Фирма за блокчейн анализ си сътрудничи с изследователи от Масачузетския технологичен институт (MIT) за откриване на модели на незаконна дейност при Биткойн транзакциите.

Elliptic си сътрудничи с изследователи от MIT за публикуване на набор от данни за Биткойн транзакции, свързани с незаконна дейност.

Проучването на групата подробно описва как изследователи от лабораторията MIT-IBM Watson AI използват софтуер за машинно обучение за анализ на 203,769 транзакции на Биткойн нодове на обща стойност около 6 милиарда долара. 

Изследването разглежда дали изкуственият интелект може да подпомогне настоящите процедури против пране на пари (AML).

Само 2 процента от 200,000 Биткойн транзакции в проучването можеха да бъдат счетени за незаконни, според част от първоначалната работа на Eliptic. Докато 21 процента бяха определени като законни, по-голямата част от транзакциите, приблизително 77 процента, останаха некласифицирани.

Към днешна дата е имало приблизително 440 милиона транзакции с BTC след старта на мрежата през 2009 г.

Важно е да се подчертае, че тези 2 процента идват от набор от данни на Elliptic, които по-рано не бяха публични и цифрата беше просто потвърдена от анализа на изследователите на MIT. 

Твърдението е в съответствие с проучване на конкурентната аналитична фирма Chainalysis, според което само за 1 процент от Биткойн транзакциите през 2019 г. се знае, че са свързани с незаконна дейност.

Тъй като Elliptic често се наема от правоприлагащи агенции по целия свят, за да идентифицира незаконни дейности, използващи криптовалути, това проучване има за цел да идентифицира модели, които могат да помогнат да се разграничи незаконното използване на BTC от законното, особено сред небанкови лица.

“Като цяло голям проблем със спазването на изискванията е фалшивите положителни резултати. Голяма част от това изследване е свеждане до минимум броя на лъжливите положителни резултати “, заяви съоснователят на Elliptic, Том Робинсън. 

Ключовото твърдение е, че техниките за машинно обучение са много ефективни при намирането на незаконни транзакции.

Понякога, добави Робинсън, софтуерът успяваше да намери модели, които могат да бъдат трудни за описване, но все пак съвпадат с известни организации, въз основа на съществуващи данни от пазарите на тъмни мрежи, рансъмуер атаки и други криминални разследвания.

“От страна на AML, ние споделяме нашите ранни експерименти с експерти в областта, за да изискаме обратна връзка“, казва изследователят на MIT, Марк Уебър, като добави:

Надяваме се също, че пускането на Elliptic Data Set ще вдъхнови и другите да се присъединят към усилията да помогнат да направим нашите финансови системи по-безопасни чрез разработване на нови техники и модели за AML.