El laboratorio de inteligencia artificial del MIT-IBM analizó 200.000 transacciones de Bitcoin . Solo el 2% fueron etiquetadas como "ilícitas".

La firma de análisis blockchain Elliptic colaboró ​​con investigadores del Instituto Tecnología de Massachusetts (MIT) e IBM para publicar un conjunto de datos públicos de transacciones de Bitcoin asociadas con actividades ilícitas.

El grupoestudiarSe detalló cómo los investigadores del Laboratorio de IA Watson del MIT-IBM utilizaron software de aprendizaje automático para analizar 203.769 transacciones de nodos de Bitcoin por un valor total aproximado de 6.000 millones de dólares. La investigación exploró si la inteligencia artificial podría contribuir a los procedimientos actuales contra el blanqueo de capitales (AML).

Solo el 2% de las 200.000 transacciones de Bitcoin del conjunto de datos se consideraron ilícitas como parte del trabajo inicial de Eliptic. Si bien el 21% se identificó como legal, la gran mayoría de las transacciones, aproximadamente el 77%, permanecieron sin clasificar. (Hasta la fecha, se estima que... 440 millones transacciones de Bitcoin desde el lanzamiento de la red en 2009).

Para ser claros, el 2% proviene de un conjunto de datos de Elliptic que previamente no era público y la cifra fue simplemente confirmada por el análisis de los investigadores del MIT. El dato coincide con un estudio de la firma de análisis competidora Chainalysis, que estimó que solo... 1 por ciento Se sabía que el 80% de las transacciones de Bitcoin en 2019 estaban asociadas con actividades ilícitas.

Dado que las agencias policiales de todo el mundo contratan frecuentemente a Elliptic para identificar actividades ilegales que utilizan Criptomonedas, esta investigación tuvo como objetivo identificar patrones que puedan ayudar a distinguir el uso ilícito del uso legal de Bitcoin , especialmente entre personas no bancarizadas u otras entidades desconocidas.

Un gran problema con el cumplimiento normativo, en general, son los falsos positivos. Gran parte de esta investigación se centra en minimizar su número —declaró Tom Robinson, cofundador de Elliptic, a CoinDesk. El hallazgo clave es que las técnicas de aprendizaje automático son muy eficaces para detectar transacciones ilícitas.

A veces, agregó Robinson, el software pudo encontrar patrones que serían difíciles de describir pero que aún así coincidían con entidades conocidas, basándose en datos preexistentes de Mercados de redes oscuras, ataques de ransomware y otras investigaciones criminales.

Tras el estudio académico, Elliptic hizo público el mismo conjunto de datos para fomentar contribuciones de código abierto.

"En cuanto a la lucha contra el lavado de dinero, estamos compartiendo nuestros primeros experimentos con expertos en el sector para solicitar su opinión", declaró a CoinDesk el investigador de IBM, Mark Weber, y añadió:

También esperamos que la publicación del Conjunto de Datos Elípticos inspire a otros a sumarse al esfuerzo de hacer nuestros sistemas financieros más seguros mediante el desarrollo de nuevas técnicas y modelos para la lucha contra el lavado de dinero.

CNBC

En abril se informó que la creciente demanda de billetes de 100 dólares estadounidenses probablemente se debió al aumento de la actividad delictiva a nivel mundial. Un informe de 2017 del Instituto Americano de Investigación Económica (AIE) (https://www.aier.org/article/sound-money-project/how-much-cash-used-criminals-and-tax-cheats) estimó que «más de un tercio de toda la moneda estadounidense en circulación es utilizada por delincuentes y evasores fiscales».

Actualización (22:00 UTC, 6 de agosto):Se ha modificado el título de este artículo y se ha agregado texto para aclarar que la cifra del 2 por ciento se calculó en el trabajo inicial de Elliptic y no en el análisis posterior que involucró al MIT-IBM Watson AI Lab.

Instituto Tecnológico de Massachusetts (MIT)imagen vía Shutterstock