El laboratorio de IA del MIT analizó 200.000 transacciones de Bitcoin. Solo el 2% eran “ilícitos”

La firma de análisis de blockchain Elliptic colaboró con investigadores del Instituto de Tecnología de Massachusetts (MIT) para publicar un conjunto de datos públicos de transacciones de bitcoin asociadas con actividades ilícitas.

El estudio del grupo detalló cómo los investigadores del MIT-IBM Watson AI Lab utilizaron el software de aprendizaje automático para clasificar 203.769 transacciones de nodos de bitcoin por un valor total de aproximadamente $ 6 mil millones. La investigación exploró si la inteligencia artificial podría ayudar a los procedimientos actuales contra el lavado de dinero (AML).

Solo el 2 por ciento de las 200.000 transacciones de bitcoin en el conjunto de datos se consideraron ilícitos. Mientras que el 21 por ciento se identificó como legal, la gran mayoría de las transacciones, aproximadamente el 77 por ciento, permanecieron sin clasificar. (Hasta la fecha, se han estimado unas 440 millones de transacciones de bitcoins desde el lanzamiento de la red en 2009).

La cifra del 2 por ciento en línea con un estudio de la firma de análisis competitiva Chainalysis, que estimó que solo el 1 por ciento de las transacciones de bitcoin en 2019 se asociaron con actividades ilícitas.

Dado que Elliptic es frecuentemente contratado por las agencias policiales de todo el mundo para identificar actividades ilegales usando criptomonedas, esta investigación tuvo como objetivo identificar patrones que pueden ayudar a distinguir el uso ilícito del uso legal de bitcoin, especialmente entre personas no bancarizadas u otras entidades desconocidas.

“Un gran problema con el cumplimiento, en general, son los falsos positivos. Una gran parte de esta investigación es minimizar el número de falsos positivos”, dijo el cofundador de Elliptic, Tom Robinson, a CoinDesk. “El hallazgo clave es que las técnicas de aprendizaje automático son muy efectivas para encontrar transacciones que son ilícitas”.

En ocasiones, agregó Robinson, el software fue capaz de encontrar patrones que serían difíciles de describir pero que aún coincidían con entidades conocidas, basándose en datos preexistentes de mercados de redes oscuras, ataques de ransomware y otras investigaciones criminales.

Después del estudio académico, Elliptic hizo público el mismo conjunto de datos para alentar las contribuciones de código abierto.

“En el lado de AML, estamos compartiendo nuestros primeros experimentos con expertos en dominios para solicitar comentarios”, dijo el investigador del MIT Mark Weber a CoinDesk, y agregó lo siguiente:

“También esperamos que el lanzamiento de Elliptic Data Set inspire a otros a unirse al esfuerzo para ayudar a que nuestros sistemas financieros sean más seguros mediante el desarrollo de nuevas técnicas y modelos para AML”.

CNBC informó en abril que la creciente demanda de billetes de US $ 100 probablemente fue impulsada por un aumento en la actividad criminal global. Un informe de 2017 del Instituto Americano de Investigación Económica (American Institute for Economic Research) estimó que “más de un tercio de toda la moneda estadounidense en circulación es utilizada por delincuentes y estafadores fiscales”.

El sistema financiero tradicional está involucrado en diversas forma de blanqueo de capitales, en el Este de Europa se han visto que facilitan el lavado de dinero, grandes bancos de Alemania, tienen una deuda ética con sus usuarios, las posibilidades de mejorar la transparencia, se puede lograr con la tecnología blockchain-bitcoin, los gobiernos que quieran adecentar estas transacciones lo mejoraría con esta nueva tecnología, las políticas financieras pueden ayudar a los países. Se espera por nuevos anuncios.

Referencia: coindesk.com

Descargo de responsabilidad: InfoCoin no está afiliado con ninguna de las empresas mencionadas en este artículo y no es responsable de sus productos y/o servicios. Este comunicado de prensa es sólo para fines informativos, la información no constituye consejo de inversión o una oferta para invertir.