Ricercatori dell'Università di Polizia Cinese Sviluppano un Modello AI che Rileva Transazioni Bitcoin Illecite con l'89,4% di Accuratezza
Punti chiave
- •Il sistema AI sviluppato dalla principale accademia di polizia cinese rileva le transazioni Bitcoin illecite con un'accuratezza complessiva dell'89,4% e una precisione dell'89,1%, superando i modelli baseline esistenti.
- •Il framework combina reti neurali grafiche dinamiche, un modulo di memoria per l'archiviazione di pattern storici di attività illecita e modelli linguistici di grandi dimensioni che gestiscono ragionamento e classificazione.
- •Con un tasso di recall del 64,5% per le transazioni illecite, il sistema lascia circa un terzo dei flussi di fondi criminali non rilevati, limitandone l'affidabilità come strumento di indagine autonomo.
- •Il sistema produce spiegazioni in linguaggio naturale per ogni valutazione, una funzione che potrebbe supportare i pubblici ministeri che richiedono prove trasparenti e verificabili per i procedimenti giudiziari.
- •La Cina ha incriminato 3.259 individui per riciclaggio di denaro legato alle valute virtuali nel marzo 2025, sottolineando la domanda sostenuta di rilevamento avanzato del crimine cripto nonostante il divieto di trading e mining del paese del 2021.
I ricercatori della People's Public Security University of China, la principale accademia di polizia del paese, hanno sviluppato un sistema di intelligenza artificiale in grado di identificare le transazioni Bitcoin illecite con un'accuratezza complessiva dell'89,4%. Il progresso potrebbe influenzare il modo in cui le agenzie di contrasto di tutto il mondo indagano sui reati finanziari legati alle criptovalute, un settore in cui società di analisi blockchain come Chainalysis, Elliptic e TRM Labs forniscono già strumenti di monitoraggio delle transazioni a agenzie governative di molteplici giurisdizioni.
Il team ha pubblicato i risultati a maggio sulla rivista Journal of Intelligence. Il South China Morning Post ha riportato la notizia della ricerca, sottolineando che il framework supera i modelli baseline mainstream esistenti per il rilevamento di fondi illeciti che si muovono attraverso reti blockchain.
Architettura e Metodologia
Il framework integra tre tecnologie: reti neurali grafiche dinamiche che mappano le relazioni evolutive tra i nodi delle transazioni, un modulo di memoria che archivia i pattern storici di attività illecita e modelli linguistici di grandi dimensioni che gestiscono il livello di ragionamento e classificazione.
I ricercatori hanno valutato il sistema utilizzando il dataset Elliptic Bitcoin, un benchmark accademico pubblico creato dalla società di analisi blockchain con sede nel Regno Unito Elliptic, comprendente 203.769 nodi di transazione e 234.355 collegamenti che li connettono. Il dataset etichetta le transazioni come illecite, lecite o sconosciute sulla base di dati di casi reali ed è stato ampiamente utilizzato nella ricerca sul crimine legato alle criptovalute dal suo rilascio nel 2019.
Il modello ha ottenuto una precisione dell'89,1% e un tasso di recall del 64,5% specificamente per le transazioni illecite. In termini pratici, quando il modello segnala una transazione come sospetta, è corretto circa l'89% delle volte. Tuttavia, cattura solo circa il 65% di tutte le transazioni illecite nel dataset, lasciandone circa un terzo non rilevato. Questo gap di recall significa che una porzione significativa dei flussi di fondi criminali potrebbe ancora passare inosservata, il che ha importanza per gli investigatori che non possono affidarsi a un unico strumento per emergere tutte le attività sospette.
Spiegabilità e Valore Procedurale
Il dottor Sun Jingchao, autore corrispondente dello studio, ha individuato le capacità di corrispondenza dei pattern storici del sistema come un vantaggio chiave. Il modulo di memoria consente all'AI di fare riferimento a pattern passati di transazioni illecite, applicare catene di ragionamento e generare punteggi di rischio insieme alle proprie classificazioni.
Il framework produce inoltre spiegazioni in linguaggio naturale per le proprie decisioni. Invece di restituire esclusivamente un punteggio di probabilità, il sistema può articolare il ragionamento dietro ogni valutazione. Per i regolatori e i pubblici ministeri che necessitano di prove ammissibili in tribunale, ciò rappresenta un miglioramento significativo rispetto a un intervallo di confidenza standard. La funzione di spiegabilità si allinea a una tendenza più ampia nei framework di governance dell'AI, inclusa l'European Union AI Act adottata nel 2024, che sottolinea i requisiti di trasparenza e verificabilità per i sistemi utilizzati in contesti di applicazione della legge.
Contesto di Applicazione della Legge in Cina
La ricerca emerge in un contesto di intensificazione della repressione contro il crimine legato alle criptovalute in Cina, che nel 2021 ha vietato il trading e il mining di criptovalute a livello nazionale. Nonostante il divieto, il riciclaggio di denaro transfrontaliero legato alle criptovalute è persistito, alimentando la domanda di capacità di rilevamento più sofisticate.
Nel marzo 2025, i pubblici ministeri cinesi hanno incriminato 3.259 individui coinvolti in attività di riciclaggio di denaro connesse a valute virtuali e operazioni bancarie clandestine.
Il 25 luglio 2026, un tribunale cinese si è occupato di un caso che coinvolgeva quasi 3 miliardi di yuan, circa 444 milioni di dollari, legato a debiti di gioco d'azzardo online.
L'esclusiva concentrazione del framework AI su Bitcoin è degna di nota. La ricerca non fa riferimento a protocolli specifici, società o altri asset digitali, sottolineando il ruolo persistente di Bitcoin come principale canale per le transazioni illecite nei mercati delle criptovalute.