论文提出AMLGuard，一种面向账户型区块链的语义感知反洗钱(AML)框架。针对DeFi生态中日益频繁的加密货币安全事件，攻击者通常在被盗后迅速通过复杂交易转移资产、隐藏非法资金来源并最终兑换为法定货币。现有AML方法难以处理DeFi交易的语义复杂性：要么依赖低层级代币转移，要么进行与协议无关的资金流分析，无法捕获交易的高层意图。AMLGuard通过语义分析追踪来自已知恶意地址的非法资金流，实现准确、持续的洗钱追踪。对复杂交易，AMLGuard结合静态规则分析与检索增强的大语言模型(LLM)推理，推断隐式DeFi语义，将原始交易数据转化为高层语义表示。对跨链交易（洗钱意图不显式暴露），AMLGuard解析交易参数并进行参数分析以恢复跨链语义，实现跨账本的无缝追踪。基于推断语义，AMLGuard将每笔交易抽象为DeFi语义单元(DSU)。在82个真实洗钱案例（涉及超过10亿美元非法资产）上的评估显示，AMLGuard重构的紧凑资金流拓扑在单一链和跨链数据集上的目的地精确率分别达94.4%和87.6%，地址召回率最高达98.4%和95.8%，目的地召回率最高达94.1%和93.8%。