Blockchain Sleuth Elliptic explora IA e combate à lavagem de dinheiro usando 200 milhões de transações Bitcoin

Como pesquisador com experiência em análise de blockchain e detecção de lavagem de dinheiro usando aprendizado de máquina, considero o trabalho recente da Elliptic sobre detecção de padrões de lavagem de dinheiro no blockchain Bitcoin usando seu novo conjunto de dados “Elliptic2” de 200 milhões de transações bastante intrigante. Esta é uma expansão significativa em relação ao conjunto de dados utilizado no seu programa anterior em 2019, que incluía apenas 200.000 transações.

---

Elliptic, uma empresa líder em análise de blockchain, revelou que seu sistema de IA identificou atividades suspeitas de lavagem de dinheiro na rede Bitcoin com base no aprendizado de mais de 200 milhões de transações anteriores.

Em 2019, conduzimos um estudo utilizando um conjunto de dados de transações composto por 200.000 registros. Nosso projeto mais recente baseia-se nessa pesquisa, empregando o conjunto de dados “Elliptic2” consideravelmente maior. Este novo conjunto de dados consiste em mais de 122.000 “subgráficos” identificados, que são agrupamentos de nós interconectados e cadeias de transações previamente sinalizadas por seu envolvimento em atividades ilícitas.

À medida que a quantidade de dados aumenta para o treinamento de algoritmos de aprendizado de máquina em IA, sua capacidade de obter insights mais profundos se torna mais profunda. Dados transparentes de transações de criptomoedas como o bitcoin oferecem uma riqueza de material para essa finalidade. Em um estudo colaborativo com pesquisadores do MIT-IBM Watson AI Lab, a Elliptic utilizou essas transações para identificar os padrões distintos associados à lavagem de dinheiro em criptomoedas e categorizar efetivamente novas atividades ilícitas.

Tom Robinson, cofundador da Elliptic, afirmou por e-mail que os métodos de lavagem de dinheiro detectados por seu modelo foram reconhecidos devido à sua prevalência em criptomoedas como o bitcoin. Ele acrescentou que as táticas de lavagem de dinheiro criptográfica se adaptarão à medida que se tornarem menos eficazes, mas um benefício da utilização de IA/aprendizado profundo é a identificação de tendências emergentes de lavagem de dinheiro de forma autônoma.

Como analista, descobri que vários subgráficos questionáveis ​​consistem no que é infamemente chamado de “cadeias de descascamento”. Nesses cenários, um usuário transfere criptomoeda para um endereço de destino específico, mas mantém o troco ou o restante para si. Este processo é repetido várias vezes para criar uma cadeia complexa.

“De acordo com o artigo de pesquisa da Ellptic, nas finanças convencionais, grandes somas de dinheiro são divididas em inúmeras transações menores para contornar os limites regulatórios e escapar ao escrutínio. Esta prática é conhecida como ‘smurfing’.”

Como investidor em criptografia, me deparei com a prática de usar “serviços intermediários” ou “plataformas aninhadas” em minhas transações. Estas são empresas que facilitam transferências de fundos entre contas em grandes bolsas de criptomoedas, muitas vezes sem o consentimento explícito da própria bolsa.

Como analista financeiro, descobri que os serviços aninhados, que são integrados em plataformas maiores, muitas vezes têm procedimentos de due diligence do cliente menos rigorosos do que as bolsas de criptomoedas das quais dependem. Em alguns casos, esses serviços aninhados nem mesmo realizam qualquer verificação contra lavagem de dinheiro. Esta falta de escrutínio torna-os alvos atrativos para criminosos que procuram lavar criptomoedas, o que pode levar à sua inclusão em subgráficos suspeitos de acordo com o modelo que venho analisando.