Le laboratoire d'IA du MIT-IBM a analysé 200 000 transactions Bitcoin . Seulement 2 % ont été qualifiées d'« illicites ».

La société d'analyse de blockchain Elliptic a collaboré avec des chercheurs du Massachusetts Institute of Technologies (MIT) et d'IBM pour publier un ensemble de données publiques sur les transactions Bitcoin associées à des activités illicites.

Le groupeétudeL'étude a détaillé comment les chercheurs du laboratoire d'IA Watson du MIT-IBM ont utilisé un logiciel d'apprentissage automatique pour analyser 203 769 transactions de nœuds Bitcoin , pour une valeur totale d'environ 6 milliards de dollars. L'étude a examiné si l'intelligence artificielle pouvait contribuer aux procédures actuelles de lutte contre le blanchiment d'argent (AML).

Seulement 2 % des 200 000 transactions en Bitcoin de l'ensemble de données ont été jugées illicites dans le cadre des travaux initiaux d'Eliptic. Si 21 % ont été identifiées comme légales, la grande majorité des transactions, soit environ 77 %, sont restées non classifiées. (À ce jour, on estime qu'il y a eu 440 millions transactions Bitcoin depuis le lancement du réseau en 2009.)

Pour être clair, ces 2 % proviennent d'un ensemble de données elliptiques auparavant non publiques, et ce chiffre a simplement été confirmé par l'analyse des chercheurs du MIT. Ces données concordent avec une étude de la société d'analyse concurrente Chainalysis, qui estimait à seulement 1 pour cent des transactions en Bitcoin en 2019 étaient connues pour être associées à des activités illicites.

Étant donné qu'Elliptic est fréquemment sollicité par les forces de l'ordre du monde entier pour identifier les activités illégales utilisant la Cryptomonnaie, cette recherche visait à identifier des modèles qui peuvent aider à distinguer l'utilisation illicite de l'utilisation légale du Bitcoin , en particulier parmi les individus non bancarisés ou d'autres entités inconnues.

« Les faux positifs constituent un problème majeur en matière de conformité. Une grande partie de ces recherches vise à minimiser ce nombre », a déclaré Tom Robinson, cofondateur d'Elliptic, à CoinDesk. « La principale conclusion est que les techniques d'apprentissage automatique sont très efficaces pour détecter les transactions illicites. »

Parfois, a ajouté Robinson, les logiciels étaient capables de trouver des modèles qui seraient difficiles à décrire mais qui correspondaient néanmoins à des entités connues, sur la base de données préexistantes provenant de Marchés du darknet, d'attaques de ransomware et d'autres enquêtes criminelles.

Suite à l’étude universitaire, Elliptic a rendu public le même ensemble de données pour encourager les contributions open source.

« Du côté de la lutte contre le blanchiment d'argent, nous partageons nos premières expériences avec des experts du domaine pour recueillir des commentaires », a déclaré Mark Weber, chercheur chez IBM, à CoinDesk, ajoutant :

« Nous espérons également que la publication de l'ensemble de données elliptiques incitera d'autres personnes à se joindre à l'effort visant à rendre nos systèmes financiers plus sûrs en développant de nouvelles techniques et de nouveaux modèles de lutte contre le blanchiment d'argent. »

CNBC

En avril, un rapport a indiqué que la forte demande de billets de 100 dollars américains était probablement due à une augmentation de la criminalité mondiale. Un rapport de 2017 de l'American Institute for Economic Research (https://www.aier.org/article/sound-money-project/how-much-cash-used-criminals-and-tax-cheats) estimait que « plus d'un tiers de la monnaie américaine en circulation est utilisée par des criminels et des fraudeurs fiscaux ».

Mise à jour (22h00 UTC, 6 août) :Le titre de cet article a été modifié et des éléments ont été ajoutés pour clarifier que le chiffre de 2 % a été calculé dans le travail initial d'Elliptic, et non dans l'analyse ultérieure impliquant le MIT-IBM Watson AI Lab.

MITimage via Shutterstock