Un reciente estudio colaborativo realizado por el MIT-IBM Watson AI Lab ha revelado avances significativos en la identificación de esquemas de lavado de dinero en las transacciones de criptomonedas utilizando métodos basados en el aprendizaje automático en grafos. El equipo de investigadores ha desarrollado un innovador marco llamado RevTrack, que puede analizar transacciones a gran escala con costos reducidos y una mayor precisión.
La naturaleza del lavado de dinero es compleja, abarcando actividades ilícitas como el tráfico humano, el narcotráfico y el terrorismo, y representando cerca de un 70% del financiamiento para redes criminales. Con la criptomoneda aumentando la envergadura de estas actividades, 2023 vio fluir un estimado de 3,00 € billones de fondos ilícitos a través del sistema financiero global.
En este contexto, el equipo del MIT ha introducido RevClassify, un modelo neuronal que clasifica subgrafos sospechosos representados por personas o entidades involucradas en estas actividades, basándose inicialmente en los remitentes y receptores de fondos. Además, han abordado el problema práctico de identificar candidatos idóneos para análisis con subgrafos, introduciendo RevFilter, que descubre nuevos subgrafos sospechosos al filtrar transacciones lícitas sin supervisión.
El enfoque ha demostrado ser eficaz al ser validado con el conjunto de datos Elliptic2, una referencia estándar en la detección de lavado de dinero que modela un grafo masivo de transacciones de Bitcoin. Comparado con otros métodos de clasificación de subgrafos existentes, RevClassify ha mostrado un rendimiento superior, mejorando significativamente la detección de subgrafos ilícitos y reduciendo el tiempo y coste de procesamiento.
RevTrack ofrece una nueva dirección para explorar el análisis forense financiero en blockchain, permitiendo a las autoridades identificar patrones ocultos en acciones criminales. Con estos avances, el equipo espera que pueda ser implementado como una herramienta crucial para agencias regulatorias y cuerpos de seguridad financiera, avanzando en la batalla contra delitos financieros a un nuevo nivel.