\n<\/p>\n
Como prueba de la herramienta de inteligencia artificial resultante, los investigadores verificaron sus resultados con un intercambio de criptomonedas (que el documento no menciona) identificando 52 cadenas sospechosas de transacciones que finalmente hab\u00edan fluido hacia ese intercambio. Result\u00f3 que el intercambio ya hab\u00eda marcado 14 de las cuentas que hab\u00edan recibido esos fondos por sospecha de actividad il\u00edcita, incluidas ocho que hab\u00eda marcado como asociadas con lavado de dinero o fraude, bas\u00e1ndose en parte en la informaci\u00f3n de \u00abconozca a su cliente\u00bb que hab\u00eda solicitado. de los propietarios de las cuentas. A pesar de no tener acceso a los datos de \u00abconozca a su cliente\u00bb ni a ninguna informaci\u00f3n sobre el origen de los fondos, el modelo de inteligencia artificial de los investigadores coincidi\u00f3 con las conclusiones de los propios investigadores de la bolsa.<\/p>\n
Identificar correctamente 14 de 52 de esas cuentas de clientes como sospechosas puede no parecer una alta tasa de \u00e9xito, pero los investigadores se\u00f1alan que s\u00f3lo el 0,1 por ciento de las cuentas del intercambio est\u00e1n marcadas como posible lavado de dinero en general. Argumentan que su herramienta automatizada esencialmente hab\u00eda reducido la b\u00fasqueda de cuentas sospechosas a m\u00e1s de una de cada cuatro. \u00abPasar de ‘una de cada mil cosas que analizamos ser\u00e1 il\u00edcita’ a 14 de 52 es un cambio loco\u00bb, dice Mark Weber, uno de los coautores del art\u00edculo y miembro del Media Lab del MIT. \u00abY ahora los investigadores van a investigar el resto para ver, espera, \u00bfnos perdimos algo?\u00bb.<\/p>\n
Elliptic dice que ya ha estado utilizando de forma privada el modelo de IA en su propio trabajo. Como evidencia adicional de que el modelo de IA est\u00e1 produciendo resultados \u00fatiles, los investigadores escriben que analizar la fuente de fondos para algunas cadenas de transacciones sospechosas identificadas por el modelo les ayud\u00f3 a descubrir direcciones de Bitcoin controladas por un mercado ruso de la web oscura, un \u00abmezclador\u00bb de criptomonedas dise\u00f1ado para ofuscar el rastro de bitcoins en la cadena de bloques y un esquema Ponzi con sede en Panam\u00e1. (Elliptic se neg\u00f3 a identificar a ninguno de esos presuntos delincuentes o servicios por su nombre y le dijo a WIRED que no identifica los objetivos de las investigaciones en curso).<\/p>\n
Sin embargo, quiz\u00e1s m\u00e1s importante que el uso pr\u00e1ctico del propio modelo de IA de los investigadores sea el potencial de los datos de entrenamiento de Elliptic, que los investigadores han publicado en Kaggle, el sitio comunitario de aprendizaje autom\u00e1tico y ciencia de datos propiedad de Google. \u00abElliptic podr\u00eda haberse quedado con esto\u00bb, dice Weber del MIT. \u00abEn cambio, aqu\u00ed hab\u00eda un esp\u00edritu de c\u00f3digo abierto que consist\u00eda en contribuir con algo a la comunidad que permitiera a todos, incluso a sus competidores, ser mejores en la lucha contra el lavado de dinero\u00bb. Elliptic se\u00f1ala que los datos que public\u00f3 son an\u00f3nimos y no contienen ning\u00fan identificador de los propietarios de las direcciones de Bitcoin o incluso de las direcciones mismas, s\u00f3lo los datos estructurales de los \u00absubgrafos\u00bb de las transacciones que etiquet\u00f3 con sus calificaciones de sospecha de lavado de dinero.<\/p>\n
Ese enorme tesoro de datos sin duda inspirar\u00e1 y permitir\u00e1 una investigaci\u00f3n mucho m\u00e1s centrada en la inteligencia artificial sobre el lavado de dinero de bitcoins, dice Stefan Savage, profesor de ciencias de la computaci\u00f3n en la Universidad de California en San Diego, quien se desempe\u00f1\u00f3 como asesor del autor principal de un estudio fundamental sobre el seguimiento de bitcoins. art\u00edculo publicado en 2013. Sin embargo, sostiene que no parece probable que la herramienta actual revolucione los esfuerzos contra el lavado de dinero en criptograf\u00eda en su forma actual, sino que sirva como prueba de concepto. \u201cCreo que un analista va a tener dificultades con una herramienta que es amable<\/em> a veces es algo correcto\u201d, dice Savage. \u201cVeo esto como un avance que dice: ‘Oye, aqu\u00ed hay algo. M\u00e1s personas deber\u00edan trabajar en esto’\u201d.<\/p>\n<\/div>\n