Исследователи из People’s Public Security University of China, ведущей полицейской академии страны, разработали систему искусственного интеллекта, способную выявлять незаконные Bitcoin-транзакции с общей точностью 89,4%. Это достижение может повлиять на то, как правоохранительные органы по всему миру расследуют финансовые преступления, связанные с криптовалютами, в сфере, где аналитические блокчейн-компании, такие как Chainalysis, Elliptic и TRM Labs, уже предоставляют государственным ведомствам инструменты мониторинга транзакций в нескольких юрисдикциях.

Команда опубликовала результаты в мае в Journal of Intelligence. South China Morning Post сообщила об исследовании, отметив, что система превосходит существующие основные базовые модели для выявления незаконных средств, перемещающихся через блокчейн-сети.

Архитектура и методология

Система объединяет три технологии: динамические графовые нейронные сети, которые отображают изменяющиеся связи между узлами транзакций, модуль памяти, сохраняющий исторические шаблоны незаконной активности, и большие языковые модели, которые отвечают за слой логического анализа и классификации.

Исследователи протестировали систему на наборе данных Elliptic Bitcoin — публичном академическом бенчмарке, созданном британской компанией Elliptic, занимающейся блокчейн-аналитикой, который включает 203,769 узлов транзакций и 234,355 соединяющих их ребер. Набор данных классифицирует транзакции как незаконные, законные или неизвестные на основе данных реальных дел и широко используется в исследованиях криптопреступности с момента его выпуска в 2019 году.

Модель достигла 89,1% precision и 64,5% recall именно для незаконных транзакций. На практике это означает, что когда модель помечает транзакцию как подозрительную, она оказывается права примерно в 89% случаев. Однако она выявляет лишь около 65% всех незаконных транзакций в наборе данных, оставляя примерно треть необнаруженной. Такой разрыв в recall означает, что значительная часть преступных потоков средств все еще может проходить незамеченной, что важно для следователей, которые не могут полагаться на один инструмент для выявления всей подозрительной активности.

Почему объяснимость важнее голых цифр

Доктор Sun Jingchao, соавтор исследования, указал на возможности системы по сопоставлению исторических шаблонов как на ключевое преимущество. Модуль памяти позволяет ИИ ссылаться на прошлые шаблоны незаконных транзакций, применять цепочки рассуждений и формировать оценки риска наряду с классификацией.

Система также выдает объяснения своих решений на естественном языке. Вместо того чтобы просто выдавать вероятностную оценку, она может сформулировать логику, лежащую в основе каждого вывода. Для регуляторов и прокуроров, которым нужны доказательства, допустимые в суде, это представляет собой значимое улучшение по сравнению с обычным confidence interval.

Более широкий контекст борьбы Китая с криптопреступностью

В марте 2025 года китайские прокуроры предъявили обвинения 3,259 лицам, вовлеченным в операции по отмыванию денег, связанные с виртуальными валютами и деятельностью подпольного банкинга.

25 июля 2026 года китайский суд рассматривал дело почти на 3 млрд юаней, примерно $444 млн, связанное с долгами по онлайн-азартным играм.

Сфокусированность системы ИИ на Bitcoin заслуживает внимания. В исследовании не упоминаются конкретные протоколы, компании или другие токены, что подчеркивает историческую роль Bitcoin как стандартного канала для незаконных транзакций.