Blockchain

لقد وجدت تقنية Blockchain، التي غالباً ما يتم انتقادها كحل للبحث عن مشكلة، قيمة كبيرة لمجموعة من الأشخاص: غاسلي الأموال، وتشكل أنشطتهم غير المشروعة تحديات كبيرة للمؤسسات المالية وشركات العملات المشفرة ووكالات إنفاذ القانون والجهات التنظيمية على حد سواء، ومع ذلك، فإن التطورات الحديثة في التكنولوجيا تقدم بصيص أمل في مكافحة الجرائم المالية.

ويتضمن أحدث الابتكارات، التي قدمتها شركة Elliptic، وهي شركة بريطانية متخصصة في الطب الشرعي للعملات المشفرة، الاستفادة من قوة الذكاء الاصطناعي لمكافحة غسيل الأموال، ومن خلال تطبيق التعلم الآلي على بيانات المعاملات على blockchain Bitcoin، قامت Elliptic بتطوير طريقة رائدة للكشف عن الأنشطة غير المشروعة.

ويشير بحث جديد إلى أن هذه التكنولوجيا قد حددت بالفعل عائدات الجريمة التي يتم تحويلها من خلال تبادلات العملات المشفرة، وكشفت عن أنماط جديدة لغسل الأموال، وكشفت عن جهات غير مشروعة لم تكن معروفة من قبل، وقد تم دمج مخرجات هذا النهج القائم على الذكاء الاصطناعي بسلاسة في مجموعة منتجات Elliptic، مع إجراء المزيد من الاختبارات لتمكين الإبلاغ المباشر عن المعاملات غير المشروعة.

ويوضح توم روبنسون، المؤسس المشارك وكبير العلماء في شركة Elliptic، حالتي استخدام أساسيتين لتقنية الذكاء الاصطناعي هذه، وأولاً، يساعد تبادل العملات المشفرة والشركات الأخرى في تحديد العملات المشفرة التي قد تكون نشأت من أنشطة إجرامية، وثانياً، يساعد وكالات إنفاذ القانون في الكشف عن الخدمات والجهات الفاعلة غير المشروعة الجديدة التي تستخدم العملات المشفرة لأغراض شائنة.

وتوفر تقنية Blockchain، بطبيعتها اللامركزية والمجهولة الزائفة، مشهداً جذاباً لغاسلي الأموال، ومع ذلك، فإنه يوفر أيضاً أرضاً خصبة لتحليل الذكاء الاصطناعي، ومن خلال التدقيق في دفاتر المعاملات وبيانات المحفظة، يمكن لخوارزميات التعلم الآلي تحديد الأنماط المشبوهة التي تشير إلى المدفوعات غير المشروعة والجناة الذين يقفون وراءها.

وبدأت رحلة Elliptic في الكشف عن الجرائم المالية المعتمدة على الذكاء الاصطناعي في عام 2019 من خلال تطوير نموذج للتعلم الآلي قادر على تحديد معاملات Bitcoin المرتبطة بالجهات الفاعلة غير المشروعة مثل مجموعات برامج الفدية وأسواق الويب المظلمة، وبناءً على هذا الأساس، تعاونت الشركة مع باحثين من MIT-IBM Watson AI Lab لتحسين نهجهم وتطبيقه على مجموعة بيانات واسعة تضم أكثر من 200 مليون معاملة.

وبدلا ًمن التركيز فقط على المحافظ غير المشروعة، قام الباحثون بتدريب نموذجهم على "الرسوم البيانية الفرعية"، التي تمثل سلاسل معاملات البيتكوين، والتي ارتبط بعضها بأنشطة غسيل الأموال، ويسمح هذا النهج بإجراء تحليل أوسع لعملية غسيل الأموال "المتعددة القفزات".

وعند تطبيقه على المعاملات الحقيقية في بورصة العملات المشفرة، حدد نموذج الذكاء الاصطناعي بسرعة 52 رسماً بيانياً فرعياً مشبوهاً بلغ ذروته في الودائع، وتم وضع علامة على أربعة عشر من حسابات المستلمين المرتبطة بهذه الرسوم البيانية الفرعية لوجود روابط محتملة لغسل الأموال، مما يؤكد فعالية التكنولوجيا في الكشف عن الجرائم المالية.

وعلاوة على ذلك، كشف التحليل عن أنماط من سلوكيات غسيل الأموال، بما في ذلك "سلاسل التقشير" و"الخدمات المتبادلة"، التي تستغل عدم الكشف عن هوية العملات المشفرة لغسل مبالغ كبيرة من خلال شبكات المعاملات المعقدة، وباستخدام هذه الأفكار، تهدف Elliptic إلى توسيع قدرات أدواتها لمكافحة مجموعة واسعة من الأنشطة غير المشروعة.