该论文研究了以太坊隐私混币器Railgun中的用户行为泄漏问题。尽管底层加密协议（如零知识证明）能保证交易匿名性，但用户的行为模式——如交易时间模式、地址重复使用、交易图邻近性、金额指纹以及背包问题匹配——仍可能导致匿名性显著损失。作者提出了五种启发式方法，用于估计给定存款和取款交易属于同一用户的概率。具体包括：(1) 特征时间模式：分析交易时间间隔和分布；(2) 地址重用：检查是否同一地址被多次使用；(3) 交易图邻近性：基于公开交易记录，构建图并度量节点间距离；(4) 金额指纹：保留交易金额中独特的数字模式（如尾数、舍入方式）；(5) 背包匹配：寻找一组存款和取款金额之和相等或近似相等的组合。实验结果显示，17.65%的Railgun取款交易可通过这些方法唯一链接到存款交易。此外，应用背包求解器算法，取款交易的中位数匿名集大小减少了3.42比特。该工作揭示了即使采用强加密的隐私系统，用户行为仍可能导致实质性的匿名性损失，为理解混币器和匿名池的实际隐私极限提供了实证，并提出了更安全的使用方法和设计原则。