据Coindesk8月2日报道，区块链分析公司Elliptic与麻省理工学院合作，发布了一个与非法活动相关的比特币交易公共数据集。
该小组的研究详细说明了MIT-IBM沃森人工智能实验室的研究人员如何使用机器学习软件对总价值约60亿美元的203,769笔比特币节点交易分类。该研究探索了人工智能能否帮助当前的反流程。
在检查了这些节点与已知实体的关联后，研究人员发现，在这20万笔比特币交易中，只有2%被认为是非法的，另外21%的交易被确认为合法，但绝大多数交易仍未归类。据悉，到目前为止，自2009年推出以来，估计有4.4亿笔比特币交易。
需要明确的是，这2％非法交易来自此前未公开的Elliptic数据集，且仅仅是麻省理工学院研究人员通过分析找出的。不过，该数据与另家分析公司Chainalysis的一项研究结果相似，Chainalysis估计，2019年仅有1％的比特币交易与非法活动有关。
由于世界各地的执法机构经常雇用Elliptic来识别涉及加密货币的非法活动，因此本研究旨在寻找有助于区分比特币非法使用和合法使用的方式，尤其针对没有银行账户的个人或其他未知实体。
Elliptic联合创始人汤姆·罗宾逊表示：
一般而言，合规性的关键问题在于假阳性。这项研究的一个重要部分是减少假阳性误报的数量。一个关键的发现是，机器学习技术在发现非法交易方面能起到非常有效的作用。
罗宾逊补充说，有时，基于暗网市场的预存数据、勒索软件攻击和其他刑事调查，软件能够找到难以描述却与已知实体匹配的模式。
在完成该学术研究之后，Elliptic公开了数据集以鼓励开源。
麻省理工学院研究员马克·韦伯表示：
我们正在与领域专家分享我们在反方面的早期实验，以便征求反馈意见。同时，我们也希望Elliptic数据集的发布能够激励其他人加入，共同开发新的AML技术和模型，继而提升金融系统的安全性。
4月，CNBC曾报道，全球犯罪活动增加可能推动100美元票据需求激增。美国经济研究所2017年的一份报告估计，所有流通的美国货币中有超过三分之一被犯罪分子和税务欺诈者使用。
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。