Η τεχνητή νοημοσύνη βγαίνει στο κυνήγι: Πώς οι πράκτορες εντοπίζουν τους εγκληματίες του κρυπτονομίσματος

Η ανίχνευση εγκληματιών στην αλυσίδα μπλοκ αποτελούσε παλαιότερα μια μακρά και εξαντλητική διαδικασία, όπου κάθε νέο πορτοφόλι μπορούσε να οδηγήσει μια έρευνα σε αδιέξοδο. Σήμερα, το έργο αυτό αναλαμβάνει όλο και περισσότερο η τεχνητή νοημοσύνη: συναρμολογεί γρήγορα τις αποσπασματικές μεταφορές, μετατρέποντάς τες σε μια συνεκτική εικόνα. Και αυτό αλλάζει όχι μόνο τις μεθόδους έρευνας, αλλά και τους κανόνες του παιχνιδιού για ολόκληρη την αγορά κρυπτογράφησης.

Από την ψευδωνυμία στη διαφάνεια

Η κατάσταση άρχισε να αλλάζει με την εμφάνιση σαφέστερων κανόνων. Οι ΗΠΑ, η Ευρώπη και οι ασιατικές χώρες αυστηροποίησαν τις απαιτήσεις για τα χρηματιστήρια, εισήγαγαν KYC και εφάρμοσαν την παρακολούθηση ύποπτων συναλλαγών. Ταυτόχρονα, τα εργαλεία ανάλυσης blockchain εξελίχθηκαν, μαθαίνοντας να ομαδοποιούν διευθύνσεις, να παρακολουθούν τις ροές κεφαλαίων και να τις συνδέουν με υπηρεσίες του πραγματικού κόσμου.

Ως αποτέλεσμα, ένα σύστημα που επί μακρόν θεωρούνταν πρακτικά ανώνυμο μετατρέπεται σε μία από τις πιο διαφανείς χρηματοπιστωτικές υποδομές. Η αλυσίδα μπλοκ ήταν πάντα ένα δημόσιο λογιστικό βιβλίο. Τώρα αυτά τα ίχνη μπορούν επίσης να διαβαστούν γρήγορα, να συσχετιστούν και να αποδοθούν.

Πώς προέκυψε η αγορά "ανάγνωσης blockchain"

Εταιρείες όπως η Elliptic, η Chainalysis και αργότερα η TRM Labs άρχισαν να κατασκευάζουν πλατφόρμες που συλλέγουν δεδομένα από πολλαπλές αλυσίδες μπλοκ, ομαδοποιούν διευθύνσεις, παρακολουθούν ροές κεφαλαίων και επισημαίνουν επικίνδυνες δραστηριότητες. Είναι σημαντικό ότι αυτές οι λύσεις δεν απευθύνονταν ποτέ σε χρήστες λιανικής, αλλά σε μεγάλους πελάτες - κυβερνητικές υπηρεσίες, αρχές επιβολής του νόμου, τράπεζες και ανταλλακτήρια κρυπτογράφησης.

Τα ανταλλακτήρια χρησιμοποιούν τέτοια συστήματα για να ελέγχουν τις συναλλαγές και τους πελάτες, οι τράπεζες για να αποφεύγουν να συναλλάσσονται με "βρώμικα" κεφάλαια και οι κυβερνητικές υπηρεσίες για έρευνες και επιβολή κυρώσεων.

Loading...

Το tweet διαγράφηκε από τον συγγραφέα.

Αλλά αποθηκεύσαμε τα πάντα 🙂.

Αξίζει να σημειωθεί ότι η αποτελεσματικότητά τους αποδείχθηκε γρήγορα στην πράξη. Τα εργαλεία αυτά χρησιμοποιήθηκαν σε έρευνες για μεγάλης κλίμακας συστήματα νομιμοποίησης εσόδων από παράνομες δραστηριότητες, σε κλείσιμο παράνομων υπηρεσιών και σε εντοπισμό συναλλαγών που συνδέονται με δικαιοδοσίες στις οποίες έχουν επιβληθεί κυρώσεις.

Πώς η τεχνητή νοημοσύνη εισήλθε στην ανάλυση blockchain

Η τεχνητή νοημοσύνη έγινε το εργαλείο που, πολύ πριν από την τρέχουσα έκρηξη, βοήθησε στην επιτάχυνση της ανάλυσης blockchain. Πίσω στο 2019, η Elliptic μαζί με το MIT-IBM Watson AI Lab δημοσίευσαν ένα μεγάλο επισημασμένο σύνολο δεδομένων συναλλαγών Bitcoin για την εκπαίδευση μοντέλων που αποσκοπούσαν στην ανίχνευση παράνομων δραστηριοτήτων.

Οι προσεγγίσεις αυτές αντιμετώπισαν το βασικό πρόβλημα της αγοράς - τον όγκο δεδομένων. Όταν πρόκειται για δισεκατομμύρια συναλλαγές και πολύπλοκες διαδρομές σε πολλαπλά δίκτυα, ένας άνθρωπος απλά δεν μπορεί να επεξεργαστεί γρήγορα όλες τις πληροφορίες. Αυτός είναι ο λόγος για τον οποίο οι αναλυτές βασίζονται όλο και περισσότερο σε μοντέλα ικανά να εντοπίζουν μοτίβα σε τεράστια σύνολα δεδομένων και να αποκαλύπτουν συνδέσεις αόρατες για τη χειροκίνητη ανάλυση. Το 2024, η Elliptic ανέφερε μια νέα μελέτη που βασίστηκε σε σχεδόν 200 εκατομμύρια συναλλαγές Bitcoin, όπου ένα μοντέλο εκπαιδεύτηκε για να εντοπίζει όχι μόνο μεμονωμένα ύποπτα πορτοφόλια αλλά ολόκληρα συστήματα ξεπλύματος χρήματος.

Με την πάροδο του χρόνου, ο ρόλος αυτών των συστημάτων επεκτάθηκε. Άρχισαν όχι μόνο να επισημαίνουν τους κινδύνους, αλλά και να βοηθούν στη διάρθρωση των ερευνών: να παρακολουθούν τις ροές κεφαλαίων, να προτείνουν πιθανές συνδέσεις μεταξύ διευθύνσεων και να μειώνουν τον χρόνο ανάλυσης. Η Elliptic δήλωσε ρητά ότι τα μοντέλα αυτά βοήθησαν στην αποκάλυψη νέων συστημάτων ξεπλύματος και άγνωστων προηγουμένως παράνομων πορτοφολιών, ενώ τα αποτελέσματα χρησιμοποιούνται ήδη για τη βελτίωση των προϊόντων της.

Loading...

Το tweet διαγράφηκε από τον συγγραφέα.

Αλλά αποθηκεύσαμε τα πάντα 🙂.

Στην πραγματικότητα, η τεχνητή νοημοσύνη έγινε ένα "αόρατο στρώμα" μέσα στις πλατφόρμες ανάλυσης. Αλλά ακόμη και με αυτές τις δυνατότητες, ένας βασικός περιορισμός παρέμενε: το σύστημα βοηθούσε τους αναλυτές, αλλά δεν μπορούσε να αντικαταστήσει πλήρως τη δουλειά τους.

Όταν η τεχνητή νοημοσύνη παύει να είναι απλώς ένα εργαλείο

Στην πράξη, αυτό αλλάζει τον τρόπο χειρισμού των δεδομένων blockchain. Ένας χρήστης διατυπώνει ένα ερώτημα σε φυσική γλώσσα και το σύστημα επιλέγει ανεξάρτητα τα σχετικά δεδομένα, κατασκευάζει την αναλυτική λογική και παράγει μια απάντηση. Η Chainalysis υπογραμμίζει ότι τέτοιες λύσεις βασίζονται σε δισεκατομμύρια συναλλαγές και εκατομμύρια προηγούμενες έρευνες - ουσιαστικά εργάζονται σε μια συσσωρευμένη βάση γνώσεων σχετικά με τις τυπικές ροές κεφαλαίων, τους κινδύνους και τα συστήματα.

Loading...

Το tweet διαγράφηκε από τον συγγραφέα.

Αλλά αποθηκεύσαμε τα πάντα 🙂.

Η βασική αλλαγή είναι ότι ο ρόλος του αναλυτή αρχίζει να αλλάζει. Προηγουμένως, ένας άνθρωπος διεξήγαγε την έρευνα από άκρη σε άκρη, ενώ το σύστημα επιτάχυνε μόνο τις μεμονωμένες этапов. Τώρα, η μηχανή μπορεί να εντοπίσει τις διαδρομές των κεφαλαίων, να δομήσει τα γεγονότα και να τα συγκεντρώσει σε μια έκθεση για περαιτέρω επαλήθευση. Σύμφωνα με την εταιρεία, σε ορισμένες περιπτώσεις αυτό μειώνει ήδη τις πολύπλοκες έρευνες από ημέρες σε λεπτά.

Ταυτόχρονα, το εμπόδιο εισόδου αλλάζει, καθώς διευρύνεται σταδιακά η πρόσβαση στην ανάλυση - όχι μόνο για στενούς ειδικούς και μεγάλους παίκτες, αλλά και για ένα ευρύτερο φάσμα συμμετεχόντων στην αγορά που μπορούν να διατυπώνουν ερωτήματα και να λαμβάνουν έτοιμες πληροφορίες.

Στην πραγματικότητα, η αγορά μετακινείται από εργαλεία που απλώς επιταχύνουν την ανάλυση σε συστήματα που αναλαμβάνουν μέρος της σκέψης κατά τη διαδικασία.

Όταν η διαφάνεια γίνεται κανόνας της αγοράς

Αυτό σημαίνει ότι τα δεδομένα κινδύνου μετατρέπονται σε ανταγωνιστικό πλεονέκτημα. Εκείνοι που εντοπίζουν τις προβληματικές διαδρομές νωρίτερα είναι λιγότερο πιθανό να χάσουν χρόνο λόγω καθυστερήσεων, να αντιμετωπίσουν μπλοκαρίσματα ή να αντιμετωπίσουν αποτυχημένους διακανονισμούς. Η ανάλυση της προέλευσης των κεφαλαίων γίνεται σταδιακά τόσο αναπόσπαστο μέρος της υποδομής συναλλαγών όσο και οι αμοιβές ή η ταχύτητα εκτέλεσης.

Για τη νόμιμη αγορά, αυτό είναι σε μεγάλο βαθμό καλά νέα: μεγαλύτερη προβλεψιμότητα, λιγότερα τοξικά κεφάλαια και μεγαλύτερη εμπιστοσύνη από την παραδοσιακή χρηματοδότηση. Για όσους δραστηριοποιούνται σε γκρίζες ζώνες - το αντίθετο. Αλλά το βασικό σημείο είναι διαφορετικό: μια αγορά που έχτισε τη φήμη της στην αδιαφάνεια γίνεται όλο και πιο δυσδιάκριτη από την παραδοσιακή χρηματοπιστωτική υποδομή. Και αυτή μπορεί να είναι η πιο σημαντική συνέπεια - όχι για τις ρυθμιστικές αρχές, αλλά για την ίδια την αγορά κρυπτογράφησης.