Forscher der chinesischen Polizeihochschule entwickeln KI-Modell zur Erkennung illegaler Bitcoin-Transaktionen mit 89,4 % Genauigkeit
Wichtige Erkenntnisse
- •Das von der führenden Polizeihochschule Chinas entwickelte KI-System erkennt illegale Bitcoin-Transaktionen mit einer Gesamtgenauigkeit von 89,4 % und einer Präzision von 89,1 % und übertrifft damit bestehende Basismodelle.
- •Das Framework kombiniert dynamische graph-neuronale Netze, ein Speichermodul zum Speichern historischer Muster illegaler Aktivitäten und große Sprachmodelle, die Schlussfolgerungen und Klassifizierungen übernehmen.
- •Mit einer Trefferquote von 64,5 % für illegale Transaktionen lässt das System ungefähr ein Drittel der kriminellen Geldströme unentdeckt, was seine Zuverlässigkeit als alleiniges Ermittlungswerkzeug einschränkt.
- •Das System erstellt für jede Bewertung natürlichsprachige Erklärungen, eine Funktion, die Staatsanwälte unterstützen könnte, die transparente und prüfbare Beweise für Gerichtsverfahren benötigen.
- •China klagte im März 2025 3.259 Personen wegen Geldwäsche im Zusammenhang mit virtuellen Währungen an, was die anhaltende Nachfrage nach fortschrittlicher Erkennung von Krypto-Kriminalität trotz des Handels- und Mining-Verbots des Landes aus dem Jahr 2021 unterstreicht.
Forscher der Volksuniversität für öffentliche Sicherheit Chinas, der führenden Polizeihochschule des Landes, haben ein System der künstlichen Intelligenz entwickelt, das in der Lage ist, illegale Bitcoin-Transaktionen mit einer Gesamtgenauigkeit von 89,4 % zu identifizieren. Dieser Fortschritt könnte die Art und Weise beeinflussen, wie Strafverfolgungsbehörden weltweit kryptowährungsbezogene Finanzkriminalität untersuchen, einem Bereich, in dem Blockchain-Analyseunternehmen wie Chainalysis, Elliptic und TRM Labs bereits Transaktionsüberwachungstools für Regierungsbehörden in mehreren Rechtsgebieten bereitstellen.
Das Team veröffentlichte seine Ergebnisse im Mai im Journal of Intelligence. Der South China Morning Post berichtete über die Forschung und stellte fest, dass das Framework bestehende Mainstream-Basismodelle zur Erkennung illegaler Gelder, die durch Blockchain-Netzwerke fließen, übertrifft.
Architektur und Methodik
Das Framework integriert drei Technologien: dynamische graph-neuronale Netze, die sich entwickelnde Beziehungen zwischen Transaktionsknoten abbilden, ein Speichermodul, das historische Muster illegaler Aktivitäten speichert, und große Sprachmodelle, die die Argumentations- und Klassifizierungsebene übernehmen.
Die Forscher evaluierten das System anhand des Elliptic Bitcoin-Datensatzes, einer öffentlichen akademischen Benchmark, die von dem in Großbritannien ansässigen Blockchain-Analyseunternehmen Elliptic erstellt wurde und 203.769 Transaktionsknoten sowie 234.355 sie verbindende Kanten umfasst. Der Datensatz kennzeichnet Transaktionen basierend auf echten Falldaten als illegal, legal oder unbekannt und wird seit seiner Veröffentlichung im Jahr 2019 in der Kryptowährungs-Kriminalitätsforschung häufig verwendet.
Das Modell erreichte eine Präzision von 89,1 % und eine Trefferquote von 64,5 % speziell für illegale Transaktionen. In der Praxis bedeutet dies: Wenn das Modell eine Transaktion als verdächtig markiert, liegt es in etwa 89 % der Fälle richtig. Es erfasst jedoch nur etwa 65 % aller illegalen Transaktionen im Datensatz, wodurch rund ein Drittel unentdeckt bleibt. Diese Lücke bei der Trefferquote bedeutet, dass ein beträchtlicher Teil der kriminellen Geldströme immer noch unentdeckt bleiben könnte, was für Ermittler von Bedeutung ist, die sich nicht auf ein einziges Tool verlassen können, um alle verdächtigen Aktivitäten aufzudecken.
Erklärbarkeit und strafrechtlicher Verwertbarkeit
Dr. Sun Jingchao, der korrespondierende Autor der Studie, identifizierte die Fähigkeiten des Systems zur historischen Mustererkennung als entscheidenden Vorteil. Das Speichermodul ermöglicht es der KI, auf vergangene Muster illegaler Transaktionen zurückzugreifen, Schlussfolgerungsketten anzuwenden und neben ihren Klassifizierungen Risikobewertungen zu generieren.
Das Framework liefert auch natürlichsprachige Erklärungen für seine Entscheidungen. Anstatt nur einen Wahrscheinlichkeitsscore auszugeben, kann das System die Logik hinter jeder Bewertung artikulieren. Für Regulierungsbehörden und Staatsanwälte, die vor Gericht zulässige Beweise benötigen, stellt dies eine erhebliche Verbesserung gegenüber einem Standard-Konfidenzintervall dar. Die Funktion der Erklärbarkeit entspricht einem breiteren Trend in KI-Governance-Frameworks, einschließlich des European Union AI Act aus dem Jahr 2024, der Transparenz- und Prüfbarkeitsanforderungen für Systeme betont, die in strafrechtlichen Kontexten verwendet werden.
Chinas Durchsetzungsmaßnahmen
Die Forschung entsteht inmitten einer sich verschärfenden Bekämpfung von kryptowährungsbezogener Kriminalität in China, das 2021 den inländischen Handel und das Mining von Kryptowährungen verboten hatte. Trotz des Verbots ist die grenzüberschreitende, Krypto-verknüpfte Geldwäsche weiterhin vorhanden, was die Nachfrage nach anspruchsvolleren Erkennungsmöglichkeiten antreibt.
Im März 2025 klagten chinesische Staatsanwälte 3.259 Personen an, die in Geldwäscheaktivitäten im Zusammenhang mit virtuellen Währungen und Untergrundbanken verwickelt waren.
Am 25. Juli 2026 behandelte ein chinesisches Gericht einen Fall mit knapp 3 Milliarden Yuan, etwa 444 Millionen US-Dollar, der mit Online-Glücksspielschulden zusammenhing.
Die ausschließliche Konzentration des KI-Frameworks auf Bitcoin ist bemerkenswert. Die Forschung bezieht sich nicht auf spezifische Protokolle, Unternehmen oder andere digitale Assets, was die anhaltende Rolle von Bitcoin als primäres Leitmedium für illegale Transaktionen auf den Kryptowährungsmärkten unterstreicht.