这套系统在币安灵魂绑定代币（BAB）的真实空投数据中经受住了考验。BAB 是币安 2022 年推出的灵魂绑定代币，用于验证完成 KYC 的真实用户身份，因此成为检测女巫行为的理想试验场。
团队首先通过人工分析和聚类筛选出可疑地址，设立申诉审核机制确认最终的女巫地址标签。清洗数据时排除机构地址（如交易所热钱包）、智能合约和存活超 1 年的地址（女巫为避检测常废弃旧地址），确保数据集的纯净性。
结果显示，新方法对三类作弊网络的识别率达到了较高的精度：
-
星型网络识别率 99%（旧方法最高 95%）
-
链式结构识别率 100%（旧方法最高 95%）
-
树状扩散识别率 97%（旧方法最高 95%）
四大核心指标全部突破 0.9: 精确率达 0.943（旧最优模型为 0.796）、召回率达 0.918（意味超 91% 的女巫地址被捕获）、F1 综合分数达 0.930、AUC 值达 0.981（接近完美分类）。这意味着项目方可大幅减少误伤真实用户的风险，同时堵住作弊漏洞。
技术边界与未来战场该技术当前主要适用于长期空投场景（如分阶段发放的灵魂绑定代币），因为这类活动能积累足够的标签数据供 AI 学习。在区块链兼容性上，它支持以太坊虚拟机（EVM）兼容链（如 BNB Chain、Polygon），暂不适用于比特币等 UTXO 模型链，不过论文指出，高 Gas 成本使空投活动极少在 UTXO 链开展，实际影响有限。
研究团队强调，此技术的潜力远超空投领域。由于它通过交易网络与行为模式识别异常，同样可应用于：
-
侦测市场操纵行为（如拉盘砸盘中的协同地址）。
-
评估代币流动性风险（识别虚假交易对）。
-
构建链上信用评分体系。
随着女巫攻击策略持续进化，这场守护 Web3 公平性的技术军备竞赛，将推动检测系统向更智能、更通用的方向迭代发展。