數位經濟正在興起中，如果美麗新世界到來，每個人的數位經濟供應鏈上將有許多時時刻刻在競爭的服務提供商。銀行將只是數位經濟供應鏈上的一個節點，與其他 FinTech 公司甚至個人激烈競爭。世界走向自動化，智能化，anytime on-line 的數位經濟服務網路。在這美麗新世界，all-time，all-place, all-provider 的數位經濟服務網路勢必需要一個信任機制。區塊鏈身為信任機制，將是數位經濟服務網路的基礎建設之一，因此，現今許多先進國家已投入大量資金於區塊鏈的技術研發中。

區塊鏈身為Trust machine,智能合約及數據分析分別代表program and data。Machine，Program，Data 可綜觀全局。我們以區塊鏈(blockchain)開場，講述五個面向。
－ 安全性
－ 隱私性
－ Scalability
－ Flexibility
－ 算法算力（包含共識算法及驗證算力）

因為每一筆加密貨幣的交易歷史，都儲存在區塊鏈 (blockchain) 的記錄中，包括關聯賬戶的信息以及交易的數量。Machine 講完後，接下來講述 program and data：智能合約及數據分析。智能合約如果沒做好，可在一月內吸金了一億六千萬美金，並隨後在半個月後被盜六千萬美金。而且目前對於監管機構來說，加密貨幣的交易還 不像信用卡交易那麼透明。如何做好 Machine, Program, Data 是當務之急。

德國和瑞士學者的一項研究顯示，約 40% 加密貨幣用戶的真實身份可被發現。大數據分析十分重要。常見的可疑交易模式包括：
• Looping: 交易形成迴圈，在經過數筆交易之後，金流再度回到同一人帳戶。
• Unusual activity: 該地址在短時間內出現高頻交易活動
• Instant high volume: 該地址出現單筆大額交易活動
本課將給定時間區間，並提供區塊鏈上的真實交易資料，由學生扮演數字金融犯罪偵察官的角色，在學期內的一定時間內試圖辨識所有可疑交易活動。Our data ensemble includes:
Confirmed transactions on Blockchain;
All confirmed and unconfirmed transactions and associated data not included in Blockchain;
Data from digital currency exchanges, wallets, payment processors and miners;
User data (payments flow, demographics etc.);
Illegal activities and payments;

For Transaction Analytics, we will teach comprehensive analysis for Credit Metrics & Fraud Detection
o Machine learning analytics for real-time transaction tracking and credit scoring
o Early warning system against fraudulent activities and hacking;
o Identity verification and classification of persons or companies involved in a transaction