Tekoäly lähtee metsästämään: kuinka agentit jäljittävät kryptorikollisia

Rikollisten jäljittäminen lohkoketjussa oli aiemmin pitkä ja uuvuttava prosessi, jossa jokainen uusi lompakko saattoi johtaa tutkinnan umpikujaan. Nykyään tämän työn ottaa yhä useammin haltuunsa tekoäly: se kokoaa pirstaleiset siirrot nopeasti yhteen ja muodostaa niistä yhtenäisen kuvan. Tämä muuttaa paitsi tutkintamenetelmiä myös koko kryptomarkkinoiden pelisääntöjä.

Pseudonyymisyydestä läpinäkyvyyteen

Tilanne alkoi muuttua selkeämpien sääntöjen myötä. Yhdysvallat, Eurooppa ja Aasian maat tiukensivat pörssejä koskevia vaatimuksia, ottivat käyttöön KYC-järjestelmän ja toteuttivat epäilyttävien liiketoimien seurannan. Samaan aikaan kehittyivät lohkoketjuanalyysityökalut, jotka oppivat klusteroimaan osoitteita, seuraamaan rahavirtoja ja yhdistämään ne reaalimaailman palveluihin.

Tämän seurauksena järjestelmä, jota pidettiin pitkään käytännössä anonyyminä, on muuttumassa yhdeksi läpinäkyvimmistä rahoitusinfrastruktuureista. Lohkoketju on aina ollut julkinen pääkirja. Nyt näitä jälkiä voidaan myös lukea, korreloida ja osoittaa nopeasti.

Miten "lohkoketjujen lukemisen" markkinat syntyivät

Ellipticin, Chainalysiksen ja myöhemmin TRM Labsin kaltaiset yritykset alkoivat rakentaa alustoja, jotka keräävät tietoja useista lohkoketjuista, klusteroivat osoitteita, seuraavat rahastovirtoja ja merkitsevät riskialtista toimintaa. Tärkeää on, että näitä ratkaisuja ei koskaan suunnattu vähittäiskäyttäjille vaan suurille asiakkaille - viranomaisille, lainvalvontaviranomaisille, pankeille ja kryptopörsseille.

Pörssit käyttävät tällaisia järjestelmiä transaktioiden ja asiakkaiden seulontaan, pankit välttääkseen liiketoimia "likaisten" rahastojen kanssa ja valtion virastot tutkimuksiin ja pakotteiden täytäntöönpanoon.

Loading...

Tweetin poisti sen kirjoittaja.

Mutta me tallensimme kaiken 🙂.

Huomionarvoista on, että niiden tehokkuus todistettiin nopeasti käytännössä. Näitä välineitä on käytetty laajamittaisten rahanpesujärjestelmien tutkimuksissa, laittomien palvelujen sulkemisessa ja pakotteiden kohteena oleviin lainkäyttöalueisiin liittyvien liiketoimien jäljittämisessä.

Miten tekoäly tuli lohkoketjuanalytiikkaan

Tekoälystä tuli työkalu, joka jo kauan ennen nykyistä buumia auttoi nopeuttamaan lohkoketjuanalytiikkaa. Jo vuonna 2019 Elliptic julkaisi yhdessä MIT-IBM Watson AI Labin kanssa suuren merkityn tietokokonaisuuden Bitcoin-tapahtumista kouluttaakseen malleja, joiden tarkoituksena oli havaita laitonta toimintaa.

Näillä lähestymistavoilla puututtiin markkinoiden ydinongelmaan - datan määrään. Kun käsitellään miljardeja transaktioita ja monimutkaisia reittejä useissa eri verkoissa, ihminen ei yksinkertaisesti pysty käsittelemään kaikkea tietoa nopeasti. Siksi analyytikot tukeutuivat yhä enemmän malleihin, jotka pystyvät tunnistamaan kuvioita massiivisista tietokokonaisuuksista ja paljastamaan yhteyksiä, joita manuaalinen analyysi ei pysty havaitsemaan. Vuonna 2024 Elliptic raportoi uudesta, lähes 200 miljoonaan Bitcoin-tapahtumaan perustuvasta tutkimuksesta, jossa malli koulutettiin havaitsemaan yksittäisten epäilyttävien lompakoiden lisäksi kokonaisia rahanpesujärjestelyjä.

Ajan myötä näiden järjestelmien rooli laajeni. Ne alkoivat merkitä riskejä, mutta myös auttaa jäsentämään tutkimuksia: ne seurasivat rahavirtoja, ehdottivat mahdollisia yhteyksiä osoitteiden välillä ja lyhensivät analyysiin kuluvaa aikaa. Elliptic totesi nimenomaisesti, että tällaiset mallit auttoivat paljastamaan uusia rahanpesujärjestelmiä ja aiemmin tuntemattomia laittomia lompakoita, ja niiden tuloksia käytetään jo tuotteiden parantamiseen.

Loading...

Tweetin poisti sen kirjoittaja.

Mutta me tallensimme kaiken 🙂.

Tekoälystä tuli käytännössä "näkymätön kerros" analytiikka-alustojen sisällä. Mutta vaikka nämä ominaisuudet olivatkin olemassa, yksi keskeinen rajoitus säilyi: järjestelmä avusti analyytikkoja, mutta ei voinut täysin korvata heidän työtään.

Kun tekoäly lakkaa olemasta pelkkä työkalu

Käytännössä tämä muuttaa sitä, miten lohkoketjujen tietoja käsitellään. Käyttäjä muotoilee kyselyn luonnollisella kielellä, ja järjestelmä valitsee itsenäisesti asiaankuuluvat tiedot, rakentaa analyysilogiikan ja tuottaa vastauksen. Chainalysis korostaa, että tällaiset ratkaisut perustuvat miljardeihin transaktioihin ja miljooniin aiempiin tutkimuksiin - ne työskentelevät tehokkaasti tyypillisiä rahavirtoja, riskejä ja järjestelmiä koskevan kertyneen tietopohjan varassa.

Loading...

Tweetin poisti sen kirjoittaja.

Mutta me tallensimme kaiken 🙂.

Keskeinen muutos on se, että analyytikon rooli alkaa muuttua. Aiemmin ihminen suoritti tutkinnan alusta loppuun, kun taas järjestelmä vain nopeutti yksittäisiä этаppeja. Nyt kone voi jäljittää rahastusreittejä, jäsentää faktoja ja koota ne raportiksi jatkotarkastusta varten. Yrityksen mukaan joissakin tapauksissa tämä vähentää jo monimutkaisia tutkimuksia päivistä minuutteihin.

Samalla markkinoille pääsyn esteet muuttuvat, kun analytiikan käyttömahdollisuudet laajenevat vähitellen - eivät enää vain kapeille asiantuntijoille ja suurille toimijoille, vaan myös laajemmalle joukolle markkinaosapuolia, jotka voivat muotoilla kyselyitä ja saada valmiita oivalluksia.

Markkinoilla ollaan siirtymässä analyysejä vain nopeuttavista välineistä järjestelmiin, jotka ottavat osan ajattelusta haltuunsa.

Kun avoimuudesta tulee markkinasääntö

Tämä tarkoittaa, että riskitiedot muuttuvat kilpailueduksi. Ne, jotka havaitsevat ongelmalliset reitit aikaisemmin, menettävät vähemmän aikaa viivästyksiin, joutuvat kohtaamaan esteitä tai joutuvat selvittämään epäonnistuneita maksuja. Rahastojen alkuperän analysoinnista on vähitellen tulossa yhtä olennainen osa kaupankäynnin infrastruktuuria kuin palkkiot tai toteutusnopeus.

Laillisten markkinoiden kannalta tämä on suurelta osin hyvä uutinen: ennustettavuus paranee, myrkyllisiä rahastoja on vähemmän ja perinteisen rahoituksen luottamus kasvaa. Harmailla vyöhykkeillä toimivien kannalta tilanne on päinvastainen. Keskeinen asia on kuitenkin toinen: markkinat, jotka ovat rakentaneet maineensa läpinäkymättömyyden varaan, ovat muuttumassa yhä erottamattomammiksi perinteisestä rahoitusinfrastruktuurista. Ja se saattaa olla tärkein seuraus - ei sääntelyviranomaisille vaan itse kryptomarkkinoille.