Como teste da ferramenta de IA resultante, os pesquisadores verificaram seus resultados com uma exchange de criptomoedas – cujo nome o artigo não menciona – identificando 52 cadeias suspeitas de transações que, em última análise, fluíram para essa exchange. Descobriu-se que a exchange já havia sinalizado 14 das contas que receberam esses fundos por suspeita de atividades ilícitas, incluindo oito que foram marcadas como associadas a lavagem de dinheiro ou fraude, com base em parte nas informações de conhecimento do seu cliente que havia solicitado. dos proprietários da conta. Apesar de não ter acesso aos dados do “conheça o seu cliente” ou a qualquer informação sobre a origem dos fundos, o modelo de IA dos investigadores correspondeu às conclusões dos próprios investigadores da bolsa.
Identificar corretamente 14 das 52 contas de clientes como suspeitas pode não parecer uma alta taxa de sucesso, mas os pesquisadores apontam que apenas 0,1% das contas da bolsa são sinalizadas como potencial lavagem de dinheiro em geral. Sua ferramenta automatizada, argumentam eles, reduziu essencialmente a busca por contas suspeitas para mais de uma em cada quatro. “Passar de ‘uma em cada mil coisas que vemos será ilícita’ para 14 em 52 é uma mudança absurda”, diz Mark Weber, um dos co-autores do artigo e membro do Media Lab do MIT. “E agora os investigadores vão realmente investigar o restante para ver, espere, perdemos alguma coisa?”
A Elliptic diz que já usa o modelo de IA de forma privada em seu próprio trabalho. Como mais uma evidência de que o modelo de IA está produzindo resultados úteis, os pesquisadores escrevem que a análise da fonte de fundos para algumas cadeias de transações suspeitas identificadas pelo modelo os ajudou a descobrir endereços Bitcoin controlados por um mercado russo da dark web, um “misturador” de criptomoeda projetado para ofuscar o rastro de bitcoins no blockchain e um esquema Ponzi baseado no Panamá. (A Elliptic se recusou a identificar qualquer um desses supostos criminosos ou serviços pelo nome, dizendo à WIRED que não identifica os alvos das investigações em andamento.)
Talvez mais importante do que o uso prático do modelo de IA dos próprios pesquisadores, no entanto, seja o potencial dos dados de treinamento da Elliptic, que os pesquisadores têm Publicados no site da comunidade de aprendizado de máquina e ciência de dados de propriedade do Google, Kaggle. “A Elliptic poderia ter guardado isso para si”, diz Weber, do MIT. “Em vez disso, havia aqui um espírito de código aberto de contribuir com algo para a comunidade que permitirá que todos, até mesmo seus concorrentes, sejam melhores no combate à lavagem de dinheiro.” A Elliptic observa que os dados divulgados são anonimizados e não contêm quaisquer identificadores dos proprietários de endereços Bitcoin ou mesmo dos próprios endereços, apenas os dados estruturais dos “subgráficos” de transações que marcou com suas classificações de suspeita de lavagem de dinheiro.
Esse enorme conjunto de dados sem dúvida inspirará e permitirá pesquisas muito mais focadas em IA sobre lavagem de dinheiro com bitcoin, diz Stefan Savage, professor de ciência da computação da Universidade da Califórnia em San Diego que atuou como consultor do autor principal de um estudo seminal sobre rastreamento de bitcoin. artigo publicado em 2013. Ele argumenta, porém, que a ferramenta atual não parece revolucionar os esforços de combate à lavagem de dinheiro em criptografia em sua forma atual, tanto quanto servir como uma prova de conceito. “Acho que um analista terá dificuldades com uma ferramenta que é tipo certo às vezes”, diz Savage. “Eu vejo isso como um avanço que diz: ‘Ei, tem uma coisa aqui. Mais pessoas deveriam trabalhar nisso.’”
