La société d’analyses de la chaîne de blocs Elliptic a collaboré avec des chercheurs du MIT (Massachusetts Institute of Technology) pour publier un ensemble de données public sur les transactions en bitcoins associées à des activités illicites.

L’étude du groupe a expliqué en détail comment les chercheurs de l’Institut Watson Watson du MIT IBM ont utilisé un logiciel d’apprentissage automatique pour analyser 203 769 transactions de nœuds en bitcoins d’une valeur totale d’environ 6 milliards de dollars. La recherche a examiné si l’intelligence artificielle pouvait aider les procédures actuelles de lutte contre le blanchiment d’argent.

Dans le cadre des travaux initiaux d’Eliptic, seuls 2% des 200 000 transactions en bitcoins de l’ensemble de données ont été considérées comme illicites. Bien que 21% aient été identifiés comme légaux, la grande majorité des transactions, environ 77%, sont restées non classées. (À ce jour, on estime à 440 millions le nombre de transactions en bitcoins depuis le lancement du réseau en 2009.)

Pour être clair, les 2% proviennent d’un ensemble de données elliptiques qui n’était pas public auparavant et ce chiffre a simplement été confirmé par l’analyse des chercheurs du MIT. Le point de données correspond à une étude de la société d’analyse concurrente Chainalysis, qui estime que seulement 1% des transactions en bitcoins en 2019 étaient associées à des activités illicites.

Elliptic étant fréquemment engagé par les forces de l’ordre du monde entier pour identifier des activités illégales utilisant la crypto-monnaie, cette recherche visait à identifier des schémas permettant de distinguer l’utilisation illicite de l’utilisation licite du bitcoin, en particulier chez les personnes non bancarisées ou inconnues.

«Un gros problème de conformité, en général, est les faux positifs. Une grande partie de cette recherche consiste à minimiser le nombre de faux positifs », a déclaré le cofondateur d’Elliptic, Tom Robinson, à CoinDesk. “La principale conclusion est que les techniques d’apprentissage automatique sont très efficaces pour trouver des transactions illicites.”

Parfois, a-t-il ajouté, les logiciels étaient capables de détecter des schémas difficiles à décrire, mais néanmoins compatibles avec des entités connues, sur la base de données préexistantes provenant de marchés Darknet, d’attaques par ransomware et d’autres enquêtes criminelles.

À la suite de l’étude académique, Elliptic a rendu public le même jeu de données afin d’encourager les contributions open source.

«Du côté de la LMA, nous partageons nos premières expériences avec des experts du domaine pour solliciter des commentaires», a déclaré Mark Weber, chercheur au MIT, à CoinDesk, ajoutant:

“Nous espérons également que la publication de l’ensemble de données Elliptic inspirera d’autres personnes à se joindre à l’effort visant à rendre nos systèmes financiers plus sûrs en développant de nouvelles techniques et de nouveaux modèles pour la LBC.”

CNBC a rapporté en avril que la demande croissante de billets de 100 dollars US était probablement due à la hausse de l’activité criminelle dans le monde. Selon un rapport publié en 2017 par l’American Institute for Economic Research, «plus d’un tiers de la totalité de la monnaie américaine en circulation est utilisée par des criminels et des fraudeurs fiscaux».