يمكن لمجموعة بيانات جديدة ضخمة أن تزيد من مطاردة الذكاء الاصطناعي لغسل الأموال المشفرة
كاختبار لأداة الذكاء الاصطناعي الناتجة، قام الباحثون بفحص مخرجاتها من خلال بورصة واحدة للعملات المشفرة – والتي لم تذكرها الورقة – وحددوا 52 سلسلة مشبوهة من المعاملات التي تدفقت جميعها في النهاية إلى تلك البورصة. وتبين أن البورصة قد حددت بالفعل 14 حسابًا تلقت تلك الأموال بسبب نشاط غير مشروع مشتبه به، بما في ذلك 8 حسابات تم تصنيفها على أنها مرتبطة بغسل الأموال أو الاحتيال، استنادًا جزئيًا إلى معلومات “اعرف عميلك” التي طلبتها. من أصحاب الحساب. على الرغم من عدم إمكانية الوصول إلى بيانات “اعرف عميلك” أو أي معلومات حول مصدر الأموال، إلا أن نموذج الذكاء الاصطناعي الخاص بالباحثين قد تطابق مع استنتاجات محققي البورصة.
قد لا يبدو تحديد 14 من أصل 52 من حسابات العملاء المشبوهة بشكل صحيح بمثابة معدل نجاح مرتفع، لكن الباحثين يشيرون إلى أن 0.1% فقط من حسابات البورصة تم تصنيفها على أنها عمليات غسيل أموال محتملة بشكل عام. ويقولون إن أداتهم الآلية قد قللت بشكل أساسي عملية البحث عن الحسابات المشبوهة إلى أكثر من واحد من كل أربعة. يقول مارك ويبر، أحد المؤلفين المشاركين في الورقة البحثية وزميل مختبر الوسائط التابع لمعهد ماساتشوستس للتكنولوجيا: “إن الانتقال من “واحد من كل ألف شيء ننظر إليه سيكون غير قانوني” إلى 14 من أصل 52 هو تغيير مجنون”. “والآن سيقوم المحققون بالفعل بفحص ما تبقى من هؤلاء لمعرفة، انتظر، هل فاتنا شيء ما؟”
تقول شركة Elliptic إنها تستخدم بالفعل نموذج الذكاء الاصطناعي بشكل خاص في عملها الخاص. وكدليل إضافي على أن نموذج الذكاء الاصطناعي يحقق نتائج مفيدة، كتب الباحثون أن تحليل مصدر الأموال لبعض سلاسل المعاملات المشبوهة التي حددها النموذج ساعدهم على اكتشاف عناوين بيتكوين التي تسيطر عليها سوق الويب المظلم الروسية، وهي عبارة عن “خلاط” للعملات المشفرة مصمم لـ التعتيم على مسار عملات البيتكوين على blockchain، ومخطط بونزي في بنما. (رفضت شركة Elliptic تحديد هوية أي من هؤلاء المجرمين أو الخدمات المزعومة بالاسم، وأخبرت WIRED أنها لا تحدد أهداف التحقيقات الجارية).
ولعل الأهم من الاستخدام العملي لنموذج الذكاء الاصطناعي الخاص بالباحثين هو إمكانات بيانات التدريب الخاصة بـ Elliptic، والتي نشرها الباحثون على موقع مجتمع التعلم الآلي وعلوم البيانات المملوك لشركة Google Kaggle. يقول ويبر من معهد ماساتشوستس للتكنولوجيا: “كان بإمكان شركة Elliptic الاحتفاظ بهذا الأمر لنفسها”. “بدلاً من ذلك، كانت هناك روح المصدر المفتوح هنا للمساهمة بشيء ما في المجتمع من شأنه أن يسمح للجميع، حتى منافسيهم، بأن يكونوا أفضل في مكافحة غسيل الأموال.” تشير Elliptic إلى أن البيانات التي أصدرتها مجهولة المصدر ولا تحتوي على أي معرفات لأصحاب عناوين Bitcoin أو حتى العناوين نفسها، فقط البيانات الهيكلية لـ “الرسوم البيانية الفرعية” للمعاملات التي تم وضع علامة عليها بتصنيفاتها للاشتباه في غسيل الأموال.
لا شك أن هذه البيانات الهائلة ستلهم وتمكن من إجراء المزيد من الأبحاث التي تركز على الذكاء الاصطناعي في غسيل أموال البيتكوين، كما يقول ستيفان سافاج، أستاذ علوم الكمبيوتر في جامعة كاليفورنيا سان دييغو الذي عمل كمستشار للمؤلف الرئيسي للبحث الأساسي لتتبع البيتكوين. ورقة بحثية نُشرت في عام 2013. ومع ذلك، فهو يجادل بأن الأداة الحالية لا يبدو من المرجح أن تُحدث ثورة في جهود مكافحة غسيل الأموال في العملات المشفرة في شكلها الحالي، بقدر ما تكون بمثابة دليل على المفهوم. “أعتقد أن المحلل سيواجه صعوبة في التعامل مع هذه الأداة عطوف يقول سافاج: “من الحق في بعض الأحيان”. “أنا أعتبر هذا تقدمًا يقول: “مرحبًا، يوجد شيء ما هنا.” يجب أن يعمل المزيد من الأشخاص على هذا الأمر».
