Твитнуть
Аналитическая компания Elliptic и лаборатория MIT Watson AI Lab сообщили о создании особых методов машинного обучения, благодаря которым появилась возможность выявлять преступную деятельность в сети биткоина.
В рамках исследования специалистам удалось проанализировать около 26 гб данных, в которых содержались 122 тысячи маркированных подграфов порядка, 49 миллионов узлов и 196 млн транзакций. Датасет, под названием Elliptic2, позволил выявить связи между кошельками и операциями, имеющими отношение к преступной деятельности. Первоначальное исследование по той же теме публиковалось в 2019 году. Цель всего проекта состоит в противодействии финансовому мошенничеству при помощи ИИ. Для этого используются графовые сверточные нейронные сети (GCN).
Как пояснил старший сотрудник и один из основателей Elliptic – Том Робинсон, применение ИИ на уровне подграфов позволяет точно установить принадлежность конкретных операций к преступным схемам и доходам от мошеннической деятельности. В целом же, способ кардинально отличается от традиционных методов анализа, в рамках которых изначально отслеживаются нелегальные криптовалютные адреса.
В исследовании Elliptic и Watson AI Lab используются 3 способа классификации подграфов: GNN-Seg, Sub2Vec и GLASS. Благодаря этому можно обнаружить большое число криптовалютных счетов на биржах, через которые могут проводиться сомнительные сделки.
Специалистам также удалось выявить несколько устоявшихся паттернов транзакций, при обнаружении которых можно говорить о преступной деятельности. Способы отмывания средств через криптовалюты объединены в одну группу – Peeling Chain. В будущих работах аналитики хотят расширит возможности использования уже готовых методов и разработать новые подходы в изучении подозрительных операций. Также планируется адаптировать технологию машинного обучения для выявления преступных схем в других блокчейнах.
В рамках исследования специалистам удалось проанализировать около 26 гб данных, в которых содержались 122 тысячи маркированных подграфов порядка, 49 миллионов узлов и 196 млн транзакций. Датасет, под названием Elliptic2, позволил выявить связи между кошельками и операциями, имеющими отношение к преступной деятельности. Первоначальное исследование по той же теме публиковалось в 2019 году. Цель всего проекта состоит в противодействии финансовому мошенничеству при помощи ИИ. Для этого используются графовые сверточные нейронные сети (GCN).
Как пояснил старший сотрудник и один из основателей Elliptic – Том Робинсон, применение ИИ на уровне подграфов позволяет точно установить принадлежность конкретных операций к преступным схемам и доходам от мошеннической деятельности. В целом же, способ кардинально отличается от традиционных методов анализа, в рамках которых изначально отслеживаются нелегальные криптовалютные адреса.
В исследовании Elliptic и Watson AI Lab используются 3 способа классификации подграфов: GNN-Seg, Sub2Vec и GLASS. Благодаря этому можно обнаружить большое число криптовалютных счетов на биржах, через которые могут проводиться сомнительные сделки.
Специалистам также удалось выявить несколько устоявшихся паттернов транзакций, при обнаружении которых можно говорить о преступной деятельности. Способы отмывания средств через криптовалюты объединены в одну группу – Peeling Chain. В будущих работах аналитики хотят расширит возможности использования уже готовых методов и разработать новые подходы в изучении подозрительных операций. Также планируется адаптировать технологию машинного обучения для выявления преступных схем в других блокчейнах.