O MIT-IBM AI Lab analisou 200.000 transações de Bitcoin . Apenas 2% foram rotuladas como 'Ilícitas'

A empresa de análise de blockchain Elliptic colaborou com pesquisadores do Instituto de Tecnologia de Massachusetts (MIT) e da IBM para publicar um conjunto de dados públicos de transações de Bitcoin associadas a atividades ilícitas.

O grupoestudardetalhou como pesquisadores do MIT-IBM Watson AI Lab usaram software de aprendizado de máquina para analisar 203.769 transações de nó de Bitcoin no valor de aproximadamente US$ 6 bilhões no total. A pesquisa explorou se a inteligência artificial poderia auxiliar os procedimentos atuais de combate à lavagem de dinheiro (AML).

Apenas 2% das 200.000 transações de Bitcoin no conjunto de dados foram consideradas ilícitas como parte do trabalho inicial da Eliptic. Enquanto 21% foram identificadas como legais, a grande maioria das transações, aproximadamente 77%, permaneceu sem classificação. (Até o momento, houve uma estimativa 440 milhões transações de Bitcoin desde o lançamento da rede em 2009.)

Para ser claro, os 2 por cento vêm de um conjunto de dados da Elliptic que não era público anteriormente e o número foi meramente afirmado pela análise dos pesquisadores do MIT. O ponto de dados está em linha com um estudo da empresa de análise concorrente Chainalysis, que estimou apenas 1 por cento das transações de Bitcoin em 2019 foram associadas a atividades ilícitas.

Como a Elliptic é frequentemente contratada por agências de segurança pública ao redor do mundo para identificar atividades ilegais usando Criptomoeda, esta pesquisa teve como objetivo identificar padrões que podem ajudar a distinguir o uso ilícito do uso legal do Bitcoin , especialmente entre indivíduos sem conta bancária ou outras entidades desconhecidas.

“Um grande problema com a conformidade, em geral, são os falsos positivos. Uma grande parte dessa pesquisa é minimizar o número de falsos positivos”, disse o cofundador da Elliptic, Tom Robinson, à CoinDesk. “A principal descoberta é que as técnicas de aprendizado de máquina são muito eficazes para encontrar transações ilícitas.”

Às vezes, acrescentou Robinson, o software era capaz de encontrar padrões que seriam difíceis de descrever, mas ainda assim correspondiam a entidades conhecidas, com base em dados pré-existentes de Mercados da darknet, ataques de ransomware e outras investigações criminais.

Após o estudo acadêmico, a Elliptic tornou o mesmo conjunto de dados público para incentivar contribuições de código aberto.

“No lado da AML, estamos compartilhando nossos primeiros experimentos com especialistas de domínio para solicitar feedback”, disse o pesquisador da IBM Mark Weber ao CoinDesk, acrescentando:

“Também esperamos que o lançamento do Elliptic Data Set inspire outros a se juntarem ao esforço para ajudar a tornar nossos sistemas financeiros mais seguros, desenvolvendo novas técnicas e modelos para AML.”

CNBC

relatou em abril que a crescente demanda por notas de US$ 100 provavelmente foi motivada por um aumento na atividade criminosa global. Um relatório de 2017 do American Institute for Economic Researchhttps://www.aier.org/article/sound-money-project/how-much-cash-used-criminals-and-tax-cheats, estimou que "mais de um terço de toda a moeda dos EUA em circulação é usada por criminosos e sonegadores fiscais".

Atualização (22:00 UTC, 6 de agosto):O título deste artigo foi modificado e uma linguagem foi adicionada para esclarecer que o valor de 2% foi calculado no trabalho inicial da Elliptic, e não na análise subsequente envolvendo o MIT-IBM Watson AI Lab.

MITimagem via Shutterstock