波場 TRON 行業周報：BTC 繼續測試 12 萬 ETH 或突破 4000 美元，Trusta.AI—鏈上 AI 賦能身份驗證

1. 宏觀層面總結以及未來預測

上週，美股表現積極，美股主要指數屢創新高，但美元指數有所波動，整體維持堅挺。 美聯儲預計將在今年晚些時候開始降息，緩解部分經濟下行壓力，但整體政策仍需視通脹和就業數據變化而定。 美國宏觀經濟表現出增長放緩但就業穩定的特徵，通脹壓力在關稅影響下仍較顯著，市場預期美聯儲降息漸成共識，但貿易摩擦風險仍然需高度關注。

2. 加密行業市場變動及預警

上週，比特幣繼續維持高位盤整態勢，以太坊資金動能強於比特幣，以太坊在資金流入和市場表現上快速增強，ETF連續六天出現資金淨流入，顯示資金版圖可能正在從比特幣向以太坊轉移。 上週加密市場依舊表現出資金活躍、機構影響加深的特點，但高槓桿和市場波動性提升帶來短期風險挑戰，投資者需警惕美聯儲政策變動及宏觀環境的不確定影響。

3. 行業以及賽道熱點

Twyne 是一個非託管的信用授權協議，旨在最大化借貸市場的資本效率，Twyne 直接集成至如 Euler 等成熟的借貸市場，允許用戶存入代表其底層市場頭寸的 IOU 代幣（如 euler_USDC）；CodexField 構建於 BNB Greenfield 和 BNB Smart Chain 之上。 其目標是實現內容的鏈上所有權確認、授權使用、交易流通與收益映射。

1.潛力項目概覽

1.1. 淺析Euler領投的Twyne—釋放借貸閒置額度，提升資本效率的信用授權協議

TWyne 是一個非託管的信用授權協議，旨在最大化借貸市場的資本效率。

Twyne 作為不可變的中間層，構建於 Euler 等借貸協議之上，打造了一個借貸能力的交易市場。 其核心功能包括：

• 出借方（Credit LPs）：可將自身未使用的借貸額度用於支持他人貸款，從而賺取額外收益
• 借款方：可獲得超出傳統藉貸平台限制的資本，用於作為清算緩衝或提升槓桿。

這個授權層釋放了閒置流動性的價值，同時保持底層借貸協議的安全性與風險隔離。

Twyne 直接集成至如 Euler 等成熟的借貸市場，允許用戶存入代表其底層市場頭寸的 IOU 代幣（如 euler_USDC）。 通過存入這些代幣並授權其未使用的借貸額度，用戶可從借款人處獲得額外的年化收益率（apr），而藉款人則能在使用相同抵押品的前提下，獲取高於原始市場的貸款價值比（LTV）。

這為用戶帶來了第二條收益通道：
。

三大主要用例：

• Credit Vault：授權部分借貸額度來賺取收益；
• Collateral Vault：進行借款，但不使用全部借貸能力，
  → 一邊借款，一邊從信用授權中獲得穩定收益。

在 Twyne 中，Credit LP（CLP）是指那些向 Euler 或 Aave 等借貸協議提供資產、但不使用抵押品進行借款的用戶。 他們通常只尋求簡單、被動的收益方式。 而在 Twyne 上，他們可以更進一步：

CLP 可質押其在藉貸市場中獲得的收據代幣（如 eUSDC、aETH），並將未使用的借貸額度授權給其他用戶。

當 CLP 授權其借貸額度時，實質上是在為藉款人的貸款提供擔保。 作為承擔額外風險的回報，CLP 除了基礎借貸收益外，還可獲得一項額外利率 —— 被稱為。

CLP 的總收益 =

Twyne 上的借款人可以獲得超出其在原始借貸協議中抵押品所允許的槓桿額度。 借助 Twyne，他們可以利用 CLP（出借人）授權的借貸額度，臨時提升其貸款價值比（LTV）。

• 高波動資產對（如 WETH-USDC）：最高可達 94% LTV
  → 實現 14 倍槓桿（相比 Aave 上的 5.9 倍）
• 高度相關資產對（如 WETH-stETH）：最高可達 99% LTV

。

在 Twyne 上，借款人需支付兩部分利息：

• 該利率為動態調整，隨資源利用率上升而增長
  • 當需求 ：利率較低
  • 當需求 > 目標利用率：利率急劇上升

  借款人只需支付 CLP 供給利率，
  而非對全部負債支付。 因此，即使在陡峭利率曲線下，。

Twyne通過非託管的信用授權層，有效釋放了借貸市場中閒置的借貸額度，提升了資本利用效率。 出借人（CLP）可在保證風險隔離的前提下，獲得額外收益；借款人則能藉助授權額度獲得更高槓桿或清算緩衝，顯著提升借貸靈活性和資金效率。

然而，出借人需承擔比傳統被動出借更高的風險，且若未及時清算可能面臨損失，借款利率也會隨授權額度利用率波動而變化。 整體來看，Twyne兼顧收益提升與風險控制，為藉貸雙方帶來創新的資本運用方案。

1.2. 解讀Gate.io領投的CodexField—構建於BNB Greenfield的去中心化代碼與內容創作平台

CodexField 構建於 BNB Greenfield 和 BNB Smart Chain 之上。 其目標是實現內容的鏈上所有權確認、授權使用、交易流通與收益映射。 我們正在重新定義“數字內容”，將其視為一種新型的現實世界資產（RWA）。 該平台支持多種內容形態的標準化資產化，包括代碼、AI 模型、AIGC 作品以及知識資產，並通過鏈上機制將使用行為轉化為可驗證的經濟價值，推動信息向資產的根本轉變。

CoDEXField提供全棧 Web3 基礎設施，以實現內容資產的所有權確認、權限管理和金融化 —— 賦能開發者、創作者和 AI 創新者在其工作中釋放新的價值。

在存儲層，CodexField 集成了多個主流的去中心化存儲協議（如 BNB Greenfield、Arweave、Filecoin、CESS 等），構建了一個強大且適應性強的內容託管基礎設施。 平台引入了“冷熱數據分層”機制，根據內容使用頻率和權限級別動態匹配最優存儲路徑，確保高頻內容的快速響應和長期數據的高效存檔。

此外，平台支持結構化內容的鏈上所有權確認，所有內容文件都綁定了元數據和哈希簽名，確保在平台和應用場景之間的可驗證性和不可篡改性。 通過結合鏈外 CDN 和 DePIN 加速網絡，CodexField 實現了全球去審查的內容分發，並確保低延遲訪問。

協議層是 CodexField 內容資產框架的核心支柱，主要由兩個模塊組成：

• Gitd 協議：一種本地鏈上 Git 協作協議，支持基於代碼資產的版本控制、合併審核和貢獻記錄。 它確保鏈上數據安全，同時為開發者提供完整的協作管道。
• CodeSync 工具：支持一鍵將 GitHub 項目遷移到區塊鏈，保留完整的提交歷史、分支結構和貢獻者身份，確保從 Web2 到 Web3 的平滑過渡。

CodexField 還引入了可編程授權合約，允許創作者定義定制化的許可策略（如只讀、使用調用、訓練權利、商業分發等）。 這些合約在鏈上執行細粒度控制和自動結算，確保內容交互的透明度和可追溯性。

內容層承載了 CodexField 支持的多種資產類型，包括代碼、模型、提示語、AIGC 內容和戰略文檔。 平台為每種內容類型定義了統一的結構標準、元數據模板和標籤系統，確保在所有權確認、索引、引用和可組合調用過程中具有可組合性和可識別性。

CodexField 還集成了基於 AI 的評分和語義標籤系統，自動評估和註解內容的質量、可信度和適用場景。 這為內容推薦、風險警報和金融定價提供了重要輸入。 內容行為數據（如使用頻率、引用次數、收益）也被用於聲譽評分和資產估值模型。

應用層將用戶與內容資產連接起來，形成完整的“創作—訂閱—使用—收益”反饋循環。 平台支持多種鏈上互動，包括訂閱訪問、調用授權、模型訓練和二次引用。 所有使用行為都被記錄在鏈上，並作為收益分配和聲譽積累的基礎。

通過整合 DeFi 模塊、社交層模塊（如開發者檔案、內容影響力指數）和平台治理結構，CodexField 正在構建一個平衡使用效率、激勵對齊和治理共識的內容資產應用平台。

CodexField 採用模塊化設計來處理內容資產類型，引入統一的元數據協議、鏈上行為跟踪系統和收益映射機制，構建跨內容類型的抽象標準。

平台目前支持以下主要資產類型：

• 原生代碼資產：

包括函數代碼片段、開源模塊、智能合約模板和策略腳本。 這些資產通過 Gitd 協議支持原生版本管理和協作跟踪。 通過 CodeNFT 結構，生成鏈上所有權證明，實現模塊化調用、可組合部署和鏈上交易。

• AI 模型和數據資產：

包括模型權重、訓練語料庫、推理 API 和標註數據集。 通過 Modelnfts 和 DatasetNFTs 表示所有權和許可邏輯，zkAccess 協議確保調用行為的權限驗證和隱私保護。

• AIGC 生成內容：

由 AI 模型生成的文本、圖像、音頻和視頻等資產會自動綁定其原始提示和生成路徑元數據。 哈希快照記錄在鏈上，支持標準化的“快照生成 → 所有權認證 → 快照交易”流程。

• 結構化知識資產：

包括課程、教程、研究論文和交易策略等，可以打包成 ContentBundle 結構並上鍊。 它們支持週期性訂閱、使用跟踪和收益映射，使用 SubscriptionProtocol 進行管理。

• 提示模板與生成記錄：

在大語言模型和圖像生成模型中的提示工程資產通過 PROMPTNFTs 進行代幣化。 這些資產支持所有權認證、重用和跟踪，配有版本控制和鍊式管理機制，將“提示 → 輸出”關聯起來。

在此系統下，每種資產類型都抽象為鏈上對象，包含以下核心模塊：

• 所有權證明：

每個資產生成 ERC-721 或 ERC-1155 NFT 證書，將內容哈希、作者身份（DID）和原始時間戳（T0）綁定在一起，確保原子級別的所有權確認。

• 授權規則係統：

基於 CodeXAUTh 協議構建的可編程權限控制層，支持多維度授權——如查看、訓練、商業使用和可組合調用等。 這些權限通過智能合約在鏈上註冊和驗證。

• 使用行為跟踪：

所有交互行為（如調用、訂閱和訓練）通過 TraceIndex 系統在鏈上進行記錄，支持精細化跟踪和內容使用行為的歷史可視化。

• 收益映射：

所有使用行為通過 FLOWContract 映射到平台的三個核心 DeFi 池，創建內容資產的真實現金流路徑，並實現鏈上自動收益分配。

此外，CodexField 的資產標准設計完全整合了跨鏈兼容性和模塊化可組合性。 資產元數據遵循 EIP-721 MetADAta 和 DID-ContentMapping 等標準，確保在多鏈環境中的一致性和可追溯性。

CodexField 建立了一套圍繞內容“確權—使用—收益分配”的鏈上運營框架，將創作行為轉化為可追踪、可交易、可結算的“現實世界資產路徑”（RWA Path），構建起結構化、閉環的內容資產生態系統。

在，創作者可通過平台上傳各類材料，包括代碼模塊、AI 模型、多媒體內容、訓練數據等，統一接入去中心化存儲網絡。 CodexField 原生支持 Greenfield、ARweave、Filecoin 等協議，借助多鏈存儲兼容機制，實現抗審查、全球可訪問的內容託管。 此外，平台提供 Gitd 協議與 CodexSync 工具，幫助開發者一鍵遷移 GitHub 倉庫、模型文檔與知識資產，實現內容資產鏈上化的順滑接入。

在，每份內容在上傳時會自動生成鏈上確權憑證，並綁定創作者身份。 平台採用統一的數據結構與元數據標準，對內容類型、使用方式、版本管理、依賴關係等進行結構化定義。 這一標準化過程增強了內容資產的可識別性與可組合性，為後續交易與授權打下基礎。

平台支持內容資產的。 創作者可根據需要設定不同級別的訪問與使用權限（如：瀏覽、引用、調用、訓練、商業分發等）。 所有授權操作通過智能合約執行與記錄，確保每一次使用都自動結算並在鏈上可溯。 用戶可通過訂閱模式、按次訪問、組合調用等方式與內容資產交互。

在，CodexField 將所有內容使用行為轉化為鏈上數據流，並映射至平台原生的收益架構中。 內容被調用所產生的收入會按預設邏輯自動分發，收益可歸屬給上傳者、協作者、資產持有者，或註入平台的結構化收益池，以激勵優質內容和流動性提供者。

在這套機制下，CodexField 實現了內容使用與經濟激勵的深度耦合，確保每一次真實互動都直接回饋給創作者和支持者，真正實現“使用即變現”的內容金融邏輯。

CodexField 構建了一整套內容確權與行為綁定機制，支持代碼、模型、音視頻等異構內容的確權、調用、交易與行為追踪。

• 核心結構：CodexID ERC-7260 擴展標準

上傳任意內容後，系統會自動生成唯一身份 ID（CodexID），這個 ID 不僅證明你是原創者，還綁定了內容的版本記錄、調用路徑、元數據模板等信息。 通過 CodexField 自研的 ERC-7260 標準，這些資產能支持組合調用、權限控制、狀態追踪等高級功能。

• 鏈上確權流程

確權過程非常簡單：你上傳內容 → 工具自動格式化並加元數據 → 本地簽名生成“上傳聲明” → 一鍵提交註冊 → 獲得獨立 CodexID。 如需，還可以同步到以太坊、Solana 等其他鏈。

• 原生特性

每一份內容都能追踪誰用了、怎麼用的、賺了多少錢。 比如可以看到你的模型被誰引用、誰訓練過、誰再次出售，從而開啟“用即變現”的收益邏輯。 還支持 DAO 治理動態調整授權策略。

CodexField 構建了基於智能合約的可編程授權機制，可細化控制內容的訪問、調用、訓練、商用等行為，並實現自動結算和收入分發。

• 授權維度設計：你可以為你的內容設定“誰能看、誰能用、能不能訓練、是否能商用”，還可以設置訪問價格、調用頻率、時間窗口等條件，授權策略寫入 NFT 智能合約中，全鏈可查。
• 智能合約驗證與行為憑證：每次使用行為都自動生成“鏈上收據”，可用於分賬、結算和後續信用積累，任何合作方（比如 AI 平台）都能實時驗證權限並付款。
• 防濫用機制：平台引入“預授權 實時支付”機制：使用者先鎖定付款憑證，只有調用動作完成後，系統才觸發付款，確保每次使用都有人付費，創作者不會吃虧。

CodexField 的優勢在於其構建了一個完整、結構化的鏈上內容資產化體系，覆蓋內容確權、使用授權、行為追踪和收益分配全過程，支持代碼、模型、AIGC、知識等多種類型內容的上鍊交易，並通過 ERC-7260 標準與智能合約實現“用即結算”的內容金融機制，極大激勵創作者生產與流通優質內容。 平台同時具備 Git 工具鏈集成、多鏈存儲兼容性、行為可審計性等強大技術特性。

但其挑戰在於用戶使用門檻相對較高、內容質量管控與知識產權糾紛處理機制尚需強化，且內容資產流動性和外部協議適配仍處於早期階段。

2. 當週重點項目詳解

2.1. Consensys, Starknet參投，Trusta.AI分析報告—基於區塊鍊和AI的身份驗證與Sybil防禦方案

Trusta.AI 的願景是建立一個基於可信身份的加密智能（Crypto AI）網絡。 在這個涵蓋人類智能和人工智能的生態系統中，所有數據、聲譽和信用都將通過 Trusta 身份作為基礎進行積累。 最終將為所有智能體（人類智能 人工智能）建立一個普遍的信用基礎設施。

Sybil 攻擊者使用機器人和腳本自動化其賬戶之間的互動，導致這些賬戶聚集成惡意社區。 Trusta 的 2 階段 AI-ML 框架通過聚類算法識別 Sybil 社區：

：使用 Louvain 和 K-CORE 等社區檢測算法分析資產轉移圖（ATGs），以檢測密切連接的可疑 Sybil 群體。

：計算每個地址的用戶資料和活動。 K-means 聚類算法通過篩選不相似的地址來優化聚類，以減少第一階段的假陽性結果。

總的來說，Trusta 首先使用圖挖掘算法識別協調的 Sybil 社區。 接著，額外的用戶分析過濾掉異常值，提高精度，將連接性和行為模式結合起來，實現強大的 Sybil 檢測。

Trusta 分析 EOA 賬戶之間的資產轉移圖（ATGs）。 如橋接、交易所和智能合約等實體地址會被移除，重點關注用戶之間的關係。 Trusta 開發了專有的分析方法來檢測並去除中心地址。 生成了兩個 ATGs：

首次 Gas 轉移激活新的 EOA，形成一個稀疏的圖結構，適合分析。 這也代表了強關係，因為新賬戶依賴其 Gas 提供者。 Gas 網絡的稀疏性和重要性使其成為抗 Sybil 的重要工具。 複雜的算法可以挖掘這些網絡，同時 Gas 供應鏈接突出了有意義的賬戶激活關係。

                                            ATG 模式被檢測為可疑的 Sybil 群集

Trusta 通過社區檢測 Louvain 算法和一些已知攻擊模式分析資產轉移圖，以檢測 Sybil 群集，如圖所示：

• 星形發散攻擊：由同一來源資助的地址
• 星形匯聚攻擊：向同一目標發送資金的地址
• 樹狀攻擊：資金按樹狀拓撲分佈
• 鏈狀攻擊：資金按鏈狀拓撲從一個地址順序轉移到下一個地址

第一階段僅基於資產轉移關係生成初步的 Sybil 群集。 Trusta 在第二階段通過分析賬戶行為相似性進一步優化結果。

交易日誌揭示了地址活動模式。 Sybil 賬戶可能表現出相似性，例如與相同的合約/方法互動，具有相似的時間和金額。 Trusta 通過分析兩種變量類型的鏈上行為驗證第一階段的群集：

• 交易變量：這些變量直接來自鏈上行為，包括首次和最近交易日期、交互的協議或智能合約等信息。
• 個人資料變量：這些變量提供行為的聚合統計數據，例如交互金額、頻率和交易量。

             類似 K-means 的過程來優化 Sybil 群集

為了通過地址行為的多維表示優化初步的 Sybil 群集，Trusta 採用了類似 K-means 的過程。 這兩個 K-means 步驟會不斷迭代，直到收斂為止，從而得到優化後的 Sybil 群集。

基於聚類的算法在 Sybil 防禦中的應用，在當前階段具有若干優勢：

• 單純依賴歷史 Sybil 列表（如 HOP 和 OP Sybils）是不足夠的，因為新的 Rollup 和錢包不斷湧現。 僅使用以前的列表無法涵蓋這些新實體。
• 2022 年沒有可用的標準 Sybil 標籤數據集來訓練監督模型。 基於靜態的 Sybil/非 Sybil 數據進行訓練會引發模型精度和召回率的問題。 由於單一數據集無法包含所有 Sybil 模式，召回率因此有限。 此外，誤分類的用戶沒有反饋機制，這會阻礙精度的提升。
• 異常檢測不適合用於識別 Sybil，因為它們的行為與普通用戶相似。

因此得出結論：基於聚類的框架是當前階段最合適的方法。 然而，隨著更多地址的標註，Trusta 必將探索基於深度神經網絡的監督學習算法，如分類器。

基於在 TON 上進行的 TOH（人類測試）工作，Trusta 的項目 "t-TON: The Trustworthy and Open Network" 在 2024 年冬季的 TON 黑客松中獲得了冠軍。 在過去的六個月裡，TON 賬戶數量從超過 1000 萬激增到超過 1 億，這引發了關於生態系統內 Sybil 攻擊的關注。 Sybil 攻擊指的是惡意行為者使用腳本創建和控制大量假 Telegram/TON 賬戶，在應用內和鏈上進行活動，從而不正當地獲得更多的空投代幣。

在 TON 生態系統的背景下，TOH 的思路可以這樣理解：如果你的 TON 錢包積極參與了 Catizen，並且收到了 $CATI 空投，你將很容易回答這樣一個問題：“你在空投中收到了哪種代幣？(A) $NOT, (B) $CATI, (C) $DOGS”。 相比之下，一個腳本化的機器人將難以總結鏈上的信息並迅速作出回答，面對這樣個性化的問題時會遇到困難。

受到圖靈測試的啟發，Trusta.AI 基於用戶的 TON 活動設計了個性化的人類測試（TOH）系統。 我們收集 TON 數據，創建量身定制的問卷，並根據回答和表現來判斷是否為人類。 我們的“人類測試”系統簡單、互動、個性化，特點包括：

• 互動且簡便：用戶只需回答幾個簡單的直接問題，避免使用虹膜或面部識別等複雜方式。
• 個性化和安全：問卷是根據每個賬戶的個人行為量身定制的，這使得進行批量攻擊更加困難。
• 保護隱私：問題僅基於鏈上數據生成，最大限度減少個人隱私的洩露風險。
• AI 增強的用戶體驗：我們利用 ChatGPT 幫助設計問題，包括迷惑性答案選項。

Trusta的驗證不僅僅是檢查答案是否正確。 還評估用戶的響應時間、答案模式以及其他因素，從而做出全面的真實性判斷。 這種多維度的方法增強了我們對機器人的檢測能力。 此外，Trusta利用 AI 模型引入問題變種，使攻擊者更難預測或操控系統。 這兩種方法確保了Trusta的知識基礎驗證（KBA）系統保持強大和適應性。

區分人類智能、智能不足的機器人（bot）和人工智能至關重要。 為了應對這一複雜任務，我們確實需要多個模塊的協同合作。

上圖展示了多個假想模塊的協作。 此外，Trusta 剛剛開始探索多代理協調方法，以構建身份驗證代理系統。 下圖展示了該架構。 我們正在不斷改進這一框架，以便在 AI 時代，不同實體能夠被分配正確的身份。

TAS（Trusta 驗證服務）是一個基於區塊鏈的公共驗證註冊表。 它作為去中心化標識符（DID）驗證的公共工具。 類似於以太坊上的 EAS和 LINEA 上的 Verax，TAS 作為一個簡單的原語，允許任何去中心化應用（DApp）和協議訪問共享的“數據湖”中的公共數據。

驗證（Attestation）簡單來說是對某事的證明或證據。 它通常是由驗證發起者（或稱為驗證人）對某個具體事項所做的聲明。 例如，護照是一個人的國籍的驗證，學位證書是某人教育資歷的驗證。 在 Web3 的世界裡，驗證可以證明數字身份、數字資產的所有權、錢包的信任度或某個原語等。

• Portal 和 Portal 註冊表：Portals 是註冊在“Portal 註冊表”中的智能合約，可以視為 TAS 驗證註冊表的入口點。 所有的驗證都通過 Portals 進行。 具體來說，Portal 通過一系列模塊執行特定的驗證邏輯，所有驗證在提交到註冊表之前都會經過這些模塊。 Portal 通常與特定的發行者關聯，發行者會創建專門的 Portal 來發布他們的驗證，但 Portals 也可以對任何人開放，允許任何人使用。 創建 Portal 有兩種方式：使用默認的 Portal 或創建自定義 Portal。

所有的 Portals 必須註冊在 Portal 註冊表中。

• Schema 和 Schema 註冊表：Schema 是驗證的藍圖，概述了它包含的不同字段及其相應的數據類型。 任何人都可以在註冊表中創建 Schema，一旦創建，這些 Schema 可以供其他人重複使用。 例如，要創建表示某個人的驗證，我們可以定義一個像這樣的 Schema：（string username，string teamName，uint16 points，bool active）。 這定義了一個包含四個字段的 Schema。

Schema 存儲在 Schema 註冊表中，作為描述各種字段的字符串值。

• Module 和 Module 註冊表：Modules 是繼承自 AbstractModule 合約的智能合約，並註冊在 Module 註冊表中。 它們允許驗證創建者運行自定義邏輯，執行以下操作：
• 驗證驗證是否符合某些業務邏輯
• 驗證簽名或 zk-snark
• 執行其他操作，如轉賬代幣或鑄造 NFT
• 遞歸地創建另一個驗證

Modules 在 Portal 中被指定，所有通過該 Portal 創建的驗證都會經過指定的模塊。 Modules 也可以被鏈接在一起，形成具體功能的獨立模塊。

• Attestation 和 Attestation 註冊表：Attestations 通過“portals”創建，確保驗證與特定領域的邏輯一致。 Attestations 是根據“schemas”創建的，這些 schemas 描述了驗證數據的結構，即各個字段及其對應的數據類型。

假設 dapps（如 TrustGo）已經部署了自己的 Portal 合約，用於發布驗證，特別是 MEDIA 聲譽驗證。 以下是用戶申請並接收驗證的步驟：

Trusta 利用區塊鍊和 AI 技術提供了一種創新的身份驗證和 Sybil 防禦方案，通過去中心化的驗證服務（TAS）和多維度的行為分析有效提升了對欺詐行為的檢測能力。 其優勢包括高效的身份驗證、靈活的驗證框架、以及通過多代理系統和模塊化設計增強的可擴展性和適應性。

然而，系統的複雜性可能帶來一定的開發和維護挑戰，且目前依賴的多模塊協調和數據隱私保護仍需進一步優化，以確保在不同生態中的廣泛應用。

1. 市場整體表現

本週重點阻力：120250美元，120700美元，122000美元

本週重點支撐：118500美元，117800美元，117000美元

本週重點阻力：4000美元，4110美元

本週重點支撐：3870美元，3850美元，3800美元

2.公鏈數據

上週首次申請失業救濟人數連續第六週下降，顯示就業市場仍然韌性較強，但持續領取失業金人數仍處於較高水平，反映失業後重新就業難度略有增加。

本週（7月28日-8月1日）重要宏觀數據節點包括：

7月30日：美國7月ADP就業人數；

7月31日：美國至7月30日美聯儲利率決定，美國6月核心PCE物價指數年率；

8月1日：美國7月失業率；美國7月季調後非農就業人口

1. 美國通過 GENIUS Act，確立穩定幣聯邦監管框架

• 美國國會分別於 6 月與 7 月通過了《GENIUS Act》《Clarity Act》及《Anti‑CBDC Surveillance State Act》，在“Crypto Week”發起後，眾議院於 7 月 17 日一致通過，隨後總統簽署成為法律，標誌美國正式進入聯邦級穩定幣監管制度時代。
• GENIUS Act 要求穩定幣必須具備 1:1 的美元或低風險資產儲備、定期審計與透明披露，並禁止發行與 U.S.‑licensed 穩定幣支付利息。
• 此系列立法加強監管機構協同作用：SEC 和 CFTC 分工監管不同資產類型，CLARITY Act 明確監管職責劃分，Anti‑CBDC 法案阻止美國發行央行數字貨幣。

2. 歐盟 AMLA：加密資產被認定為首要洗錢風險

• 歐洲新成立的反洗錢監管機構 AMLA 將加密資產列為歐盟最主要的洗錢風險之一，指出穩定幣跨境互換存在監管套利與系統性風險。
• AMLA 將於 2028 年啟動直接監管，對約 40 家大型金融與加密機構實施一致標準，防範跨境風險傳染。

3. 英國：監管落後但展現“後發優勢”

• Coinbase UK 負責人稱，英國尚未出台成熟法規，但有機會藉鑑成熟法域（如歐盟 MiCA、美國立法）設計更合理制度，吸引機構入駐。
• 雖市場期待加速，但英國在立法速度上相對滯後，可能面臨失去市場先機的風險。

4. 巴基斯坦成立國家層面數字資產監管機構

• 巴基斯坦政府在 7 月組建 Virtual Assets Regulatory Authority（PVARA），負責許可虛擬資產服務商及製定行業標準。 並早在 3 月成立政府主導的 Pakistan Crypto Council（PCC），由財政部領導，幣安聯合創始人趙長鵬擔任顧問。
• 此舉標誌巴基斯坦從監管缺位轉向積極規劃監管佈局，力圖支持快速增長的數字資產市場。

5. 土耳其強化交易監管，要求平台採集資金來源與用途數據

• 土耳其財政部提出新規，對加密交易平台施加更嚴格 KYC/AML 管控，包括要求記錄交易資金來源和用途，並限制穩定幣跨境轉賬額度。