Parece que durante mucho tiempo vivimos engañados con el discurso de que Bitcoin es usado para operaciones ilegales, como lavado de dinero compra de drogas, entre otros… Sin embargo, un equipo de investigadores ha decidido tomar el paso y desmentir esto.

Así es, el equipo de investigadores del Instituto de tecnologías de Massachusetts (MIT) se unió con la firma de análisis de la Blockchain, Elliptic con el objetivo de estudiar y publicar un conjunto de datos públicos de transacciones de Bitcoin que estuvieran involucradas en actividades ilícitas.

De esta manera, Elliptic se encargó de agrupar 200.000 transacciones de BTC en su conjunto de datos, con un valor total de 6 mil millones de dólares. Probablemente muchos se preguntarán: ¿Cómo analizaron a cada una de esas transacciones? Pues los investigadores del MIT-IBM Watson AI Lab utilizaron el software de aprendizaje automático para analizar el conjunto de datos. ¡Impresionante!

Asimismo, la investigación tuvo el objetivo de probar si la utilización de la Inteligencia Artificial podría ayudar a los procedimientos actuales contra el lavado de dinero, ¿será que si es de utilidad? Debemos tener en cuenta que esta herramienta fue bautizada como Graph Convolutional Networks (GCN, por sus siglas en inglés).

Mark Weber, un investigador del MIT-IBM Watson AI Lab, señaló: “El Graph Convolutional Networks siguen siendo una clase joven de métodos, y estamos en los primeros días de estos experimentos, pero creemos que el poder de GCN para capturar la información relacional en estas redes de transacciones grandes y complejas podría resultar valioso para el anti lavado de dinero”.

Por lo tanto, el software concluyó que tan solo el 2 por ciento de las 200.000 transacciones de Bitcoin que fueron estudiadas se consideran ilícitas como parte del trabajo inicial de Elliptic. Si, ¡tan solo el 2 por ciento! Sin embargo, esto tal vez no sea una victoria. Ciertamente el 21 por ciento de las operaciones se clasificó como legales, no obstante, el 77 por ciento restante permaneció sin clasificar.

“Según nuestra propia investigación, hemos etiquetado las transacciones realizadas por actores ilícitos (mercados oscuros, operadores de ransomware, estafadores) y las realizadas por actores legítimos (intercambios regulados, comerciantes, servicios de billetera, etc.)”, dijo el cofundador de Elliptic, Tom Robinson a Decrypt. Por lo tanto, el objetivo es que la herramienta diseñada por el equipo distinga y clasifique las transacciones a partir de los patrones.

Hay que tener en cuenta el historial de trabajos de Elliptic, que es frecuentemente contratado por las agencias policiales de todo el mundo con el propósito de que identifique las actividades ilegales a partir del uso de las criptomonedas. Entonces, realmente no es un misterio que este equipo se encuentre trabajando en ello, aunque si es cierto que transmite una gran preocupación en cuanto a los costos de las medidas contra el lavado de dinero.

“Los costos globales del cumplimiento de AML son de decenas de miles de millones de dólares y han estado creciendo a aproximadamente un 15% anual desde 2004. A pesar de esto, somos lamentablemente ineficaces para prevenir el lavado de dinero. Europol estima que solo el 1% de los fondos ilícitos son confiscados (Europol 2017). Para entender por qué, consideramos los desafíos técnicos y de comportamiento, así como los métodos actuales para abordarlos”, se señala en el informe.

Asimismo, señala el gran problema de los no bancarizados debido a las estrictas regulaciones que se aplican al sistema financiero con el objetivo de prevenir el lavado de dinero y las actividades ilícitas en general.

“El problema del acceso restringido (por ejemplo, la capacidad de registrarse para obtener una cuenta bancaria) es, en parte, una consecuencia no intencional de las regulaciones cada vez más estrictas contra el lavado de dinero (AML), que, si bien son esenciales para salvaguardar el sistema financiero, tienen un efecto desproporcionado efecto negativo en personas de bajos ingresos, inmigrantes y refugiados (Banco Mundial 2012)”, apunta Mark Weber. De hecho, un aspecto relevante para tener en cuenta, es que justamente es a este mercado al que Facebook quería acceder.

De acuerdo a CoinDesk, Robinson afirmó que “un gran problema con el cumplimiento, en general, son los falsos positivos. Una gran parte de esta investigación es minimizar el número de ellos”. Asimismo, de acuerdo a lo informado, Robinson afirmó que la herramienta en algunas oportunidades fue capaz de encontrar patrones que serían difíciles de describir pero que coincidían con el conjunto de datos que posee el software.

Si desea saber mas sobre Bitcoin y sus propiedades, le invitamos a seguir el enlace directo

Dejar respuesta

Please enter your comment!
Please enter your name here

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.