膨大な新しいデータセットにより、暗号通貨マネーロンダリングのAI狩りが激化する可能性がある

結果として得られた AI ツールのテストとして、研究者らはその出力を 1 つの仮想通貨取引所 (論文では名前は明かされていない) でチェックしたところ、最終的にすべてその取引所に流れ込んだ 52 件の不審な取引チェーンを特定した。 同取引所は、要求された顧客情報の一部に基づいて、資金を受け取った口座のうち14口座にすでに違法行為の疑いがあるとしてフラグを立てており、そのうち8口座はマネーロンダリングまたは詐欺に関連するとマークしていたことが判明した。アカウント所有者から。 顧客認識データや資金の出所に関する情報にはアクセスできなかったにもかかわらず、研究者の AI モデルは取引所自身の調査員の結論と一致していました。

これらの顧客アカウントのうち 52 個のうち 14 個を疑わしいものとして正確に特定することは、高い成功率のようには思えないかもしれませんが、研究者らは、取引所のアカウント全体でマネーロンダリングの可能性があるとフラグが立てられているのはわずか 0.1 パーセントであると指摘しています。 彼らの主張によれば、彼らの自動ツールにより、不審なアカウントの捜索は実質的に 4 分の 1 以上に減少したという。 「『私たちが調べているもののうち1000のうち1つは違法になるだろう』という状況から、52のうち14が違法となるというのは、とんでもない変化だ」と論文の共著者の1人でMITメディアラボ研究員のマーク・ウェバーは言う。 「そして今、捜査官たちは実際に残りの人々を調べようとしているのですが、待ってください、何か見落としていませんか？」

Elliptic は、すでに自社の業務で AI モデルを非公開で使用していると述べています。 AIモデルが有益な結果を生み出しているさらなる証拠として、研究者らは、モデルによって特定されたいくつかの不審な取引チェーンの資金源を分析することで、暗号通貨の「ミキサー」が設計されたロシアのダークウェブ市場によって管理されているビットコインアドレスを発見するのに役立った、と書いている。ブロックチェーン上のビットコインの痕跡を難読化するためと、パナマベースのポンジスキーム。 （エリプティックは、犯罪者とされるサービスやサービスの名前を特定することを拒否し、進行中の捜査の対象を特定していないとWIREDに伝えた。）

しかしおそらく、研究者自身の AI モデルの実用化よりも重要なのは、研究者が持つ Elliptic のトレーニング データの可能性です。 出版された Google が所有する機械学習およびデータ サイエンスのコミュニティ サイト Kaggle で。 「Elliptic はこれを自分たちのために保管しておくこともできたでしょう」と MIT の Weber 氏は言います。 「その代わりに、ここにはコミュニティに何かを貢献するというオープンソースの精神が非常に強くあり、それによって誰もが、たとえ競合他社であっても、よりマネーロンダリング対策ができるようになるのです。」 Ellipticは、同社が公開したデータは匿名化されており、ビットコインアドレスの所有者やアドレス自体の識別子は一切含まれておらず、マネーロンダリングの疑いの評価でタグ付けされた取引の「サブグラフ」の構造データのみが含まれていると指摘している。

カリフォルニア大学サンディエゴ校のコンピューターサイエンス教授であり、論文の筆頭著者の顧問を務めたステファン・サベージ氏は、その膨大なデータの山が間違いなくインスピレーションを与え、ビットコインマネーロンダリングに関するさらに多くのAIに焦点を当てた研究を可能にするだろうと述べている。 2013年に出版された独創的なビットコイン追跡論文。 しかし、同氏は、現在のツールは概念実証として機能するだけで、現在の形では仮想通貨におけるマネーロンダリング対策の取り組みに革命を起こす可能性は低いと主張する。 「アナリストは、次のようなツールを使用するのに苦労することになると思います。 親切 時には正しいこともあるよ」とサベージは言う。 「私はこれを、『おい、ここに何かがある』という前進だと見ている。 もっと多くの人がこれに取り組むべきです。」