AI går på jakt: Hvordan agenter sporer kryptokriminelle

Å spore kriminelle på blokkjeden pleide å være en lang og utmattende prosess, der hver nye lommebok kunne føre etterforskningen inn i en blindgate. I dag blir dette arbeidet i økende grad overtatt av kunstig intelligens: Den setter raskt sammen fragmenterte overføringer til et sammenhengende bilde. Og dette endrer ikke bare etterforskningsmetodene, men også spillereglene for hele kryptomarkedet.

Fra pseudonymitet til åpenhet

Situasjonen begynte å endre seg med fremveksten av klarere regler. USA, Europa og asiatiske land strammet inn kravene til børser, innførte KYC og iverksatte overvåking av mistenkelige transaksjoner. Samtidig utviklet det seg verktøy for blokkjedeanalyse, som lærte seg å gruppere adresser, spore pengestrømmer og knytte dem til tjenester i den virkelige verden.

Resultatet er at et system som lenge ble ansett som praktisk talt anonymt, er i ferd med å bli en av de mest transparente finansielle infrastrukturene. Blockchain har alltid vært en offentlig hovedbok. Nå kan disse sporene også raskt leses, korreleres og tilskrives.

Hvordan markedet for "blokkjedeavlesning" oppstod

Selskaper som Elliptic, Chainalysis og senere TRM Labs begynte å bygge plattformer som samler inn data fra flere blokkjeder, grupperer adresser, sporer fondsstrømmer og flagger risikabel aktivitet. Det er viktig å merke seg at disse løsningene aldri var rettet mot privatpersoner, men mot store kunder - offentlige etater, politimyndigheter, banker og kryptobørser.

Børsene bruker slike systemer til å screene transaksjoner og kunder, bankene til å unngå å handle med "skitne" fond, og myndighetene til etterforskning og håndheving av sanksjoner.

Loading...

Tweeten ble slettet av forfatteren.

Men vi lagret alt 🙂.

Det er verdt å merke seg at effektiviteten raskt ble bevist i praksis. Disse verktøyene har blitt brukt i etterforskning av storstilt hvitvasking av penger, stenging av ulovlige tjenester og sporing av transaksjoner knyttet til sanksjonsbelagte jurisdiksjoner.

Hvordan AI gjorde sitt inntog i blokkjedeanalyse

AI ble verktøyet som, lenge før den nåværende boomen, bidro til å sette fart på blokkjedeanalysen. Allerede i 2019 publiserte Elliptic sammen med MIT-IBM Watson AI Lab et stort datasett med merkede Bitcoin-transaksjoner for å trene opp modeller som skulle avdekke ulovlig aktivitet.

Disse tilnærmingene adresserte markedets kjerneproblem - datavolumet. Når man har å gjøre med milliarder av transaksjoner og komplekse ruter på tvers av flere nettverk, kan et menneske rett og slett ikke behandle all informasjonen raskt. Derfor har analytikere i økende grad basert seg på modeller som er i stand til å identifisere mønstre i enorme datasett og avdekke forbindelser som er usynlige for manuell analyse. I 2024 rapporterte Elliptic om en ny studie basert på nesten 200 millioner Bitcoin-transaksjoner, der en modell ble trent opp til å oppdage ikke bare individuelle mistenkelige lommebøker, men hele hvitvaskingsplaner.

Over tid fikk disse systemene en stadig viktigere rolle. De begynte ikke bare å flagge risikoer, men også å bidra til å strukturere etterforskningen: spore pengestrømmer, foreslå mulige koblinger mellom adresser og redusere analysetiden. Elliptic uttalte eksplisitt at slike modeller bidro til å avdekke nye hvitvaskingsmetoder og tidligere ukjente ulovlige lommebøker, og at resultatene allerede ble brukt til å forbedre produktene deres.

Loading...

Tweeten ble slettet av forfatteren.

Men vi lagret alt 🙂.

AI ble i realiteten et "usynlig lag" i analyseplattformene. Men selv med disse mulighetene var det fortsatt en viktig begrensning: Systemet bisto analytikerne, men kunne ikke erstatte deres arbeid fullt ut.

Når AI slutter å være bare et verktøy

I praksis endrer dette hvordan blockchain-data håndteres. En bruker formulerer et spørsmål på et naturlig språk, og systemet velger selv ut relevante data, bygger den analytiske logikken og produserer et svar. Chainalysis understreker at slike løsninger baserer seg på milliarder av transaksjoner og millioner av tidligere undersøkelser - og at de i praksis bygger på en akkumulert kunnskapsbase av typiske fondsstrømmer, risikoer og ordninger.

Loading...

Tweeten ble slettet av forfatteren.

Men vi lagret alt 🙂.

Det viktigste skiftet er at analytikerens rolle er i ferd med å endre seg. Tidligere var det et menneske som gjennomførte hele etterforskningen, mens systemet bare akselererte fra første til siste ledd. Nå kan maskinen spore fondsruter, strukturere fakta og sette dem sammen til en rapport for videre verifisering. Ifølge selskapet kan dette i noen tilfeller allerede redusere komplekse etterforskninger fra dager til minutter.

Samtidig endres inngangsbarrieren, ettersom tilgangen til analyser gradvis utvides - ikke bare for smale spesialister og store aktører, men også for et bredere spekter av markedsaktører som kan formulere spørsmål og motta ferdige innsikter.

Markedet beveger seg i realiteten fra verktøy som bare fremskynder analysen, til systemer som overtar en del av tenkningen i prosessen.

Når åpenhet blir en markedsregel

Dette betyr at risikodata blir til et konkurransefortrinn. De som oppdager problematiske ruter tidligere, har mindre sannsynlighet for å miste tid på grunn av forsinkelser, bli utsatt for blokkeringer eller måtte håndtere mislykkede oppgjør. Analysen av fondenes opprinnelse er gradvis i ferd med å bli en like viktig del av handelsinfrastrukturen som gebyrer eller utførelseshastighet.

For det legitime markedet er dette stort sett gode nyheter: mer forutsigbarhet, færre giftige fond og høyere tillit fra tradisjonell finans. For dem som opererer i gråsoner, er det motsatt. Men hovedpoenget er et annet: Et marked som har bygget sitt rykte på ugjennomsiktighet, blir stadig vanskeligere å skille fra tradisjonell finansiell infrastruktur. Og det er kanskje den viktigste konsekvensen - ikke for tilsynsmyndighetene, men for kryptomarkedet selv.