據Coindesk 8月2日報道，區塊鏈分析公司Elliptic與麻省理工學院(MIT)合作，釋出了一個與非法活動相關的比特幣交易公共資料集。
(來源：Pixabay)
該小組的研究詳細說明了MIT- IBM沃森人工智慧實驗室的研究人員如何使用機器學習軟體對總價值約60億美元的203,769筆比特幣節點交易分類。該研究探索了人工智慧能否幫助當前的反洗錢流程。
在檢查了這些節點與已知實體的關聯後，研究人員發現，在這20萬筆比特幣交易中，只有2%被認為是非法的，另外21%的交易被確認為合法，但絕大多數交易(約77%)仍未歸類。據悉，到目前為止，自2009年推出以來，估計有4.4億筆比特幣交易。
需要明確的是，這2%非法交易來自此前未公開的Elliptic 資料集，且僅僅是麻省理工學院研究人員透過分析找出的。不過，該資料與另家分析公司Chainalysis的一項研究結果相似，Chainalysis估計，2019年僅有1%的比特幣交易與非法活動有關。
由於世界各地的執法機構經常僱用Elliptic來識別涉及加密貨幣的非法活動，因此本研究旨在尋找有助於區分比特幣非法使用和合法使用的方式，尤其針對沒有銀行賬戶的個人或其他未知實體。
Elliptic聯合創始人湯姆·羅賓遜(Tom Robinson)表示：
一般而言，合規性的關鍵問題在於假陽性(陰性被判為陽性)。這項研究的一個重要部分是減少假陽性誤報的數量。一個關鍵的發現是，機器學習技術在發現非法交易方面能起到非常有效的作用。
羅賓遜補充說，有時，基於暗網市場的預存資料、勒索軟體攻擊和其他刑事調查，軟體能夠找到難以描述卻與已知實體匹配的模式。
在完成該學術研究之後，Elliptic公開了資料集以鼓勵開源。
麻省理工學院研究員馬克·韋伯(Mark Weber)表示：
我們正在與領域專家分享我們在反洗錢方面的早期實驗，以便徵求反饋意見。同時，我們也希望Elliptic資料集的釋出能夠激勵其他人加入，共同開發新的AML技術和模型，繼而提升金融系統的安全性。
4月，CNBC曾報道，全球犯罪活動增加可能推動100美元票據需求激增。美國經濟研究所2017年的一份報告估計，所有流通的美國貨幣中有超過三分之一被犯罪分子和稅務欺詐者使用。
