Come test del loro strumento di intelligenza artificiale risultante, i ricercatori hanno controllato i suoi risultati con uno scambio di criptovaluta, di cui l’articolo non nomina, identificando 52 catene di transazioni sospette che alla fine erano confluite in quello scambio. Si è scoperto che l’exchange aveva già segnalato 14 dei conti che avevano ricevuto tali fondi per sospetta attività illecita, di cui otto contrassegnati come associati a riciclaggio di denaro o frode, in parte sulla base delle informazioni di conoscenza del cliente richieste. dai proprietari degli account. Pur non avendo accesso ai dati “conosci il tuo cliente” o ad alcuna informazione sull’origine dei fondi, il modello di intelligenza artificiale dei ricercatori corrispondeva alle conclusioni degli stessi investigatori dell’exchange.
Identificare correttamente 14 conti cliente su 52 come sospetti potrebbe non sembrare un tasso di successo elevato, ma i ricercatori sottolineano che nel complesso solo lo 0,1% dei conti dell’exchange è contrassegnato come potenziale riciclaggio di denaro. Il loro strumento automatizzato, sostengono, ha sostanzialmente ridotto la ricerca di account sospetti a più di uno su quattro. “Passare da ‘una cosa su mille che esaminiamo sarà illecita’ a 14 su 52 è un cambiamento pazzesco”, afferma Mark Weber, uno dei coautori dello studio e membro del Media Lab del MIT. “E ora gli investigatori esamineranno effettivamente il resto di quelli per vedere, aspetta, ci siamo persi qualcosa?”
Elliptic afferma di aver già utilizzato privatamente il modello AI nel proprio lavoro. Come ulteriore prova del fatto che il modello di intelligenza artificiale sta producendo risultati utili, i ricercatori scrivono che l’analisi della fonte dei fondi per alcune catene di transazioni sospette identificate dal modello li ha aiutati a scoprire indirizzi Bitcoin controllati da un mercato russo del dark web, un “mixer” di criptovaluta progettato per offuscare la traccia dei bitcoin sulla blockchain e uno schema Ponzi con sede a Panama. (Elliptic ha rifiutato di identificare per nome uno qualsiasi di questi presunti criminali o servizi, dicendo a WIRED che non identifica gli obiettivi delle indagini in corso.)
Forse più importante dell’uso pratico del modello di intelligenza artificiale dei ricercatori, tuttavia, è il potenziale dei dati di addestramento di Elliptic, che i ricercatori hanno pubblicato sul sito della comunità di machine learning e scienza dei dati di proprietà di Google, Kaggle. “L’Elliptic avrebbe potuto tenerlo per sé”, afferma Weber del MIT. “Invece qui c’era un’etica open source di contribuire con qualcosa alla comunità che consentirà a tutti, anche ai loro concorrenti, di essere migliori nell’antiriciclaggio.” Elliptic sottolinea che i dati rilasciati sono resi anonimi e non contengono alcun identificatore per i proprietari degli indirizzi Bitcoin o anche gli indirizzi stessi, solo i dati strutturali dei “sottografi” delle transazioni contrassegnate con le sue valutazioni di sospetto riciclaggio di denaro.
Quell’enorme quantità di dati ispirerà senza dubbio e consentirà una ricerca molto più incentrata sull’intelligenza artificiale sul riciclaggio di denaro bitcoin, afferma Stefan Savage, professore di informatica presso l’Università della California a San Diego che è stato consulente dell’autore principale di un seminale studio sul tracciamento dei bitcoin. articolo pubblicato nel 2013. Sostiene, tuttavia, che l’attuale strumento non sembra destinato a rivoluzionare gli sforzi antiriciclaggio nelle criptovalute nella sua forma attuale, tanto quanto servire come prova di concetto. “Un analista, penso, avrà difficoltà con uno strumento che lo sia Tipo di giusto a volte”, dice Savage. “Lo considero un anticipo che dice: ‘Ehi, c’è una cosa qui. Più persone dovrebbero lavorare su questo.’”
