PANews 8月2日付、南華早報の報道によると、中国人民公安大学の研究者らは、マネーロンダリングなどの違法行為に関与するビットコイン取引を識別できるAIベースの暗号資産取引分析フレームワークを開発し、システム全体の正解率は89.4％に達したという。

この研究は査読付き学術誌『Journal of Intelligence』に掲載された。論文の責任著者で刑事捜査・サイバーセキュリティ研究者の孫景超氏によると、このシステムは規制当局が違法な暗号資産取引や経済犯罪を取り締まる上で、「高精度で汎用性があり、説明可能な」技術的解決策を提供するという。研究者らは、暗号資産取引の規模が拡大するにつれ、その匿名性や国境を越える特性が一部の犯罪行為に悪用され、マネーロンダリングや地下取引などの手段になっていると指摘している。

研究チームによれば、従来のルールベースの監視システムでは絶えず変化する犯罪パターンに対応することが難しいため、動的グラフニューラルネットワーク（Dynamic Graph Neural Network）、メモリモジュール（Memory Module）、大規模言語モデル（LLM） を組み合わせたAIフレームワークを構築したという。

そのうち、動的グラフニューラルネットワークは暗号資産エコシステムを絶えず変化する取引ネットワークとみなし、資金の流れや取引構造、ネットワークの進化過程を分析する。メモリモジュールは過去の違法取引パターンを検索し、現在の取引行動を以前に確認されたリスク事例と照合する。大規模言語モデルは、取引の特徴、過去のパターン、ネットワーク構造情報をさらに統合し、リスクスコアや重要な証拠、説明の連鎖を生成する。

研究者らは、公開されているEllipticビットコイン取引データセットでこのモデルをテストした。このデータセットには、203,769の取引ノード、234,355の取引エッジ、および各ノードの166の特徴が含まれている。

テスト結果によると、モデル全体の正解率は89.4％で、違法取引の識別における適合率は89.1％、再現率は64.5％だった。これは、AIが違法と判定した取引のうち約9割が最終的に実際のリスク取引として検証され、同時に、すでにラベル付けされた違法取引の約3分の2を発見できることを意味する。

研究チームは、メモリモジュールを導入したことで、資金の流れ、取引時間、ネットワーク構造を比較することにより、新種または進化し続けるマネーロンダリング手法を識別できるようになったと述べている。大規模言語モデルの推論能力と組み合わせることで、高リスク取引に対して、より直感的で追跡可能な判断根拠も提供できるようになるという。

ある大口投資家がHyperLiquidに312万ドルを入金し、約73,600個のHYPEトークンを購入した。

人気記事