该论文聚焦以太坊上的「地址投毒转账」（Address-Poisoning Transfer, APT）这一区块链钓鱼骗局。攻击者并不需要攻破任何密码学机制，而是利用用户的操作习惯：当受害者曾与某个良性地址发生过交易后，攻击者会生成一笔金额极小（通常为 0 或尘埃金额）的转账，其发送方地址在首尾若干字符上与受害者地址簿中的良性地址高度相似。受害者日后从交易历史中复制地址时，极易误选这条伪造地址，从而把大额资金转入攻击者控制的钱包。作者指出，尽管手法简单，APT 近年已造成用户数百万美元损失，并已被学术界关注，此前工作包括 Ye 等（WWW'24）、Guan-Li（CCS'24）、Chen 等（NDSS'25）以及 Tsuchiya 等（USENIX'25），但这些研究主要停留在检测层面。本文明确「超越检测」，系统性地研究 APT 三个此前被忽视的维度：一是诈骗资金的来源与资助机制（攻击者如何为其操作提供初始资金）；二是诈骗指纹（scam signatures），作者提出五个指纹族，用以刻画 APT 运营的关键特征，可直接服务于地址聚类与团伙归因；三是诈骗所得的洗钱路径，尤其是通过公共服务的变现环节。论文声称完成了首个针对「利用 Tornado Cash 为 APT 提供资金并清洗诈骗所得」的系统性调查，把钓鱼诈骗的检测问题延伸为一条涵盖资助、执行、洗钱的完整资金流分析链路。对安全从业者而言，其价值在于提供了可迁移到地址聚类、交易图谱分析和加密犯罪资金追踪的特征体系，而非单点检测规则。因仅有摘要，具体数据集规模、标注方法、指纹定义细节与量化评估指标（如精确率、召回率、涉及金额统计）均无法确认。

本研究针对区块链取证中广泛使用的地址聚类技术——多输入启发式（MIH）进行了可靠性评估。MIH通过将可能属于同一实体的地址聚类，帮助执法部门追踪非法加密货币流动。尽管该方法被普遍采用，但此前缺乏基于可靠真实数据的系统评估。为此，作者实现了一个可复用的评估框架，涵盖九项成熟指标，并利用从欧洲加密货币服务提供商（在法定报告义务下）直接获取的真实地址-实体映射数据作为基准。实验发现：当评估仅限于已报告地址时，MIH在数据集层面表现良好（召回率0.71，且未出现不同服务间的合并）；但这一结果主要受单一大型服务驱动，且忽略了被纳入完整聚类的未标记地址。当采用衡量完整聚类的指标时，精确率和召回率显著下降（分别为0.36和0.44），表明服务往往仅被部分恢复或嵌入更大的聚类中。实体层面分析进一步揭示，部分服务几乎完全聚类失败。因此，当MIH聚类结果用于支持犯罪嫌疑、初步查封加密货币资产以保障后续没收、或在审判程序中作为证据时，检察官和法官必须考虑该启发式方法在度量和实体层面的依赖性可靠性。该研究为执法部门、取证分析工具开发者和法律从业人员提供了重要的实证依据。