Sinuri ng MIT-IBM AI Lab ang 200,000 Mga Transaksyon sa Bitcoin . 2% Lang ang Nilagyan ng Label na 'Illicit'

Ang Blockchain analytics firm na Elliptic ay nakipagtulungan sa mga mananaliksik mula sa Massachusetts Institute of Technology (MIT) at IBM upang mag-publish ng isang pampublikong dataset ng mga transaksyon sa Bitcoin na nauugnay sa ipinagbabawal na aktibidad.

Ang grupo pag-aaraldetalyado kung paano ginamit ng mga mananaliksik sa MIT-IBM Watson AI Lab ang machine learning software upang pag-aralan ang 203,769 Bitcoin node na transaksyon na nagkakahalaga ng humigit-kumulang $6 bilyon sa kabuuan. Sinaliksik ng pananaliksik kung ang artificial intelligence ay makakatulong sa mga kasalukuyang pamamaraan ng anti-money laundering (AML).

2 porsiyento lamang ng 200,000 na transaksyon sa Bitcoin sa set ng data ang itinuring na bawal bilang bahagi ng unang gawain ng Eliptic. Habang 21 porsiyento ang natukoy bilang legal, ang karamihan sa mga transaksyon, humigit-kumulang 77 porsiyento, ay nanatiling hindi naiuri. (Sa ngayon, may tinatayang 440 milyon mga transaksyon sa Bitcoin mula nang ilunsad ang network noong 2009.)

Upang maging malinaw, ang 2 porsiyento ay mula sa isang Elliptic data set na dati ay hindi pampubliko at ang figure ay pinatunayan lamang ng pagsusuri ng mga mananaliksik ng MIT. Ang punto ng data ay naaayon sa isang pag-aaral mula sa nakikipagkumpitensyang analytics firm Chainalysis, na tinantiya lang 1 porsyento ng mga transaksyon sa Bitcoin noong 2019 ay kilala na nauugnay sa ipinagbabawal na aktibidad.

Dahil ang Elliptic ay madalas na kinukuha ng mga ahensyang nagpapatupad ng batas sa buong mundo upang tukuyin ang mga ilegal na aktibidad gamit ang Cryptocurrency, ang pananaliksik na ito ay naglalayong tukuyin ang mga pattern na makakatulong na makilala ang ipinagbabawal na paggamit mula sa legal na paggamit ng Bitcoin , lalo na sa mga hindi naka-banked na indibidwal o iba pang hindi kilalang entity.

"Ang isang malaking problema sa pagsunod, sa pangkalahatan, ay mga maling positibo. Ang isang malaking bahagi ng pananaliksik na ito ay pinaliit ang bilang ng mga maling positibo," sinabi ng co-founder ng Elliptic na si Tom Robinson sa CoinDesk. "Ang pangunahing paghahanap ay ang mga diskarte sa pag-aaral ng machine ay napaka-epektibo sa paghahanap ng mga transaksyon na ipinagbabawal."

Minsan, idinagdag ni Robinson, ang software ay nakahanap ng mga pattern na mahirap ilarawan ngunit tumugma pa rin sa mga kilalang entity, batay sa dati nang data mula sa mga darknet Markets, pag-atake ng ransomware at iba pang kriminal na pagsisiyasat.

Kasunod ng akademikong pag-aaral, ginawang pampubliko ng Elliptic ang parehong dataset para hikayatin ang mga open-source na kontribusyon.

"Sa panig ng AML, ibinabahagi namin ang aming mga naunang eksperimento sa mga eksperto sa domain upang humingi ng feedback," sinabi ng researcher ng IBM na si Mark Weber sa CoinDesk, idinagdag:

"Umaasa din kami na ang paglabas ng Elliptic Data Set ay nagbibigay inspirasyon sa iba na sumali sa pagsisikap na tumulong na gawing mas ligtas ang aming mga financial system sa pamamagitan ng pagbuo ng mga bagong diskarte at modelo para sa AML."

CNBC

iniulat noong Abril na ang tumataas na demand para sa U.S. $100 bill ay malamang na hinimok ng pagtaas ng pandaigdigang aktibidad ng kriminal. Ang isang ulat noong 2017 ng American Institute for Economic Researchhttps://www.aier.org/article/sound-money-project/how-much-cash-used-criminals-and-tax-cheats, ay tinantiya na "mahigit sa isang katlo ng lahat ng currency ng US sa sirkulasyon ay ginagamit ng mga kriminal at mga cheats sa buwis."

Update (22:00 UTC, Ago. 6): Ang pamagat ng artikulong ito ay binago at ang wika ay idinagdag upang linawin na ang 2 porsiyentong bilang ay kinakalkula sa unang gawain ng Elliptic, at hindi sa kasunod na pagsusuri na kinasasangkutan ng MIT-IBM Watson AI Lab.

MIT larawan sa pamamagitan ng Shutterstock