Новые методы машинного обучения позволили выявить преступную деятельность в блокчейне Bitcoin, включая отмывание денег и передачу средств на подозрительные кошельки. Об этом сообщилиисследователи из 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 (GCN).
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
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.