手方熵视为一个轻微的积极信号（更广泛的可观察行为通常是好的）。但对于 drainer 钱包，数百个不同的入站对手方以及小额交易是受害者，而不是合法的对手方多样性。我正在探索对手方价值分布和入站/出站比例作为区分因素，但信号形状与合法的批量支付确实存在重叠。好奇在无法回退到机器学习聚类的情况下，其他人在确定性风险评分系统中是如何处理这种区分的。

我花了一段时间来尝试设计一款能够产生程序生成游戏般的涌现效果，但又只需要纸和笔就能玩的游戏。在这里，我将呈现我能想到的最简洁且具有涌现性的版本。我非常享受能够玩这类游戏，同时又不会感觉大脑在退化。我猜我的计算能力在玩这个游戏的过程中得到了提升。