实验二：路径查找算法应用：交易风险链路追踪
1.问题描述：
在反洗钱和欺诈检测场景中，非法资金往往不会直接从源头流向终点，而是通过多层级的转账（即“洗白”过程）来切断资金链路，增加追踪难度。
本实验旨在利用图数据库，解决以下问题：
识别潜在风险：从海量标记为unknown的交易中，筛选出与已知非法交易（class: 1）存在资金往来的节点。
量化风险程度：通过计算资金流转的跳数，评估未知交易卷入非法活动的可能性。路径越短，风险越高。
2. 实验原理
基于图论中的路径搜索算法。在比特币交易网络模型中：
点：代表一笔具体的交易记录（label:transaction）。
边：代表资金的流向关系。（lable:relationship）
属性）：txId为唯一标识，class为风险标签（1代表非法，unknown代表待测）。
核心逻辑是寻找从“未知节点”到“非法节点”的特定长度路径。如果两者之间存在长度为 2 的路径（即中间经过一个中转站），说明该未知交易虽然不直接涉及黑产账户，但仅隔了一层关系，属于高风险关联节点。
3. 代码
4. 结果含义与分析
根据执行结果，成功挖掘出了 5 条长度为 2 的风险资金链路。以下是对结果的深度解读：
表格
| 示例数据 | 业务含义解读 | |
|---|---|---|
| 起点 | 230334754 | 高风险嫌疑对象。该交易本身虽未直接被标记为非法，但它发出的资金仅经过一次跳转就进入了黑产池。 |
| 疑似中转站 | 232658952 | 关键枢纽。在实际风控中，这个节点往往是被盗用的账户或专门用于清洗资金的空壳账户，应重点监控。 |
| 终点 | 62195631 | 确证的黑产账户。这是资金流的汇聚点。 |
| 风险距离 | 2 | 强关联风险。相比于距离为 3 或 4 的节点，距离为 2 意味着资金链路非常清晰，误报率极低，在实际操作中，应对该“起点”交易进行人工复核或冻结。 |
5.学习和使用TuGraph平台的感受
TuGraph平台的界面简洁，操作上手比较简单友好。从课堂案例和作业中感受到图数据库在特定场景下直观清晰，检索功能强等特点。
不过由于仍在试用阶段，一些功能如资格申请，存储过程等使用不太方便。而且网上教程较少，在写cypher查询语句时容易出现各种奇怪的报错，充满了试错过程，不太清楚该数据库对语法的具体要求。