一、问题设计

        在区块链反洗钱场景中，非法资金常通过多笔交易“洗白”后流入合法账户。通过查找非法交易到合法交易的最短交易路径，可快速定位资金流转的节点，追踪非法资金流向、识别洗钱链路，提升区块链交易的监管效率。本次实验自制简单图数据库模型，期望通过查找账户之间的最短交易路径，分析非法资金的潜在流转链路。

二、实验步骤

        1.新建图项目

        2.设计模型并定义Schema

        (1）添加点“account”，添加属性address (STRING, 主键)  、balance(INT32)  、label (STRING)；

        (2)添加边“transfer”，起点、终点为account，添加属性currency（INT32）。

        3.导入节点和边数据

        (1)创建节点

        CREATE (a:account{address: '0x01', balance: 500, label: 'qw'}),
       (b:account {address: '0x02', balance: 300, label: 'er'}),
       (c:account {address: '0x03', balance: 200, label: 'ty'}),
       (d:account{address: '0x04', balance: 800, label: 'ui'}),
       (e:account{address: '0x05', balance: 150, label: 'op'}),
       (f:account {address: '0x06', balance: 400, label: 'as'}),
       (g:account {address: '0x07', balance: 600, label: 'df'}),
       (h:account {address: '0x08', balance: 250, label: 'gh'}),
       (i:account {address: '0x09', balance: 350, label: 'jk'}),
       (j:account {address: '0x0X', balance: 450, label: 'lm'})

        （2）导入边数据

        MATCH (a:account {address: '0x01'}),
      (b:account{address: '0x02'}),
      (c:account {address: '0x03'}),
      (d:account{address: '0x04'}),
      (e:account{address: '0x05'}),
      (f:account {address: '0x06'}),
      (g:account {address: '0x07'}),
      (h:account{address: '0x08'}),
      (i:account{address: '0x09'}),
      (j:account{address: '0x0X'})
CREATE (a)-[:transfer {currency: 100}]->(b),
       (a)-[:transfer {currency: 50}]->(c),
       (b)-[:transfer{currency: 80}]->(c),
       (c)-[:transfer{currency: 200}]->(a),
       (a)-[:transfer {currency: 300}]->(d),
       (e)-[:transfer {currency: 50}]->(d),
       (e)-[:transfer {currency: 30}]->(f),
       (f)-[:transfer {currency: 40}]->(e),
       (g)-[:transfer {currency: 100}]->(h),
       (h)-[:transfer {currency: 100}]->(i),
       (i)-[:transfer {currency: 100}]->(j),
       (j)-[:transfer {currency: 100}]->(g)

        （3）验证数据完整性

MATCH (n:account) RETURN n LIMIT 10

        4.查找最短路径

在查询窗口中输入以下代码，查找从 0x01（qw）到 0x04（ui）的最短路径：

MATCH (x:account{address: '0x01'}), (y:account {address: '0x04'})
WITH x, y
CALL algo.shortestPath(x, y)
YIELD nodeCount, totalCost, path
RETURN nodeCount, totalCost, path

结果表示：

查找到的路径上只包含起点 0x01 和终点 0x04，没有中间节点。由于我们的图未定义边的距离权重，算法默认每条边 cost = 1，因此总成本为 1 跳。

三、学习感受

        这次基于 TuGraph 的区块链反洗钱路径查询实验，让我第一次直观感受到了图数据库在复杂关联分析场景里的独特优势。

        实验中最具启发性的环节是最短路径查询的结果验证。当查询 0x01至 0x04的路径时，算法返回的直接连接路径打破了我对洗钱链路“必然多层嵌套”的固有认知——这提示在实际反洗钱工作中，不能仅依赖经验判断风险路径的复杂度，图数据库的确定性查询能力能够快速排除冗余假设，辅助监管人员快速锁定直接风险敞口。同时，实验结果也暴露了当前模型的局限性：由于未定义边的权重属性，算法仅能以跳数作为成本依据，若后续引入转账金额、交易时间戳等权重因子，路径分析的精准度与业务解释性将得到显著提升。

        总体而言，本次实验不仅让我熟悉了 TuGraph 的基本操作流程与 Cypher 语句的应用方法，更重要的是建立了“以图治数”的分析思维。未来我希望进一步探索带权最短路径、社区发现等算法在复杂洗钱网络识别中的应用，持续提升图技术解决实际业务问题的能力。