Интересно ИИ ловит криптопреступников за руку, раскрывая неправомерные транзакции

[Sepultura_North]

ИИ ловит криптопреступников за руку, раскрывая неправомерные транзакции​

2 мая, 2024

Отмыть деньги больше не выйдет, ведь GCN без труда выследит все грязные биткоины.

Новые методы машинного обучения позволили выявить преступную деятельность в блокчейне Bitcoin - это первая и самая известная криптовалюта в мире. Это децентрализованная цифровая валюта, которая работает на основе блокчейна - распределенной базы данных, которая хранит информацию о всех транзакциях с биткоином.

Биткоин позволяет пользователям отправлять и получать деньги напрямую друг другу без посредников, таких как банки или платежные системы.

Биткоин имеет ограниченное предложение в 21 миллион монет и регулируется алгоритмом, который контролирует скорость и сложность его добычи.
Bitcoin, включая отмывание денег и передачу средств на подозрительные кошельки. Об этом сообщили исследователи из Основным направлением деятельности компании Elliptic является инструмент для анализа блокчейна для борьбы с отмыванием денег. Компания также разрабатывает программное обеспечение для судебной экспертизы, которое правоохранительные органы используют для отслеживания финансирования террористов биткойнами.
Elliptic в сотрудничестве с MIT-IBM Watson AI Lab.

В ходе исследования был проанализирован 26-гигабайтный набор данных, содержащий 122 тысячи маркированных подграфов в пределах блокчейна, включающего 49 миллионов узлов и 196 миллионов транзакций. Датасет был озаглавлен исследователями «Elliptic2», а полученная информация позволила определить связи между кошельками и транзакциями, связанными с незаконной деятельностью в блокчейне.
Нетрудно догадаться, что «Elliptic2» является продолжением исследования «Elliptic1», первоначально опубликованного в июле 2019 года. Цель проекта — борьба с финансовыми преступлениями с помощью технологий машинного обучения, а именно графовых сверточных нейронных сетей (Графовые свёрточные сети Graph Convolutional Networks, GCN – это тип нейронных сетей, предназначенный для работы с данными, представленными в виде графов. Эти сети позволяют анализировать и извлекать закономерности в данных, где объекты узлы графа соединены друг с другом различными связями рёбрами графа.

GCN особенно эффективны в задачах, где важно учитывать не только признаки отдельных объектов, но и их связи. Например, в социальных сетях для анализа связей между пользователями, в молекулярной биологии для изучения структуры белков, а также в рекомендательных системах и анализе текстов.

Принцип работы GCN заключается в агрегации информации от соседних узлов и рёбер для каждого узла графа. Это позволяет модели обучаться на структуре графа, оптимизируя способ обработки и комбинирования информации от разных узлов.

Таким образом, GCN представляет собой мощный инструмент для анализа данных, структурированных в виде графов, обладая способностью учитывать сложные связи между элементами данных.

Том Робинсон, главный научный сотрудник и сооснователь компании Elliptic, объяснил, что использование машинного обучения на уровне подграфов позволяет предсказать, являются ли определённые криптотранзакции доходами от преступной деятельности. Это отличается от традиционных методов анализа, направленных на отслеживание активности заведомо нелегальных криптокошельков.
Исследование применило три метода классификации подграфов: GNN-Seg, Sub2Vec и GLASS, что позволило выявить множество счетов криптобирж, потенциально занимающиеся нелегитимной деятельностью.
Также были идентифицированы различные паттерны отмывания криптовалют, включая так называемые Peeling Chain или «цепочка отслаивания» – это метод в криптовалютных транзакциях, который используется как для законных целей, так и для отмывания денег. Суть метода заключается в последовательном разделении исходной суммы на меньшие части.

В рамках Peeling Chain процесс выглядит следующим образом: изначально имеющаяся сумма криптовалюты отправляется на один адрес. С этого адреса небольшая часть суммы «отслаивается» и переводится на другой адрес, а оставшаяся часть суммы — на третий адрес, который также контролируется отправителем. Затем процесс повторяется с каждым новым адресом.

Этот метод позволяет «размыть» следы первоначальной транзакции, усложняя процесс отслеживания источника средств. В легитимных случаях он может использоваться для защиты конфиденциальности финансовых переводов, а в нелегитимных — для скрытия происхождения незаконно полученных средств.
«Peeling Chain». В дальнейшем исследования будут направлены на повышение точности и детализации методов анализа, а также на расширение их применения на другие блокчейны.