Rozsáhlá nová datová sada by mohla zrychlit hledání AI pro praní špinavých peněz v kryptoměnách

Jako test jejich výsledného nástroje AI vědci zkontrolovali jeho výstupy s jednou kryptoměnovou burzou – kterou dokument nejmenuje – a identifikovali 52 podezřelých řetězců transakcí, které nakonec všechny vstoupily do této burzy. Ukázalo se, že burza již označila 14 účtů, které obdržely tyto prostředky za podezření z nezákonné činnosti, včetně osmi účtů, které označila jako spojené s praním špinavých peněz nebo podvodem, částečně na základě informací o svých zákaznících, které si vyžádala. od majitelů účtů. Navzdory tomu, že neměli přístup k těmto údajům o svých zákaznících ani k jakýmkoli informacím o původu finančních prostředků, model AI výzkumníků odpovídal závěrům vlastních vyšetřovatelů burzy.

Správná identifikace 14 z 52 těchto zákaznických účtů jako podezřelých nemusí znít jako vysoká úspěšnost, ale výzkumníci poukazují na to, že pouze 0,1 procenta účtů burzy je celkově označeno jako potenciální praní špinavých peněz. Jejich automatický nástroj, jak tvrdí, v podstatě snížil honbu za podezřelými účty na více než jeden ze čtyř. „Přejít z ‚jedna z tisíce věcí, na které se díváme, bude nezákonná‘ na 14 z 52 je šílená změna,“ říká Mark Weber, jeden ze spoluautorů článku a kolega z MIT’s Media Lab. „A teď se vyšetřovatelé ve skutečnosti chystají prozkoumat ostatní, aby viděli, počkejte, uniklo nám něco?“

Elliptic říká, že model AI již soukromě používá ve své vlastní práci. Jako další důkaz, že model umělé inteligence přináší užitečné výsledky, vědci píší, že analýza zdrojů finančních prostředků pro některé podezřelé transakční řetězce identifikované modelem jim pomohla objevit bitcoinové adresy ovládané ruským dark-webovým trhem, „mixérem“ kryptoměn navrženým zatemnit stopu bitcoinů na blockchainu a Ponziho schéma založené na Panamě. (Elliptic odmítl identifikovat kteréhokoli z těchto údajných zločinců nebo služeb jménem a řekl WIRED, že neidentifikuje cíle probíhajících vyšetřování.)

Možná důležitější než praktické využití vlastního modelu umělé inteligence výzkumníků je však potenciál tréninkových dat společnosti Elliptic, která výzkumníci zveřejnili na komunitním webu pro strojové učení a datovou vědu Kaggle vlastněné společností Google. „Elliptic si to mohl nechat pro sebe,“ říká Weber z MIT. „Namísto toho zde byl do značné míry étos open source přispívat komunitě něčím, co umožní všem, dokonce i jejich konkurentům, být lepší v boji proti praní špinavých peněz.“ Elliptic poznamenává, že data, která zveřejnila, jsou anonymizovaná a neobsahují žádné identifikátory vlastníků bitcoinových adres nebo dokonce adres samotných, pouze strukturální data „podgrafů“ transakcí, které označila svými hodnoceními podezření z praní špinavých peněz.

Tato obrovská zásoba dat nepochybně inspiruje a umožní mnohem více výzkumu zaměřeného na umělou inteligenci v oblasti praní špinavých peněz v bitcoinech, říká Stefan Savage, profesor počítačových věd na Kalifornské univerzitě v San Diegu, který sloužil jako poradce hlavního autora klíčového sledování bitcoinů. dokument publikovaný v roce 2013. Argumentuje však, že současný nástroj pravděpodobně ve své současné podobě nezpůsobí revoluci v úsilí o boj proti praní špinavých peněz v kryptoměnách, spíše slouží jako důkaz konceptu. „Myslím, že analytik to bude mít s nástrojem, který je, těžké druh někdy správně,“ říká Savage. „Vnímám to jako pokrok, který říká: ‚Hej, je tu něco. Na tom by mělo pracovat více lidí.“