一个地址只是一串公钥哈希,它不写名字。但区块浏览器上的「实体标签」常常指向几十万个地址:某交易所、某矿池、某基金。把它们并到一起的不是实名认证,而是几条能被复算、也经常被误用的启发式规则。
一、UTXO 模型为什么天然适合「合并」
比特币的一笔交易由输入和输出组成。要花一笔钱,钱包会把若干个未花费输出(UTXO)放进同一笔交易,并为每个输入提供签名。能同时签名,只可能是掌握这些私钥的同一方。这就是「共同输入所有权」启发式(common-input-ownership heuristic),Meiklejohn 等人在 2013 年 IMC 论文《A Fistful of Bitcoins》里把它作为聚类基础。
公式很朴素:一笔交易有 n 个输入地址,就把这 n 个地址并入同一簇;再对「同簇」关系取传递闭包——两个簇一旦出现交集就合并,最终每个等价类就是一个簇。
二、10 笔交易能并出多大的簇
簇的增长是线性的,不是指数的——很多人第一次看聚类结果会高估。设起点是一个地址,之后每笔交易把 2 个新地址与簇内 1 个地址共同花费:
| 交易序号 | 本笔输入 | 合并后簇大小 |
|---|---|---|
| 1 | A1 + 新地址 B1 | 2 |
| 2 | A1 + 新地址 B2 | 3 |
| 5 | A1 + 新地址 B5 | 6 |
| 10 | A1 + 新地址 B10 | 11 |
公式:簇大小 = 1 + 每笔被并入的新增地址数。风险不在单笔交易,而在规则边界——一条错规则会把成千上万个不该并的地址并进来。
三、找零地址:最容易被判错的一环
大部分交易有一个收款输出和一个找零输出。找零属于付款方,理论上应并入同一簇;但现代钱包为每笔交易生成一次性找零地址,于是只能「猜」。常见判据是:输出脚本类型与输入一致(P2WPKH 进、P2WPKH 出)、金额不是整数、位置在老钱包里通常放最后。三条都不硬,钱包改版就会失效。
以太坊这类账户模型链上没有共同输入,改用三条替代规则:谁付的 gas、首次资金来源(first funding source)、批量分发模式(一笔交易向几百个地址转账)。
四、四条规则的触发条件与误伤
| 启发式 | 触发条件 | 合并方向 | 典型误伤 |
|---|---|---|---|
| 共同输入 | UTXO 交易多输入同签 | 输入地址全部互并 | 交易所批量提现被打成一个「人」 |
| 找零判定 | 输出脚本与输入同型且长期未花费 | 输出并入付款方簇 | 钱包换版后旧规则把收款方并进来 |
| 首次资金来源 | 新地址的第一笔入金来自某地址 | 并入入金方所在簇 | 用户从交易所提现被并进交易所簇 |
| gas 支付方 | 多个地址的交易由同一地址付 gas | 并入付款方 | 空投批量分发、代付服务、托管钱包 |
五、算例:一个交易所簇是怎么膨胀到 15 万的
假设某交易所热钱包每天处理 5,000 笔提现,每笔生成一个新地址。按「首次资金来源」规则,这 5,000 个地址当天全部并入交易所簇,30 天累计约 150,000 个。此时「该簇有 15 万地址」只能说明约 15 万次提现,推不出「15 万用户」。
反向的误判同样常见:用户从交易所提到自己的 A 地址,再从 A 分发到 B、C、D。若只看首源,四个地址都会被并进交易所簇。分析公司一般用「一次性地址 + 提现批次时间窗」把这层切开,但切不干净——这就是同一份数据在不同机构手里给出不同数字的原因。
引用这类标签前至少问三件事:聚类版本写了吗(规则和参数不同,结果能差一个数量级)、有没有区分「控制权」与「资金流经」、是否用第二个数据源交叉验证过。
六、FAQ
不能。聚类只回答「这些地址是否可能由同一方控制」,而且是概率判断。实名要靠交易所 KYC 记录、司法调证或当事人自述,链上数据本身到不了「人」这一层。
问:混币之后还能聚类吗?
共同输入启发式在 CoinJoin 类交易里会失效,因为多方可共同签名。之后只能靠金额指纹与时间相关性推断,置信度明显下降。
问:为什么不同机构给出的地址数差很多?
找零规则、是否计入托管与交易所地址、窗口长度三项不同,簇的边界就不同,引用时必须说明聚类版本。
相关阅读
来源与访问日期
2. Bitcoin Wiki:交易与 UTXO 结构说明(输入签名、找零输出)。访问日期 2026-10-29。
3. 本站旧文《活跃地址 100 万不代表 100 万人》,用于交叉核对链上指标口径。访问日期 2026-10-29。