89,4% chính xác: Khi con số duy nhất của một mô hình AI Trung Quốc vô tình phơi bày nỗi ám ảnh về 'độ chính xác' của ngành điều tra blockchain

Ngày 15 tháng 9 năm 2025, một bản tin ngắn từ Crypto Briefing đi qua màn hình của tôi. Nội dung vỏn vẹn vài dòng: các nhà nghiên cứu thuộc lực lượng công an Trung Quốc đã xây dựng một mô hình AI nhận diện giao dịch tiền mã hóa bất hợp pháp với độ chính xác 89,4%. Tôi đọc đi đọc lại. Một con số duy nhất. Không kiến trúc mô hình, không nguồn dữ liệu, không tập kiểm tra, không tỷ lệ dương tính giả. Và ngay lập tức, tôi nhận ra điều gì đó sâu xa hơn một bản tin nghiên cứu: chúng ta đang sống trong một kỷ nguyên mà một con số duy nhất, được rút khỏi mọi bối cảnh kỹ thuật, có thể trở thành vũ khí truyền thông mạnh mẽ đến mức làm nhiễu loạn toàn bộ nhận thức của thị trường về khả năng thực sự của công nghệ điều tra chuỗi khối. Bản tin này đến trong bối cảnh các công ty phân tích blockchain thương mại như Chainalysis, Elliptic và TRM Labs đã xây dựng đế chế hàng tỷ đô la dựa trên nghề thủ công đen tối nhất của ngành: gắn nhãn địa chỉ, vẽ biểu đồ quan hệ, và phát hiện bất thường. Trong hơn một thập kỷ, những công ty này gần như độc quyền về 'trí tuệ tình báo chuỗi' tại phương Tây, phục vụ chính phủ, sàn giao dịch và các tổ chức tài chính tuân thủ FATF. Bỗng nhiên, 'cảnh sát Trung Quốc' xuất hiện trong phương trình, với một con số ấn tượng 89,4%, nhưng không kèm theo bất kỳ bằng chứng kỹ thuật nào có thể xác minh. Với tư cách là một người đã dành 23 năm theo dõi ngành, tôi biết mình cần phải nhìn xuyên qua lớp sơn truyền thông này. Điều đầu tiên tôi làm, trước khi phân tích bất cứ điều gì khác, là đặt câu hỏi về con số này theo cách mà giới tài chính định lượng gọi là 'kiểm tra độ chắc chắn' (sanity check). Ở cấp độ hợp đồng học thuật, 89,4% độ chính xác là một con số thường thấy trong các bài báo về phân loại giao dịch bất hợp pháp. Nó tương đương với điểm F1 khoảng 0,89 trong một tác vụ nhị phân cân bằng. Nhưng trong bối cảnh thực thi pháp luật, con số này gần như vô nghĩa nếu không kèm theo ma trận nhầm lẫn. Vấn đề mấu chốt không phải là 'bao nhiêu phần trăm giao dịch xấu bị phát hiện', mà là 'trong số những giao dịch bị gắn cờ là xấu, bao nhiêu phần trăm thực sự xấu'. Tỷ lệ dương tính giả (false positive) là thứ quyết định liệu một công cụ có thể được sử dụng trong thực tế hay chỉ nằm yên trên giấy. Nếu mô hình của họ có độ chính xác 89,4% nhưng tỷ lệ dương tính giả là 10%, thì trong một chuỗi khối xử lý hàng triệu giao dịch mỗi ngày, mô hình này sẽ tạo ra hàng trăm nghìn báo cáo sai. Và điều mà backtest không thể nắm bắt được là chi phí thực tế của sai lầm đó: một người dùng vô tội bị đóng băng tài khoản, một sàn giao dịch buộc phải xin lỗi vì khóa nhầm tiền của khách hàng, một cuộc điều tra bị tòa án bác bỏ vì bằng chứng không đủ vững chắc. Khi bạn theo dõi dòng tiền trong một cuộc điều tra hình sự thực tế, bạn nhận ra rằng độ chính xác không bao giờ là thước đo duy nhất, thậm chí không phải là thước đo quan trọng nhất. Trong một trong những cuộc kiểm toán cầu nối phi tập trung mà tôi từng thực hiện, tôi nhận thấy rằng công cụ phát hiện bất thường của dự án có độ chính xác ấn tượng trên tập dữ liệu lịch sử, nhưng lại bỏ lỡ hoàn toàn vector tấn công mới được triển khai hai tuần sau đó. Lý do rất đơn giản: mô hình của họ học từ quá khứ, trong khi kẻ tấn công luôn luôn ở tương lai. Với 89,4% của các nhà nghiên cứu Trung Quốc, câu hỏi đặt ra là: dữ liệu đào tạo của họ là gì? Nếu dữ liệu đó chủ yếu là các vụ lừa đảo đầu tư và rửa tiền qua USDT/OTC tại thị trường nội địa — một giả định hợp lý dựa trên tình hình tội phạm mạng tại Trung Quốc — thì mô hình này có thể rất giỏi trong việc phát hiện 'lừa đảo trực tuyến kiểu Trung Quốc', nhưng gần như bất lực trước các địa chỉ ransomware liên quan đến Triều Tiên, hay các máy trộn tiền (mixer) sử dụng kỹ thuật phức tạp như CoinJoin. Độ chính xác 89,4% trên một tập dữ liệu đồng nhất có thể giảm xuống dưới 60% khi áp dụng vào bối cảnh giao dịch toàn cầu đa dạng. Tuy nhiên, điều khiến tôi thực sự khó chịu không phải là con số 89,4% — mà là cách mà toàn bộ ngành công nghiệp blockchain, từ báo chí đến nhà đầu tư, vẫn duy trì một ảo tưởng rằng 'độ chính xác' là thước đo tiêu chuẩn vàng. Đây là một di sản từ thời kỳ đầu của học máy, khi các nhà nghiên cứu cạnh tranh nhau trên các bộ dữ liệu chuẩn như MNIST hay ImageNet. Nhưng trong lĩnh vực pháp y blockchain, 'độ chính xác' là một khái niệm gần như mang tính tuyên truyền. Khi tôi thực hiện phương pháp kiểm toán các cây cầu 'phi tập trung' và phát hiện lỗ hổng nghiêm trọng trong 3 trong số 8 cầu đang hoạt động — một trong số đó đã bị khai thác 22 triệu đô la hai tuần sau đó — tôi đã học được một bài học mà không một bài báo học thuật nào có thể dạy: thế giới thực không quan tâm đến độ chính xác của bạn khi bạn đang đối mặt với kẻ thù có động cơ và khả năng thích ứng. Mô hình của bạn có thể đúng 89,4% số lần, nhưng kẻ tấn công chỉ cần đúng 1% số lần để gây ra thiệt hại không thể khắc phục. Khi tôi tìm kiếm thêm thông tin về mô hình này, tôi không tìm thấy một bài báo kỹ thuật nào được liên kết, không có kho lưu trữ mã nguồn, không có tên tác giả cụ thể. Sự thiếu vắng minh bạch này không gây ngạc nhiên, nhưng nó có ý nghĩa quan trọng đối với cách chúng ta nên đánh giá tuyên bố. Một mô hình học máy để phát hiện giao dịch bất hợp pháp là một hệ thống phức tạp phụ thuộc vào ba thành phần: dữ liệu huấn luyện, kỹ thuật đặc trưng (feature engineering), và kiến trúc mô hình. Chỉ với một con số đầu ra, chúng ta hoàn toàn mù mịt về cả ba. Tôi đã gặp trường hợp một công ty phân tích nổi tiếng tại Mỹ tuyên bố mô hình của họ 'phát hiện 99% các hoạt động rửa tiền' trong các bài thuyết trình bán hàng, nhưng khi tôi hỏi về tỷ lệ dương tính giả, họ nói rằng con số đó là 'bí mật thương mại'. Sự mù mờ tương tự cũng tồn tại ở đây, nhưng lần này, nó đến từ phía một chính phủ có khả năng triển khai các công cụ như vậy ở quy mô quốc gia. Câu chuyện mà chưa ai nói đến trong bản tin này là về vị trí thực sự của mô hình AI này trong hệ sinh thái thực thi pháp luật toàn cầu. Một mô hình nghiên cứu đạt 89,4% độ chính xác trong phòng thí nghiệm là một kết quả học thuật. Nhưng nếu mô hình này được tích hợp vào hệ thống giám sát của các sàn giao dịch tập trung để rà soát hàng trăm nghìn giao dịch mỗi giây, câu chuyện sẽ hoàn toàn khác. Điều mà bản tin không nói rõ là liệu mô hình này đang ở giai đoạn 'bằng chứng về khái niệm' (proof of concept) hay 'đã triển khai trong sản xuất' (production). Trải nghiệm của tôi với các dự án phân tích chuỗi cho thấy khoảng cách giữa hai giai đoạn này là vực thẳm. Tôi từng chứng kiến một công ty khởi nghiệp AI tạo ra mô hình phát hiện gian lận với độ chính xác 95% trên dữ liệu kiểm tra, nhưng khi triển khai thực tế, phải mất sáu tháng để điều chỉnh vì dữ liệu sản xuất khác biệt quá lớn so với dữ liệu kiểm tra — tỷ lệ giữa giao dịch xấu và tốt thay đổi, các đặc trưng mới xuất hiện, và những mẫu cũ biến mất. Điều phản trực giác ở đây là: sự xuất hiện của một mô hình AI của cảnh sát Trung Quốc, dù chưa được xác minh, có thể là một tín hiệu tích cực cho ngành phân tích blockchain — ít nhất là ở một khía cạnh không ai nghĩ tới. Khi một chính phủ lớn như Trung Quốc chi tiền và nguồn lực nghiên cứu để phát triển công cụ pháp y blockchain, nó gửi một tín hiệu rõ ràng tới các tổ chức truyền thống: blockchain không chỉ là tài sản đầu cơ, mà là một lĩnh vực cần có 'cảnh sát chuyên trách'. Điều này có thể thúc đẩy dòng vốn từ các quỹ rủi ro vào lĩnh vực RegTech, và thúc đẩy các cơ quan quản lý ở các khu vực khác tăng cường đầu tư cho năng lực phân tích chuỗi của chính họ. Trong một thị trường giá xuống, nơi các câu chuyện tăng trưởng đang cạn kiệt, 'chính phủ đầu tư vào hạ tầng giám sát blockchain' có thể là một trong những động lực tăng trưởng ít được chú ý nhưng bền vững nhất. Tuy nhiên, chúng ta cần phải phân biệt rõ ràng giữa 'năng lực' và 'sự sẵn sàng áp dụng'. Tôi đã chứng kiến quá nhiều lần ngành công nghiệp này bị cuốn theo những tuyên bố hấp dẫn mà không kiểm chứng. Hãy nhớ lại năm 2021, khi một công ty tuyên bố có thể truy vết 100% các giao dịch Monero — tuyên bố này sau đó đã được kiểm chứng một phần, nhưng cộng đồng nhanh chóng phát hiện ra rằng công ty đó chỉ có thể theo dõi các giao dịch đã bị 'de-anonymize' thông qua các sàn giao dịch, chứ không phải trực tiếp phá vỡ giao thức Monero. Tương tự, con số 89,4% có thể phản ánh khả năng của một mô hình trong việc phát hiện các mẫu giao dịch đã biết trên Bitcoin và Ethereum, nhưng nó không phản ánh khả năng xử lý các giao thức bảo mật nâng cao như Tornado Cash, Railgun, hay các loại tiền tệ tập trung vào quyền riêng tư. Một khía cạnh nữa đáng suy ngẫm là tính khả chuyển (transferability) của mô hình này sang các môi trường khác. Các chi tiết thực thi quan trọng không chỉ nằm ở kiến trúc mô hình mà còn ở cách mô hình được giám sát và cập nhật. Trong lĩnh vực thực thi pháp luật, một mô hình AI không chỉ cần chính xác mà còn cần phải giải thích được (explainable). Một công cụ gắn cờ giao dịch là bất hợp pháp nếu nó không thể cung cấp lý do rõ ràng cho các nhà điều tra và tòa án sẽ không thể được sử dụng trong tố tụng hình sự. Khả năng giải thích này là một thách thức lớn đối với các mô hình học sâu phức tạp, nơi các quyết định thường được đưa ra dựa trên các biểu diễn trừu tượng mà con người khó hiểu. Nếu các nhà nghiên cứu Trung Quốc đã xây dựng một mô hình có độ chính xác 89,4% nhưng không thể giải thích vì sao một địa chỉ cụ thể bị gắn cờ, thì mô hình đó — dù ấn tượng — sẽ chỉ là một công cụ sàng lọc sơ bộ, chứ không phải là bằng chứng có thể trình lên tòa án. Và trong một hệ thống pháp lý, một công cụ sàng lọc gây ra hàng nghìn báo cáo sai có thể gây hại nhiều hơn lợi. Đứng ở góc độ một người làm kiến trúc quản trị DAO, tôi nhìn nhận tin này qua lăng kính quản trị rủi ro. Khi một công cụ có khả năng gắn cờ hàng loạt giao dịch được tạo ra bởi một cơ quan thực thi pháp luật mà không có cơ chế giám sát độc lập, chúng ta đang đối mặt với một hình thức 'quyền lực kỹ thuật' phi dân chủ. Trong thế giới DeFi, chúng ta thường tranh luận về việc ai kiểm soát các tham số rủi ro — nhưng ở đây, một thực thể nhà nước có thể đang phát triển khả năng kiểm soát hệ thống tài chính phi tập trung mà không cần đến bất kỳ sự đồng thuận nào từ cộng đồng. Điều này không chỉ là một vấn đề địa chính trị; nó là một vấn đề quản trị toàn cầu. Nếu 'chuẩn mực' của việc phát hiện giao dịch bất hợp pháp được thiết lập bởi các thực thể nhà nước có chương trình nghị sự riêng, thì tính trung lập của blockchain — thứ mà chúng ta đã dành nhiều năm xây dựng — sẽ bị xói mòn từ bên trong. Câu hỏi quan trọng mà tôi muốn đặt ra cuối cùng là: ai sẽ là người xác minh các tuyên bố về độ chính xác trong lĩnh vực pháp y blockchain? Chainalysis không công bố độ chính xác cụ thể của mô hình của họ, Elliptic cũng không, và bây giờ các nhà nghiên cứu Trung Quốc cũng không. Khi các công ty và chính phủ cạnh tranh nhau trong một thị trường nơi 'độ chính xác' — một khái niệm vốn dĩ cần ngữ cảnh — được dùng làm vũ khí tiếp thị, chúng ta đang tiến tới một tương lai nơi các con số 90% trở nên vô nghĩa vì chúng đo lường các điều khác nhau trên các tập dữ liệu khác nhau trong các bối cảnh khác nhau. Tôi tin rằng ngành công nghiệp này cần một tiêu chuẩn chung để đánh giá các mô hình pháp y blockchain: công bố ma trận nhầm lẫn, chia sẻ tập dữ liệu đánh giá có kiểm soát, và thực hiện các bài kiểm tra mù trên các tập dữ liệu đa dạng. Cho đến khi điều đó xảy ra, mỗi con số 'ấn tượng' chúng ta thấy — cho dù là 89,4% từ cảnh sát Trung Quốc hay 99% từ một công ty phân tích Mỹ — chỉ là những tấm vé vào cửa của một trò chơi mà phần lớn các quy tắc vẫn chưa được viết ra. Và điều mà backtest không bao giờ có thể bắt được là liệu những con số này có thể cứu được một người vô tội khỏi bị gắn cờ nhầm hay không.