Blockchain-Forscher nutzen KI, um Bitcoin-Geldwäsche zu erkennen

Bereits 2019 veröffentlichte das Blockchain-Analyseunternehmen Elliptic gemeinsam mit dem MIT-IBM Watson AI Lab eine Studie, die zeigte, wie ein Modell für maschinelles Lernen trainiert werden könnte, um Bitcoin-Transaktionen zu identifizieren, die von illegalen Akteuren wie Ransomware-Gruppen oder Darknet-Marktplätzen durchgeführt wurden.

Jetzt haben die Partner neue Forschungsarbeiten durchgeführt, bei denen sie neue Techniken auf einen viel größeren Datensatz anwenden, der fast 200 Millionen Transaktionen enthält. Anstatt Transaktionen illegaler Akteure zu identifizieren, wurde ein maschinelles Lernmodell darauf trainiert, „Subgraphs“ zu identifizieren, Transaktionsketten, die das Waschen von Bitcoin darstellen.

Durch die Identifizierung dieser Untergraphen anstelle illegaler Wallets konnten sich die Forscher auf den „Multi-Hop“-Geldwäscheprozess allgemeiner konzentrieren und nicht auf das On-Chain-Verhalten bestimmter illegaler Akteure.

In Zusammenarbeit mit einer Krypto-Börse testeten die Forscher ihre Technik: Von 52 vorhergesagten Geldwäsche-Untergraphen, die mit Einzahlungen an die Börse endeten, gingen 14 von Benutzern ein, die bereits als mit Geldwäsche in Verbindung gebracht wurden.

Im Durchschnitt wird weniger als eines von 10.000 Konten auf diese Weise gekennzeichnet, „was darauf hindeutet, dass das Modell sehr gut funktioniert“, so das Team. Die Forscher stellen ihre zugrunde liegenden Daten nun öffentlich zur Verfügung.

Elliptic sagt: „Diese neuartige Arbeit zeigt, dass KI-Methoden auf Blockchain-Daten angewendet werden können, um illegale Wallets und Geldwäschemuster zu identifizieren, die zuvor der Öffentlichkeit verborgen blieben.“

„Dies wird durch die inhärente Transparenz von Blockchains ermöglicht und zeigt, dass Kryptoassets keineswegs ein Zufluchtsort für Kriminelle sind, sondern viel besser für die KI-basierte Aufdeckung von Finanzkriminalität geeignet sind als herkömmliche Finanzanlagen.“