MIT AI 实验室：分析 200,000 笔比特币交易后，发现只有 2% 是“非法的”

该团队的研究详细介绍了 MIT-IBM Watson 人工智能实验室的研究人员如何使用机器学习软件对 203,769 笔比特币节点交易进行分类，总价值约为 60 亿美元。该研究探讨了人工智能是否可以帮助当前的反洗钱流程。

在检查了这些节点与已知实体的关联后，研究人员发现，在 200,000 笔比特币交易中，只有 2% 被认为是非法的，另外 21% 被确认为合法，但绝大多数交易（约 77% ) 保持未分类。据报道，自 2009 年推出至今比特币交易新闻，估计有 4.4 亿比特币交易。

需要明确的是，这 2% 的非法交易来自以前未发布的 Elliptic 数据集，并且仅通过麻省理工学院研究人员的分析确定。然而，该数据与另一家分析公司 Chainalysis 的研究相似，该研究估计 2019 年只有 1% 的比特币交易与非法活动有关。

由于 Elliptic 经常被世界各地的执法机构用来识别涉及加密货币的非法活动，因此本研究旨在寻找方法来帮助区分比特币的非法和合法使用，尤其是对于没有银行账户的个人或其他未知实体。

Elliptic 联合创始人 Tom Robinson 说：

一般来说比特币交易新闻，合规的关键问题是误报（否定被判断为肯定）。这项研究的一个重要部分是减少误报的数量。一个关键发现是机器学习技术可以非常有效地发现非法交易。

Robinson 补充说，有时，基于来自暗网市场、勒索软件攻击和其他刑事调查的预存储数据，软件可以找到难以描述但与已知实体匹配的模式。

在完成这项学术研究后，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说：

我们正在与领域专家分享我们在反洗钱方面的早期实验，以征求反馈意见。同时，我们也希望 Elliptic 数据集的发布能够激励其他人参与到新的 AML 技术和模型的开发中来，从而提高金融系统的安全性。

4 月，CNBC 报道称，全球犯罪活动的增加可能会推动对 100 美元纸币的需求激增。美国经济研究所 2017 年的一份报告估计，超过三分之一的美国流通货币被犯罪分子和税务欺诈者使用。