中国人民公安大学——中国を代表する警察大学校——の研究者は、違法なビットコイン取引を89.4%の総合精度で識別できる人工知能システムを開発した。この進展は、世界中の法執行機関が暗号資産関連の金融犯罪を捜査する方法に影響を与える可能性がある。この分野では、Chainalysis、Elliptic、TRM Labsなどのブロックチェーン分析企業がすでに複数の管轄区域の政府機関向けに取引監視ツールを提供している。

研究チームは5月、『Journal of Intelligence』にて調査結果を発表した。『南華早報（サウス・チャイナ・モーニング・ポスト）』はこの研究を報じ、同フレームワークがブロックチェーンネットワークを流れる不正資金の検出において、既存の主流ベースラインモデルを上回ると指摘した。

アーキテクチャと手法

このフレームワークは3つの技術を統合している。取引ノード間の変化する関係をマッピングする動的グラフニューラルネットワーク、違法活動の過去のパターンを保存するメモリモジュール、そして推論と分類レイヤーを担う大規模言語モデルである。

研究者らは、イギリスのブロックチェーン分析企業Ellipticが作成した公開学術ベンチマーク「Elliptic Bitcoinデータセット」を用いてシステムを評価した。同データセットは203,769の取引ノードと、それらを結ぶ234,355のエッジで構成されている。実際の事件データに基づき取引を違法・合法・不明とラベル付けしており、2019年の公開以降、暗号資産犯罪研究で広く使用されている。

このモデルは、違法取引に対して89.1%の精度と64.5%の再現率を達成した。実用面では、モデルが取引を疑わしいとフラグ付けした場合、約89%の確率で正しい。しかし、データセット内の全違法取引のうち約65%しか捕捉できず、約3分の1は未検出のまま残る。この再現率のギャップは、犯罪に関わる資金の相当部分が検出されずに通過する可能性があることを意味し、単一のツールに頼ってすべての疑わしい活動を洗い出すことのできない調査官にとって重要な課題となる。

説明可能性と検察価値

論文の責任著者である孫敬超（スン・ジンチャオ）博士は、システムの歴史的パターンマッチング能力を重要な利点として挙げた。メモリモジュールにより、AIは過去の違法取引パターンを参照し、推論チェーンを適用し、分類とともにリスクスコアを生成することができる。

さらに、このフレームワークは判断に対して自然言語による説明を生成する。確率スコアのみを出力するのではなく、各評価の背後にある推論を言語化できる。法廷で認められる証拠を必要とする規制当局や検察官にとって、これは標準的な信頼区間に対する重要な改善となる。この説明可能性機能は、2024年に採択された欧州連合AI法など、AIガバナンスフレームワークのより広範なトレンドと合致するものであり、法執行の文脈で使用されるシステムに対する透明性と監査可能性の要件を重視している。

中国の取り締まりの背景

本研究は、2021年に国内での暗号資産取引とマイニングを禁止した中国における、暗号資産関連犯罪への取り締まりの強化の中で発表された。禁止後も越境型の暗号資産関連マネーロンダリングが継続しており、より高度な検出能力への需要を生み出している。

2025年3月、中国の検察当局は暗号資産および地下銀行業務に関連するマネーロンダリング活動に関与した3,259人を起訴した。

2026年7月25日、中国の裁判所はオンラインギャンブルの借金に関連する約30億元（約4億4,400万ドル）に上る案件を処理した。

このAIフレームワークがビットコインに特化していることは注目に値する。研究では特定のプロトコル、企業、その他のデジタル資産には言及されておらず、暗号資産市場における違法取引の主要な経路としてのビットコインの持続的な役割が浮き彫りになっている。