活动回顾 ｜BlockSec CEO亮相南洋区块链大会，解析稳定币安全合规与Web3-AI融合

8 月 16-17 日，Nanyang Blockchain Conference 2025 在新加坡南洋理工大学成功举办。作为南洋理工大学金融计算技术中心(NTU-CCTF)主办的年度盛会，本次大会汇聚了全球学者、投资者、企业家等各界人士，聚焦区块链协议、安全计算等技术创新。会议由以太坊创始人 Vitalik Buterin 担任荣誉主席，IEEE 区块链技术社区深度参与支持。BlockSec CEO周亚金教授受邀参会，并在两个环节发表见解。

👆点击查看大会精彩瞬间

专题演讲：稳定币安全与合规挑战全景解析

8月17日上午10:30，周亚金教授在“Security and Compliance”专场发表专题演讲，围绕稳定币安全与合规挑战，从技术架构、风险控制、监管合规等维度剖析稳定币生态问题，并结合BlockSec在智能合约审计、安全监控及AML/CFT合规方面的实践，为项目“安全+合规”建设提供指导。

从设计到风险的全链条分析

结合BlockSec对95个市值超1000万美元稳定币的深度研究，周亚金教授详解了稳定币的两类核心模式：

🟠 抵押型稳定币：以法币、加密货币（如Eth）、实物资产（如黄金、房地产）等为抵押，其安全性高度依赖抵押资产的充足性与安全性；

🟠 算法型稳定币：依赖算法调节供需维持价格稳定，但其机制设计的复杂性易引发系统性风险（如Terra UST/LUNA的价格崩盘事件）。

周亚金教授强调，抵押资产的“真实性”与“可赎回性”是关键痛点。以 2025 年 4 月发生的 First Digital USD (FDUSD) 事件为例，当时市场因发行方涉嫌挪用抵押资产的指控而引发恐慌，导致 FDUSD 出现短期脱锚。该事件表明，若缺乏充分且可验证的抵押资产透明性，稳定币市场将面临更高的信任风险与系统性不稳定性。

此外，智能合约漏洞也是稳定币安全的重大隐患。例如 2022 年 Solana 生态的 Cashio 稳定币因 “无限铸造” 漏洞损失 5200 万美元，Tether Gold 曾因代码缺陷导致用户资产可被未经授权转移。针对这类风险，BlockSec 的智能合约审计服务可通过全流程代码检测（覆盖 Solidity、Rust 等多语言）识别潜在漏洞，同时其安全监控产品能实时追踪链上异常交易，提前预警攻击行为。

合规挑战：从技术到监管的协同破局

在合规层面，周亚金教授指出，稳定币已成为非法活动的“新载体”——2024年全球加密货币非法交易量达513亿美元，稳定币因价值稳定特性，已超越比特币成为犯罪活动的首选工具。

现场，周亚金教授还展示了稳定币在东南亚人口贩运中的滥用案例：犯罪团伙通过 Telegram 建立担保群组，以 USDT 作为交易媒介，每转移一名受害者收取约 1 万美元费用，仅 2025 年 2 月至 7 月间就已识别出 634 个人口贩运相关地址，涉及资金近 1200 万美元，这些资金最终通过中心化交易所完成洗钱闭环。

周亚金教授进一步分析，传统 AML/CFT（反洗钱 / 反恐怖融资）框架在加密领域存在显著适配难题：传统模式依赖银行等中介机构的账户 KYC 信息共享（travel rule），但区块链的去中心化特性使得 “中介” 定义模糊（非托管钱包即可成为交易节点），加之匿名性、跨链性、全球化及 “零成本开户、秒级转移” 等特点，大幅提升了监管难度。

基于 BlockSec 的实践经验，周亚金教授提出 “技术 + 监管” 协同方案：通过 Phalcon Compliance 合规平台的 4 亿 + 非法地址标签库与 FATF 标准风控矩阵，实现交易实时监控、风险预警与自动上报，帮助虚拟资产服务商 (VASP) 适配全球监管要求。该方案正是针对数字货币的去中心化特性设计，可有效覆盖非托管钱包交易、跨链资金流动等传统 AML 难以触及的场景。

圆桌论坛：Web3 与 AI 融合的信任与智能化探索

下午 4:45，周亚金教授参与主题为 《Intelligent and Trustless: The Convergence of Web3 and AI》 的圆桌论坛，与澳大利亚 CSIRO Data61 的 Shiping Chen 教授、IEEE 区块链技术社区的 Ramesh Ramadoss 博士等专家，共同探讨 Web3 与 AI 融合的核心命题。

周亚金教授指出，随着 Web3 与 AI、传统金融的深度融合，安全与信任将成为核心竞争力。BlockSec 已在这一领域展开实践：其 MetaSuites（前身为 MetaDock）插件通过 AI 技术解读复杂链上交易（https://foresightnews.pro/article/detail/36318），帮助用户快速理解交易背后的业务逻辑；在 AML 场景中，AI 模型可基于历史数据识别风险地址模式，提升非法资金追踪效率。这些技术应用正推动 Web3 生态向更智能、更安全的方向发展。