KI-Modell überwacht Bitcoins Unterwelt, während illegale Transaktionen zu verborgenen Netzwerken werden

Bitcoin wurde entwickelt, um Geld ohne Banken, Grenzen oder Namen zu bewegen, die mit den Transaktionen verbunden sind. Dasselbe Design hat jedoch die weltweit größte Kryptowährung zu einem Magneten für Finanzkriminalität gemacht, von Ransomware-Zahlungen bis hin zu Geldwäsche-Operationen, die Coins durch schwindelerregende Ketten von Adressen schleusen. Eine neue Studie, die in Applied Intelligence von Fan Wu, Wei Yin, Xiaoyan Hu und Xinxin Luo, Forschern der Southeast University in Nanjing und dem Peng Cheng Laboratory in Shenzhen, veröffentlicht wurde, nimmt dieses Problem mit einem hybriden Framework für künstliche Intelligenz namens E-GTNet ins Visier – kurz für Edge-enhanced Graph Transformer Network –, kombiniert mit einer Graphdatenbank, die es Ermittlern ermöglicht, die vom Modell aufgedeckten kriminellen Strukturen tatsächlich zu sehen.

Die zentrale Herausforderung, der sich die Forscher gestellt haben, ist trügerisch einfach zu formulieren und extrem schwer zu lösen. Da Kryptowährungen dezentralisiert und anonym sind, sind sie zu einem bevorzugten Werkzeug für Kriminelle geworden, die Finanzverbrechen begehen, wie die Autoren in ihrer Arbeit anmerken. Das Erkennen abnormaler Transaktionen in diesem Umfeld ist nicht nur eine Frage der Markierung eines verdächtigen Kontos. Transaktionen bilden enorme, sich ständig verändernde Netze, in denen jede Zahlung eine Adresse mit einer anderen verbindet und die Bedeutung eines einzelnen Knotens von seiner Position innerhalb dieses Netzes abhängt. Traditionelle Ansätze des maschinellen Lernens, die jede Transaktion oder jedes Konto als unabhängige Zeile von Merkmalen behandeln, verwerfen genau die relationalen Informationen, die eine Geldwäsche-Operation von gewöhnlichem Handel unterscheiden.