“블록체인 혁신”으로 표시된 블록체인 분석의 중요한 발전으로 Elliptic은 MIT-IBM Watson AI Lab과 협력하여 비트코인 ​​블록체인 전체에서 자금 세탁 패턴을 탐지할 수 있는 인공 지능 모델을 개발했습니다.이번 개발은 2억 건에 달하는 전례 없는 데이터 세트를 활용합니다.비트코인 거래, 이는 2019년 프로젝트에 사용된 초기 200,000건의 거래보다 크게 증가한 수치입니다. 이 연구에서는 불법 활동과 연결되어 있는 것으로 알려진 “하위 그래프”라고 불리는 연결된 노드 및 거래 체인의 122,000개 그룹을 활용했습니다.

블록체인 모니터링에서 AI의 진화

Elliptic2 데이터 세트는 이전에 사용된 것보다 훨씬 더 크며, 복잡한 블록체인 활동을 모니터링하는 데 있어 AI의 확장성과 향상된 기능을 입증하여 중요한 블록체인 혁신을 나타냅니다.이러한 광범위한 데이터를 사용하면 AI 모델이 암호화폐 거래 내에서 자금 세탁이 취할 수 있는 다양한 “형태”를 식별하고 학습할 수 있습니다. 이 접근 방식은 알려진 자금 세탁 기술을 탐지하는 정확도를 향상시킬 뿐만 아니라 새로운 불법 패턴이 개발됨에 따라 이를 식별하는 데도 도움이 됩니다.

확인된 기술

블록체인의 획기적인 발전인 Elliptic의 분석은 “체인 필링” 및 “중첩 서비스”를 포함하여 널리 퍼진 세탁 기술을 강조했습니다.필링 체인에는 일부가 대상 주소로 전송되고 나머지는 동일한 사용자가 제어하는 ​​다른 주소로 이동되는 암호화폐의 순차적 분할이 포함됩니다. 이 프로세스는 ‘스머핑’으로 알려진 전통적인 금융 전략과 유사하게 원래 자금 출처를 위장하는 데 도움이 되는 체인을 생성하기 위해 반복됩니다. 스머핑은 일반적으로 규제 보고 기준을 회피하기 위해 큰 금액을 작은 거래로 구성합니다.

반면에 중첩된 서비스에는 대규모 암호화폐 거래소의 계좌를 통해 자금을 이동하여 운영되는 비즈니스가 포함됩니다. 이러한 서비스는 종종 거래소의 인지나 승인 없이 거래를 수행합니다. 그들은 고객으로부터 특정 암호화폐 주소로 예금을 받은 후 이 자금을 거래소의 자신의 예금 주소로 전달할 수 있습니다. 사용하는 거래소에 비해 중첩된 서비스에 의한 고객 실사 점검이 덜 엄격하거나 때로는 존재하지 않기 때문에 이러한 서비스는 종종 세탁 활동의 통로가 됩니다.

암호화폐 규제에 있어 AI의 시사점과 미래

Elliptic의 조사 결과는 암호화폐 거래 투명성의 양면성을 보여줍니다. 이러한 투명성을 통해 자금 추적이 가능하지만, 대량의 데이터를 효과적으로 해석하기 위한 정교한 도구도 필요합니다. 새로운 패턴에 적응하는 AI 모델의 능력은 규제 기관과 법 집행 기관이 암호 화폐 공간에서 사용되는 진화하는 세탁 기술에 보조를 맞출 수 있는 강력한 도구가 됩니다.

Elliptic 공동 창업자인 Tom Robinson은 암호화폐 세탁 관행의 역동적인 특성과 동시에 발전할 수 있는 고급 AI 기술의 필요성을 강조했습니다. Robinson에 따르면, “암호화폐 세탁 관행은 시간이 지남에 따라 효과가 없어지면서 발전할 것입니다. 그러나 AI/딥 러닝 접근 방식의 장점은 새로운 자금 세탁 패턴이 나타날 때 자동으로 식별된다는 것입니다.”

결론

Elliptic과 MIT-IBM Watson AI Lab의 이 획기적인 작업은 블록체인 분석에서 가능한 것의 한계를 넓힐 뿐만 아니라 암호화폐 분야에서 금융 범죄와 싸우기 위해 AI 사용에 대한 새로운 표준을 설정합니다. 블록체인 기술이 계속 성숙해지고 디지털 통화가 글로벌 금융에 더욱 깊이 뿌리내리게 되면서 금융의 무결성과 보안을 보장하는 고급 AI의 역할이 중요해졌습니다.디지털 거래 그 어느 때보다 중요해질 것입니다.