Das Blockchain-Analyseunternehmen Elliptic hat erhebliche Fortschritte beim Einsatz künstlicher Intelligenz (KI) gemacht, um potenzielle Geldwäschemuster auf der Bitcoin-Blockchain zu identifizieren.
In einem gemeinsam mit dem MIT-IBM Watson AI Lab verfassten Forschungspapier beschrieb Elliptic die Verwendung eines Deep-Learning-Modells, das auf einem Datensatz von fast 200 Millionen Transaktionen trainiert wurde, um illegale Aktivitäten mit Gruppen von Bitcoin-Knoten und Transaktionsketten zu erkennen.
Die Untersuchung baut auf einer früheren Studie aus dem Jahr 2019 auf, bei der ein viel kleinerer Datensatz von 200.000 Transaktionen verwendet wurde. Der neue „Elliptic2“-Datensatz enthält 122.000 gekennzeichnete „Untergraphen“, die Gruppen verbundener Knoten und Transaktionsketten darstellen, von denen bekannt ist, dass sie Verbindungen zu illegalen Aktivitäten aufweisen. Durch das Training des KI-Modells anhand dieses umfangreichen Datensatzes möchte Elliptic die Genauigkeit und Effizienz bei der Erkennung von Geldwäsche und anderen Finanzkriminalität in der Blockchain verbessern.
Aufgrund der inhärenten Transparenz von Blockchain-Daten eignen sie sich gut für Techniken des maschinellen Lernens, da Transaktionsinformationen und Entitätstypen problemlos analysiert werden können. Dies steht im Gegensatz zum traditionellen Finanzwesen, wo Transaktionsdaten häufig isoliert vorliegen, was die Anwendung von KI schwieriger macht.
Das trainierte Modell identifizierte erfolgreich Erlöse aus Straftaten, die an einer Krypto-Börse hinterlegt wurden, sowie neuartige Geldwäsche-Transaktionsmuster und bisher unbekannte illegale Wallets. Diese Erkenntnisse fließen bereits in die Produkte von Elliptic ein, um deren Leistungsfähigkeit zu verbessern.
„Die durch das Modell identifizierten Geldwäschetechniken wurden identifiziert, weil sie bei Bitcoin weit verbreitet sind“, erklärte Elliptic-Mitbegründer Tom Robinson in einer E-Mail. „Kryptowährungswäsche-Praktiken werden sich im Laufe der Zeit weiterentwickeln, da sie nicht mehr effektiv sind, aber ein Vorteil eines KI-/Deep-Learning-Ansatzes besteht darin, dass neue Geldwäschemuster automatisch erkannt werden, sobald sie auftauchen.“
Die Untersuchung ergab gängige Geldwäschetechniken wie „Peeling Chains“, bei denen ein Benutzer Kryptowährungen an eine Zieladresse sendet, während er den Rest an eine andere Adresse unter seiner Kontrolle sendet und so eine Transaktionskette bildet. Eine weitere gängige Methode war die Nutzung „verschachtelter Dienste“, also von Unternehmen, die Gelder über Konten bei größeren Krypto-Börsen bewegen, manchmal sogar ohne Wissen oder Genehmigung der Börse.
Um die weitere Zusammenarbeit und Weiterentwicklung in diesem Bereich zu fördern, hat Elliptic den Datensatz „Elliptic2“ öffentlich zugänglich gemacht. Als größter öffentlicher Datensatz seiner Art wird er es der breiteren Gemeinschaft ermöglichen, neue KI-Techniken zur Erkennung illegaler Kryptowährungstransaktionen zu entwickeln und zum laufenden Kampf gegen Finanzkriminalität im Kryptobereich beizutragen.