Un nuevo y enorme conjunto de datos podría acelerar la búsqueda de IA para el lavado de dinero criptográfico

Como prueba de la herramienta de inteligencia artificial resultante, los investigadores compararon sus resultados con un intercambio de criptomonedas (que no se menciona en el estudio) e identificaron 52 cadenas de transacciones sospechosas, todas las cuales finalmente fluyeron hacia ese intercambio. Descubrió que el intercambio ya había marcado 14 de las cuentas que recibieron esos fondos por sospecha de actividad ilegal, incluidas ocho que había identificado como vinculadas al lavado de dinero o fraude, basándose en parte en la información "Conozca a su cliente" de los titulares de las cuentas. . Aunque no tuvieron acceso a estos datos de "conozca a su cliente" ni a información sobre los orígenes de los fondos, el modelo de IA de los investigadores fue consistente con las conclusiones de los propios investigadores de la bolsa.

Identificar correctamente 14 de 52 de estas cuentas de clientes como sospechosas puede no parecer una alta tasa de éxito, pero los investigadores señalan que en general, sólo el 0,1 por ciento de las cuentas del intercambio están marcadas como posible lavado de dinero. Argumentan que su herramienta automatizada esencialmente ha reducido la búsqueda de cuentas sospechosas a más de una de cada cuatro. "Pasar de 'Una de cada mil cosas que miramos será ilegal' a 14 de 52 es un cambio loco", dice Mark Weber, uno de los coautores del artículo y miembro del Media Lab del MIT. "Y ahora los investigadores van a examinar el resto para ver, espera, ¿nos perdimos algo?".

Elliptic dice que ya ha utilizado de forma privada el modelo de IA en su propio trabajo. Como evidencia adicional de que el modelo de IA produce resultados útiles, los investigadores escriben que el análisis de las fuentes de fondos para algunas cadenas de transacciones sospechosas identificadas por el modelo les ayudó a descubrir direcciones de Bitcoin originadas en un mercado ruso de la Dark Web, un "mezclador" de criptomonedas. para ocultar el rastro de Bitcoins en la cadena de bloques y un esquema piramidal con sede en Panamá. (Elliptic se negó a nombrar a ninguno de estos presuntos delincuentes o servicios y le dijo a WIRED que no nombrará a los objetivos de las investigaciones en curso).

Sin embargo, quizás más importante que el uso práctico del propio modelo de IA de los investigadores sea el potencial de los datos de entrenamiento de Elliptic, que los investigadores publicaron en el sitio comunitario de ciencia de datos y aprendizaje automático de Google, Kaggle. "Elliptic podría haberse guardado esto para sí", dice Weber del MIT. "En cambio, aquí había un espíritu claro de código abierto de contribuir a la comunidad que permite a todos, incluidos sus competidores, mejorar en la lucha contra el lavado de dinero. Elliptic señala que los datos que publica son anónimos y no contienen identificadores de los propietarios". de direcciones de Bitcoin o incluso las direcciones mismas, sino sólo los datos estructurales de los "subgrafos" de transacciones que ha marcado con sus evaluaciones de sospecha de lavado de dinero.

Este vasto tesoro de datos sin duda inspirará y permitirá una investigación mucho más centrada en la IA sobre el lavado de dinero de Bitcoin, afirma Stefan Savage, profesor de informática de la Universidad de California en San Diego, que fue asesor del autor principal de un innovador Documento de trazabilidad de Bitcoin publicado en 2013. Sin embargo, sostiene que es poco probable que la herramienta actual revolucione los esfuerzos contra el lavado de dinero en criptomonedas en su forma actual, sino que servirá como prueba de concepto. “Creo que a un analista le resultará difícil utilizar una herramienta como esta. Arte "A veces es cierto", dice Savage. "Veo esto como un progreso que dice: 'Oye, hay algo aquí'. Más personas deberían trabajar en esto'”.