由上图可知，运行程序后我们发现了一些提供隐藏服务的服务器IP地址，它们分别位于法国、德国和荷兰。
可以发现，在连接的中继回路的第一个IP地址总是相同的。这是Tor的正常操作。连接的中继回路中的第一个节点通常被称为“入口节点/路由器”。它是一个快速且稳定的节点，并且将会在我们的中继回路中维持两到三个月，用来抵挡破解匿名攻击。其余的中继会在我们每次访问新网站时改变，这些中继会一起提供完整的隐私保护。
在这里，我们使用爬虫来进行暗网的情报收集。在一般爬虫程序的开头加入几行代码，同时保持Tor浏览器的开启，根据上文所收集的Tor匿名网络的域名，就能自动抓取这些网站的数据了。
下图显示了使用爬虫程序抓取某暗网论坛数据时主机对外所显示的IP地址。可见我们的公网IP已变为某个Tor匿名网络的出口节点的IP，其地址位于德国柏林：
针对不同的暗网数据类型，如暗网市场、暗网论坛，应设计不同的爬虫框架。
在比特币转账追踪中，若某个比特币地址在暗网中（如论坛）也出现了，那么我们就可以根据它所在页面的信息来为它打上标签，并进一步根据相关信息尝试将该比特币地址与实体相关联，这就涉及到了暗网的情报分析。
5、对所收集的暗网情报进行分析[9],[13]
首先，对主体文本数据进行有效性判断。
在获取的正文文本中，有些文本是无效的，会增加工作量并妨碍文本分类的速度，因此如下的文本应标记成无效隐藏服务：（1）网页正文文本内容过短，很难对网页隐藏服务进行区分类别，应视为无效文本；（2）隐藏服务内容是网页服务器的默认启动页，无法区分暗网隐藏服务内容的默认启动页也视为无效；（3）网页已经无法打开的更不可能作为文本分类的依据。
其次，对数据内容进行处理。
为了躲避执法人员的调查与追踪，暗网数据内容存在着单词拼写错误、标点符号杂乱、非英文的标准字符多以及大小写混乱等问题，这些问题严重影响分类准确率。因此需要对数据内容进行相应的处理。
例如，使用Python的langdetect来识别正文语言，大多数隐藏的网页使用英语进行交流，有些则使用俄语或德语以及汉语，这里主要对英文网站进行分析；使用BeautifulSoup来删除复杂的非标准的特征字符；使用正则表达式来删除没有价值的简单标点符号；使用pyenchant来对英文单词进行拼写纠错；使用nltk库的SnowballStemmer提取英文词干；使用nltk库的WordNetLemmatizer进行英文词性还原；以及进行大小写转换，去掉像“in”、“an”等没有实际意义的助词、介词等，只保留对分类具有帮助的动词和名词。
最后，采用常用的算法对数据内容进行分类。
可使用KNN、支持向量机、随机森林或朴素贝叶斯等方法对数据内容进行分类。不过，现有分类方法的精确度与准确度都不高，还需要对分类方法进行进一步的研究与改进。因此，根据前期筛选和分类情况，有时依然需要人工的介入。
在分析的过程中，同时需要对发布内容的用户进行记录，并按照上述分类情况更新其对应的标签等信息。
这样，在比特币的转账追踪中便可获得更多的信息，将转账路线上的各比特币地址与实体进行更深入的关联，使得实体的画像更加清晰。
五、小结
本文简要介绍了比特币的转账追踪，着重讨论了暗网中的比特币账户地址与实体关联的相关问题，这或许能为监管机构提供一点参考。
由于暗网环境的复杂性，为了避免计算机受到恶意攻击，不建议非专业人士在暗网中进行相关的操作。
发布方：XBITRUST & Paiclub Capital
作者：苏文杰
参考文献
[1] 中科链安安全实验室. 比特币交易追踪溯源技术介绍. Freebuf. https://www.freebuf.com/articles/blockchain-articles/203127.html
[2] 猋焱. 详解比特币的找零机制. 百度经验. https://jingyan.baidu.com/article/19192ad84bcd54e53e570729.html
[3] 程序新视界. 浅析比特币的找零机制. CSDN. https://blog.csdn.net/wo541075754/article/details/53560061
[4] 蔡霖翔. 区块链数字货币资金流追溯研究. 中国人民公安大学硕士学位论文, 2019. 20-43
[5] 苏文杰. XBITRUST & Paiclub Capital. 在暗夜中游荡——洗钱与数字货币. 金色财经. https://www.jinse.com/news/blockchain/697215.html
[6] 杨溢. 基于Tor的暗网空间资源探测技术研究. 上海交通大学硕士学位论文, 2018. 5
[7] 郭晗. 基于Freenet的暗网空间资源探测技术研究. 上海交通大学硕士学位论文, 2018. 8
[8] 曹旭. 基于I2P的暗网空间资源探测技术研究. 上海交通大学硕士学位论文, 2018. 6
[9] 杨丽娜. 暗网威胁情报分析与研究. 齐鲁工业大学硕士学位论文, 2020. 1-41
[10] Sarah Jamie Lewis. OnionScan Report: This One Weird Trick Can Reveal Information from 25% of the Dark Web. mascherari.press. https://mascherari.press/onionscan-report-this-one-weird-trick-can-reveal-information-from-25-of-the-dark-web-2/
[11] Justin. 如何在暗网中收集公开情报资源（下集）. WisFree译. 安全客. https://www.anquanke.com/post/id/84383
[12] Sarah Jamie Lewis. Thwarting Identity Correlation Attacks. mascherari.press. https://mascherari.press/thwarting-identity-correlation-attacks/
[13] 于焕焕. 基于机器学习的暗网威胁情报分析. 齐鲁工业大学硕士学位论文, 2020. 4-34