پژوهشگران دانشگاه امنیت عمومی خلق چین یک سامانه هوش مصنوعی برای شناسایی پولشویی و تراکنشهای غیرقانونی بیتکوین طراحی کردهاند که در آزمایش روی بیش از ۲۰۳ هزار تراکنش، به دقت کلی ۸۹.۴ درصد رسیده است. این سامانه با بررسی ارتباط میان کیف پولها، مسیر و زمان جابهجایی داراییها و مقایسه آنها با نمونههای شناختهشده تخلف، میزان ریسک هر تراکنش را مشخص میکند و شواهد و دلایل رسیدن به نتیجه را نیز در اختیار کارشناسان و نهادهای نظارتی قرار میدهد.
بر اساس نتایج یک پژوهش تازه، محققان دانشگاه پلیس ملی چین سامانهای مبتنی بر هوش مصنوعی ساختهاند که میتواند تراکنشهای غیرقانونی رمزارزی را با دقت کلی نزدیک به ۹۰ درصد شناسایی کند.
به گزارش روزنامه ساوت چاینا مورنینگ پست، تعداد تراکنشهای رمزارزی بهسرعت در حال افزایش است. بااینحال، این تراکنشها معمولاً بدون مشخصبودن هویت واقعی افراد انجام میشوند و محدود به مرزهای یک کشور نیستند. همین ویژگیها میتواند زمینه را برای پولشویی و دیگر فعالیتهای غیرقانونی فراهم کند.
راهکاری تازه برای مقابله با جرائم رمزارزی
سون جینگچائو، نویسنده مسئول این پژوهش، در مقالهای که پس از بررسی و تأیید علمی در نشریه چینی «Journal of Intelligence» منتشر شده، نوشته است که این پژوهش «راهکاری دقیق ارائه میدهد که میتوان از آن در موقعیتهای مختلف استفاده کرد و نحوه رسیدن آن به نتیجه نیز قابلتوضیح است».
به گفته او، این پژوهش همچنین «راهی تازه و مبتنی بر فناوری در اختیار نهادهای نظارتی قرار میدهد تا با تراکنشهای غیرقانونی رمزارزی و جرائم اقتصادی مقابله کنند».
سون در زمینه تحقیقات جنایی و امنیت سایبری فعالیت میکند. این پژوهش در ماه مه از سوی محققان دانشگاه امنیت عمومی خلق چین انجام شده است؛ دانشگاهی که زیر نظر وزارت امنیت عمومی این کشور فعالیت میکند.
تمرکز چین بر پولشویی با ارزهای مجازی
انتشار این پژوهش در شرایطی صورت گرفته که مقامهای چینی همچنان مقابله با جرائم مالی مرتبط با رمزارزها را دنبال میکنند.
دادستانی عالی خلق چین در ماه مارس اعلام کرد دادستانها در سال ۲۰۲۵ برای ۳٬۲۵۹ نفر به اتهام پولشویی با استفاده از ارزهای مجازی و شبکههای مالی زیرزمینی کیفرخواست صادر کردهاند.
رسانه دیجیتال چینی The Paper نیز ۲۴ ژوئیه گزارش داد که دادگاهی در منطقه مغولستان داخلی، رسیدگی به پروندهای را به پایان رسانده است که در آن نزدیک به ۳ میلیارد یوان، معادل ۴۴۴ میلیون دلار آمریکا، ظاهراً برای تسویه بدهیهای مربوط به قمار اینترنتی استفاده شده بود. این پرونده ممکن است با شرطبندی روی مسابقات جام جهانی فوتبال ارتباط داشته باشد.
چرا ردیابی رمزارزها دشوار است؟
بااینحال، چنین پروندههایی احتمالاً فقط بخش کوچکی از فعالیتهای غیرقانونی را نشان میدهند؛ زیرا ردیابی مسیر جابهجایی رمزارزها، حتی با وجود ثبت عمومی تراکنشها، کار سادهای نیست.
تراکنشهای بیتکوین در یک شبکه عمومی به نام بلاکچین ثبت میشوند و همه میتوانند اطلاعات آنها را مشاهده کنند. بااینحال، آدرس کیف پولهای رمزارزی مستقیماً به نام و هویت واقعی افراد متصل نیستند.
همچنین پولهای غیرقانونی میتوانند از مسیرهای پیچیده و از میان تعداد زیادی آدرس کیف پول جابهجا شوند تا پیدا کردن مبدأ و مقصد آنها دشوارتر شود.
سامانههای سنتی که بر اساس چند قانون و الگوی ازپیشتعیینشده کار میکنند، معمولاً نمیتوانند چنین روشهای پیچیده و پیوسته در حال تغییری را بهراحتی شناسایی کنند.
سامانه هوش مصنوعی چگونه کار میکند؟
سامانه طراحیشده از سوی محققان چینی، سه بخش اصلی را با یکدیگر ترکیب میکند: یک مدل برای بررسی ارتباط میان تراکنشها، بخشی برای نگهداری و بازیابی الگوهای گذشته و یک مدل زبانی بزرگ.
مدل زبانی بزرگ یا LLM نوعی هوش مصنوعی است که میتواند حجم زیادی از اطلاعات را بررسی و نتیجه را به شکل متن قابلفهم ارائه کند.
بخش نخست این سامانه که «شبکه عصبی گراف پویا» نام دارد، اکوسیستم رمزارزها را مانند شبکهای در نظر میگیرد که دائماً در حال تغییر است. این بخش، نحوه ارتباط تراکنشها با یکدیگر، مسیر جابهجایی پول و تغییرات این مسیرها در طول زمان را بررسی میکند.
مقایسه تراکنشهای جدید با تخلفهای گذشته
سامانه سپس از بخش حافظه خود استفاده میکند تا نمونههای قدیمی تراکنشهای غیرقانونی را که به پرونده جدید شباهت دارند، پیدا کند.
به این ترتیب، فعالیتهای تازه با رفتارهایی مقایسه میشوند که پیشتر غیرقانونیبودن آنها مشخص شده است.
محققان یک مدل زبانی بزرگ را نیز به این سامانه اضافه کردهاند. این مدل، اطلاعات بهدستآمده از تراکنشها، الگوهای گذشته و نحوه ارتباط بخشهای مختلف شبکه را در کنار یکدیگر بررسی میکند.
ارائه نتیجه به زبان قابلفهم
مدل زبانی سپس این اطلاعات پیچیده را به یک ارزیابی ریسک روشن و قابلفهم تبدیل میکند.
خروجی سامانه فقط مشخص نمیکند که یک تراکنش قانونی یا غیرقانونی است. این سامانه همچنین میزان ریسک، مهمترین شواهد و مراحلی را که باعث شده به این نتیجه برسد، نشان میدهد.
سون نوشته است: «روش ما توانایی مدل را برای شناسایی شیوههای جدید و در حال تغییر معاملات غیرقانونی، به میزان قابلتوجهی افزایش داده است.»
آزمایش روی بیش از ۲۰۳ هزار تراکنش
محققان این سامانه را با استفاده از مجموعهداده عمومی تراکنشهای بیتکوین «Elliptic» آزمایش کردند.
این مجموعه شامل اطلاعات ۲۰۳٬۷۶۹ تراکنش، ۲۳۴٬۳۵۵ ارتباط میان این تراکنشها و ۱۶۶ مشخصه مختلف برای هر تراکنش است.
دقت کلی مدل در این آزمایش به ۸۹.۴ درصد رسید. همچنین از میان تراکنشهایی که سامانه آنها را غیرقانونی اعلام کرد، ۸۹.۱ درصد واقعاً غیرقانونی بودند. این مدل توانست ۶۴.۵ درصد از کل تراکنشهایی را که در مجموعهداده غیرقانونی شناخته شده بودند نیز پیدا کند.
اعداد بهدستآمده چه معنایی دارند؟
دقت ۸۹.۱ درصدی به این معناست که از هر ۱۰ تراکنشی که هوش مصنوعی آنها را غیرقانونی تشخیص داده، نزدیک به ۹ مورد در اطلاعات واقعی نیز غیرقانونی بودهاند.
عدد ۶۴.۵ درصد نیز نشان میدهد که این سامانه توانسته است نزدیک به دوسوم کل تراکنشهای غیرقانونی ثبتشده در مجموعهداده را شناسایی کند.
سون نوشته است: «نتایج آزمایش روی یک مجموعهداده عمومی تراکنشهای بیتکوین نشان میدهد عملکرد این سامانه از مدلهای رایجی که برای مقایسه استفاده میشوند، بهتر است.»
شناسایی روشهای جدید پولشویی
محققان معتقدند بخش حافظه سامانه میتواند به شناسایی روشهای تازه یا در حال تغییر پولشویی کمک کند.
این بخش، مسیر فعلی جابهجایی پول، زمان انجام تراکنشها و نحوه ارتباط آدرسها با یکدیگر را با نمونههای مشابهی که در گذشته ثبت شدهاند، مقایسه میکند.
محققان نوشتهاند: «این سامانه با استفاده از توانایی مدلهای زبانی بزرگ در بررسی و توضیح اطلاعات، برای هشدارهای پرریسک شواهدی روشن و قابلپیگیری ارائه میدهد. این ویژگی باعث میشود استفاده از سامانه در فعالیتهای واقعی نهادهای نظارتی سادهتر باشد و کارشناسان بتوانند دلیل تصمیمهای آن را بهتر درک کنند.»
