Il laboratorio di intelligenza artificiale del MIT-IBM ha analizzato 200.000 transazioni Bitcoin . Solo il 2% è stato etichettato come "illecito"

La società di analisi blockchain Elliptic ha collaborato con ricercatori del Massachusetts Institute of Tecnologie (MIT) e IBM per pubblicare un set di dati pubblico sulle transazioni Bitcoin associate ad attività illecite.

Il gruppostudioha spiegato in dettaglio come i ricercatori del MIT-IBM Watson AI Lab hanno utilizzato software di apprendimento automatico per analizzare 203.769 transazioni di nodi Bitcoin per un valore complessivo di circa 6 miliardi di dollari. La ricerca ha esplorato se l'intelligenza artificiale potrebbe supportare le attuali procedure antiriciclaggio (AML).

Solo il 2 percento delle 200.000 transazioni Bitcoin nel set di dati è stato ritenuto illecito come parte del lavoro iniziale di Eliptic. Mentre il 21 percento è stato identificato come legale, la stragrande maggioranza delle transazioni, circa il 77 percento, è rimasta non classificata. (Ad oggi, si stima che 440 milioni transazioni Bitcoin dal lancio della rete nel 2009.)

Per essere chiari, il 2 percento proviene da un set di dati Elliptic che in precedenza non era pubblico e la cifra è stata semplicemente confermata dall'analisi dei ricercatori del MIT. Il punto dati è in linea con uno studio della società di analisi concorrente Chainalysis, che ha stimato solo 1 percento delle transazioni in Bitcoin nel 2019 erano note per essere associate ad attività illecite.

Poiché Elliptic viene spesso ingaggiata dalle forze dell'ordine di tutto il mondo per identificare attività illegali che utilizzano le Criptovaluta, questa ricerca mirava a identificare modelli che potessero aiutare a distinguere l'uso illecito da quello legale Bitcoin , in particolare tra individui senza un conto bancario o altre entità sconosciute.

"Un grosso problema con la conformità, in generale, sono i falsi positivi. Gran parte di questa ricerca è ridurre al minimo il numero di falsi positivi", ha detto a CoinDesk il co-fondatore di Elliptic Tom Robinson. "La scoperta chiave è che le tecniche di apprendimento automatico sono molto efficaci nel trovare transazioni illecite".

A volte, ha aggiunto Robinson, il software è riuscito a individuare schemi difficili da descrivere ma comunque abbinabili a entità note, sulla base di dati preesistenti provenienti dai Mercati darknet, dagli attacchi ransomware e da altre indagini criminali.

Dopo lo studio accademico, Elliptic ha reso pubblico lo stesso set di dati per incoraggiare contributi open source.

"Per quanto riguarda l'AML, stiamo condividendo i nostri primi esperimenti con esperti del settore per sollecitare feedback", ha detto a CoinDesk il ricercatore IBM Mark Weber, aggiungendo:

"Ci auguriamo inoltre che la pubblicazione dell'Elliptic Data Set ispiri altri a unirsi allo sforzo per contribuire a rendere i nostri sistemi finanziari più sicuri sviluppando nuove tecniche e modelli per l'AML".

La CNBC

ha riferito ad aprile che la domanda crescente di banconote da 100 $ USA è stata probabilmente guidata da un aumento dell'attività criminale globale. Un rapporto del 2017 dell'American Institute for Economic Researchhttps://www.aier.org/article/sound-money-project/how-much-cash-used-criminals-and-tax-cheats, ha stimato che "più di un terzo di tutta la valuta statunitense in circolazione è utilizzata da criminali ed evasori fiscali".

Aggiornamento (22:00 UTC, 6 agosto):Il titolo di questo articolo è stato modificato e sono state aggiunte alcune parole per chiarire che la cifra del 2 percento è stata calcolata nel lavoro iniziale di Elliptic e non nell'analisi successiva che ha coinvolto il MIT-IBM Watson AI Lab.

del mio corpoimmagine tramite Shutterstock