wallet-attribution

一个聚合的、规范化的加密货币地址归属数据集，包含交易所、受制裁实体、诈骗、混币器、桥接和DeFi协议，完全从免费公共来源构建，并按网络存储为纯CSV+JSON格式。An aggregated and normalized cryptocurrency address attribution dataset covering exchanges, sanctioned entities, scams, mixers, bridges, and DeFi protocols. It is constructed exclusively from freely available public sources, and stored per network in plain CSV and JSON formats.

原始信息汇总

wallet-attribution 数据集详情

数据集概览

• 地址数量：115,169 个
• 覆盖网络：47 个
• 交易所钱包：27,695 个
• 数据格式：CSV + JSON
• 许可证：代码部分 MIT，数据部分遵循各上游来源许可证

数据内容

该数据集聚合了归因加密货币地址，涵盖以下类别：

• 交易所（Exchange）
• 受制裁实体（Sanctioned entities）
• 诈骗（Scam）
• 混合器（Mixers）
• 跨链桥（Bridges）
• DeFi 协议

数据按网络分别存储为 CSV 和 JSON 文件，包含以太坊（ethereum）、BSC、比特币（bitcoin）等，并提供了合并后的 _all.csv / _all.json 以及统计文件 stats.json。

数据来源（全部免费）

来源	覆盖范围	类别
eth-labels	9 条 EVM 链上约 14.4 万个标记地址	交易所 / DeFi / 跨链桥 / 实体
cex-list	以太坊上精选的 CEX 热钱包地址	交易所
MyEtherWallet/ethereum-lists	钓鱼 / 诈骗黑名单	诈骗
OFAC SDN (0xB10C)	美国制裁地址（BTC、ETH、LTC、BCH、XRP、TRX、BSC、ARB 等）	受制裁
DefiLlama-Adapters	约 40 多家交易所官方披露的准备金证明钱包（含 BTC/LTC/DOGE/TRON/SOL/XRP/ADA 冷钱包），覆盖 40+ 条链	交易所（高置信度）

重要特性

• 交易所官方钱包：通过 DefiLlama-Adapters 来源获取交易所自行披露的准备金证明钱包，标记为 category = exchange、confidence = high、source = defillama-cex
• 实时 API 增强：支持通过 Tronscan（TRON 网络，免费）、Trongrid（TRON）、Etherscan（ETH/BSC/Polygon/Arbitrum/Optimism 等，v2 统一 API）等提供商动态补充地址标签
• 可重建性：通过 fetch_sources.sh 和 build.py 两个命令即可从上游重建整个数据集

覆盖范围与局限

• EVM 链数据最丰富，大部分标签来自 eth-labels
• Bitcoin / LTC / BCH / XRP 主要仅包含 OFAC 制裁地址及少量交易所钱包
• TRON 实体标签在公共仓库中较少，建议通过 Tronscan API 补充（可识别 Binance-Hot、OKX、Bybit 等）
• Dogecoin 目前没有公开的标签列表
• 公共列表覆盖交易所的主热钱包/冷钱包，不包括交易所为用户生成的个人充值地址，后者需通过链上追踪获取

使用方式

• 重建/更新：运行 scripts/fetch_sources.sh 拉取上游数据，再运行 scripts/build.py 进行标准化
• API 增强：在 config/providers.csv 配置 API 密钥，在 config/addresses.csv 列出需查询的地址，运行 scripts/enrich.py 后重建数据
• 扩展新来源：可在 scripts/build.py 中添加 load_<source>() 函数，并在 scripts/fetch_sources.sh 中注册拉取命令

其他

• 数据文件采用统一的九字段结构，字段定义和合并规则详见 schema.md
• 静态数据仅覆盖已知钱包，可通过 API 增强补充缺失的地址归属
• 数据集支持增量更新，sources/ 目录被 git 忽略，仅标准化后的 data/ 被版本控制

搜集汇总

数据集介绍

构建方式

该数据集构建了一个跨链、常态化的加密货币地址归因体系，覆盖115,169个地址、47条网络，包括交易所、制裁实体、诈骗、混币器、桥接及DeFi协议等类别。其构建过程严格遵循免费公共源原则，从eth-labels、cex-list、MyEtherWallet/ethereum-lists、OFAC SDN及DefiLlama-Adapters等五个上游源聚合数据，并通过规范化脚本将多源异构数据统一为包含九个字段的统一模式，最终以CSV与JSON双格式按网络分文件存储。整个过程可通过两个命令自动重建，确保数据可追溯且更新便捷。

使用方法

使用者可通过运行`bash scripts/fetch_sources.sh`与`python3 scripts/build.py`轻松重建或更新数据，生成的数据文件可直接用于链上分析或取证。针对静态数据未覆盖的地址，数据集提供基于CSV配置的在线API富化工具：在`config/providers.csv`填入API密钥，于`config/addresses.csv`列出目标地址，执行`python3 scripts/enrich.py`即可从Tronscan、Etherscan等提供商获取实时标签，并通过`build.py`合并入主数据集。该流程无需环境变量，简洁直观，支持批量处理与干运行模式，便于集成至自动化分析管道。

背景与挑战

背景概述

在区块链分析领域，地址归属（attribution）是连接链上匿名数据与现实世界实体的关键环节，其应用涵盖反洗钱、合规审查与取证调查。wallet-attribution数据集由社区开发者于2024年发起，旨在整合多源公开信息，构建一个覆盖47条链、包含约11.5万个地址的标准化归属数据库，其核心团队包括eth-labels维护者dawsbot及DefiLlama等机构的贡献者。该数据集通过统一架构（九列字段），将交易所、受制裁实体、诈骗地址、混币器、跨链桥及DeFi协议等实体标签规范化，解决了跨链地址标注碎片化的问题。其影响力体现在三个方面：其一，为研究机构提供了可复现的免费数据源，填补了UTXO链（如比特币）和新兴公链（如狗狗币）标签数据的空白；其二，通过引入DefiLlama的储备证明钱包，创新性地覆盖了非EVM链的冷钱包地址，提升了交易所地址识别的完整性；其三，设计CSV+JSON的简洁格式与自动化构建流程，降低了区块链数据的使用门槛，成为学术研究与产业应用的实用工具。

当前挑战

该数据集面临的挑战多维且深入。在领域问题层面，首要挑战是标签覆盖的不均衡性：EVM链（如以太坊、BSC）因eth-labels等成熟项目而拥有丰富的实体标签，而比特币、莱特币等UTXO链和TRON、狗狗币等公链则因缺乏免费标注资源，仅能依赖OFAC制裁名单或少量交易所钱包，导致跨链归因的完整性受限。其次，静态列表无法捕捉交易所为每个用户生成的充值地址，这类地址只能通过链上追踪（tracing）关联，限制了数据在执法取证中的深度应用。在构建过程中，数据集面临数据源异构的整合难题：需统一来自GitHub仓库、API接口的多种格式（如DefiLlama适配器的嵌套JSON、etherscan的标签API），并处理地址格式差异（如比特币的Base58、以太坊的EIP-55校验和）；同时，数据源的动态更新要求自动化流程具备高效拉取与去重合并的能力，但上游仓库的变动可能导致标签不一致，而许可证兼容性审查（如OFAC数据的公有属性与第三方数据的自定义条款）也增加了再分发的风险。这些挑战仍需通过社区协作与工具优化持续化解。

常用场景

经典使用场景

wallet-attribution数据集作为加密货币地址归因的综合性基准，在区块链分析领域扮演着关键角色。其应用场景聚焦于将链上地址映射至真实世界实体，诸如交易所、混币器、受制裁实体及DeFi协议。研究者利用该数据集训练与评估地址分类模型，支撑交易流向追踪、资金来源识别及风险评分等核心任务。凭借跨47条链的11.5万个标注地址，该数据集为跨链分析提供了统一框架，尤其适用于EVM生态的深度挖掘与非EVM链的初步探索，成为链上数据科学实验的标准起点。

解决学术问题

该数据集直击区块链匿名性带来的识别难题，解决了过去地址归因数据分散、格式不一且来源封闭的学术痛点。它整合公共开源情报，构建了格式规范、可复现的标注资源，使研究者得以量化评估地址聚类、实体识别算法的效能，并深入剖析混币器、制裁规避等风险行为。其标准化结构促进了跨研究对比，加速了链上取证方法论的迭代，为反洗钱、金融监管等领域的实证研究奠定了坚实的数据基石，显著提升了区块链分析的严谨性与可重复性。

实际应用

在实际应用中，该数据集成为交易所、监管机构及安全公司的得力工具。合规部门借此识别高风险地址，优化交易监控系统，及时阻断与制裁实体或诈骗地址的交互。调查人员利用其归因信息还原资金流向，打击网络犯罪。此外，数据集的实时重建能力支持动态追踪，使分析人员能紧跟新披露的交易所冷钱包或新制裁名单，极大提升了链上AML（反洗钱）与CFT（反恐融资）流程的响应速度与精准度，赋能了从日常风控到专项追查的多元业务场景。

数据集最近研究

最新研究方向

在区块链生态日臻繁复的当下，地址归属与实体识别已成为链上数据分析的核心基石，wallet-attribution数据集应运而生，其聚合了来自交易所、受制裁实体、诈骗地址、混币器、桥接协议及DeFi协议等多维度的标记地址，并通过统一架构在47条链上实现标准化呈现，为监管合规、反洗钱追踪、资金流向分析及安全审计等领域提供了坚实的数据支撑。该数据集不仅囊括了交易所公开披露的储备证明钱包（如OKX、Binance、Coinbase等），还融合了OFAC制裁名单及社区维护的钓鱼地址黑名单，凸显了其在执法协作与风险管理中的关键价值。其前沿研究方向聚焦于利用动态API增强（如Tronscan、Etherscan）实时补全标签，并探索跨链地址关联与溯源算法，以应对隐匿地址、非托管跨链服务等新型挑战，为构建透明、可信的数字资产市场提供了科学依据与实践工具。