Super_Spec
Местный
Аналитическая компания Elliptic в сотрудничестве с Массачусетским технологическим институтом (MIT) исследовали более 200 000 транзакций в сети Биткоина на предмет их связи с преступной деятельностью.
Для того, чтобы отсортировать 203 769 транзакций на общую сумму $6 млрд, исследовательская группа задействовала алгоритм с машинным обучением. Результаты оказались весьма спорными: 77% транзакций не были классифицированы вовсе, 21% были признаны правомерными и всего 2% – незаконными. И все же исследователи уверенно заявляют, что искусственный интеллект способен существенно повысить эффективность процедуры по противодействию отмыванию денег.
Напомним, что месяц назад подобное проводила компания Chainalysis и, согласно ее данным, доля транзакций в сети Биткоина, связанных с преступной деятельностью, в 2019 году оценивается примерно в 1%. То есть, в целом данные аналитиков Elliptic почти не отличаются от результатов исследования, проведенного Chainalysis. Отметим, что в 2012 году этот показатель был равен 7%.
Правоохранительные органы часто обращаются к Elliptic за помощью, особенно когда необходимо выявить случаи незаконного использования криптовалют. Разработанные в компании алгоритмы помогают определить, используется ли биткоин в законных целях, например, лицами, не имеющими доступа к банковскому обслуживанию, или же неизвестные злоумышленники пытаются использовать криптовалюту для незаконной деятельности.
«Несмотря на высокие показатели эффективности наши алгоритмов, их использование пока сопряжено с некоторыми проблемами, самая большая из которых – это ложные срабатывания. Главной целью данного исследования было снижение числа таких срабатываний. Однако все же ключевой вывод заключается в том, что подобные алгоритмы с использованием машинного обучения очень эффективны для выявления незаконных транзакций», – заявил сооснователь Elliptic Том Робинсон (Tom Robinson).
Также Робинсон отметил, что в некоторых случаях система выявляла паттерны, для которых сложно подобрать описание, однако они соответствовали подтвержденным случаям противоправной деятельности, связанной с рынками в даркнете, атаками программ-вымогателей и прочей криминальной активностью.
Для того, чтобы отсортировать 203 769 транзакций на общую сумму $6 млрд, исследовательская группа задействовала алгоритм с машинным обучением. Результаты оказались весьма спорными: 77% транзакций не были классифицированы вовсе, 21% были признаны правомерными и всего 2% – незаконными. И все же исследователи уверенно заявляют, что искусственный интеллект способен существенно повысить эффективность процедуры по противодействию отмыванию денег.
Напомним, что месяц назад подобное проводила компания Chainalysis и, согласно ее данным, доля транзакций в сети Биткоина, связанных с преступной деятельностью, в 2019 году оценивается примерно в 1%. То есть, в целом данные аналитиков Elliptic почти не отличаются от результатов исследования, проведенного Chainalysis. Отметим, что в 2012 году этот показатель был равен 7%.
Правоохранительные органы часто обращаются к Elliptic за помощью, особенно когда необходимо выявить случаи незаконного использования криптовалют. Разработанные в компании алгоритмы помогают определить, используется ли биткоин в законных целях, например, лицами, не имеющими доступа к банковскому обслуживанию, или же неизвестные злоумышленники пытаются использовать криптовалюту для незаконной деятельности.
«Несмотря на высокие показатели эффективности наши алгоритмов, их использование пока сопряжено с некоторыми проблемами, самая большая из которых – это ложные срабатывания. Главной целью данного исследования было снижение числа таких срабатываний. Однако все же ключевой вывод заключается в том, что подобные алгоритмы с использованием машинного обучения очень эффективны для выявления незаконных транзакций», – заявил сооснователь Elliptic Том Робинсон (Tom Robinson).
Также Робинсон отметил, что в некоторых случаях система выявляла паттерны, для которых сложно подобрать описание, однако они соответствовали подтвержденным случаям противоправной деятельности, связанной с рынками в даркнете, атаками программ-вымогателей и прочей криминальной активностью.
