數據研究分析公司 Elliptic 與 MIT-IBM Watson AI Lab 合作，用機器學習軟體分析比特幣交易，發現在 20 萬筆資料中，僅有 2% 是非法交易，打破傳統刻板印象
區塊鏈數據分析公司 Elliptic 與麻省理工學院（Massachusetts Institute of Technology，MIT）的 IBM Watson AI Lab 合作，透過機器學習（Machine Learning）軟體分析交叉分析比特幣交易。研究發現，只有 2% 的比特幣交易是非法的。
這次雙方合作旨在研究探討人工智能（Artificial Intelligence，AI）是否可以應用在幫助目前的反洗錢（Anti-Money Laundering，AML）的規範。該研究透過機器學習軟體分析超過 20 萬筆的比特幣交易，總交易量高達 60 億美元。
研究指出，在超過 20 萬筆的交易中只有 2% 是非法交易，其中有 21% 的交易為合法，有趣的是，絕大多數的交易（77%）無法歸類，意即以目前的數據模型無法判定交易是否合法。然而，目前的研究數據仍不夠多，自 2009 年比特幣網路上線以來，大約有 4.4 億筆的比特幣交易。
此研究數據大約與另外一間區塊鏈數據分析公司 Chainalysis 相同，該公司的研究顯示，2019 年僅有 1% 的比特幣交易是非法的。需要注意的是，此次的數據資料庫是由 Elliptic 公司所提供的，研究的數據也僅有 MIT IBM Watson AI Lab 確認過而已。
據世界銀行（World Bank）在 2017 年的公布數據指出，目前全世界約有 17 億人口沒有銀行帳戶，而 Elliptic 共同創辦人湯姆・羅賓遜（Tom Robinson）認為此研究有助於區分「合法」與「非法」的比特幣交易模式，特別是那些沒有銀行帳戶的人，又或是無法辨識的公司企業。
Elliptic 共同創辦人湯姆・羅賓遜表示：
一般的研究數據，在判定是否合規時會有誤差，而這個研究就是要減少錯誤結果的比率。這個研究的關鍵發現在於，機器學習在確認非法交易（模式）是非常有效的。
羅賓遜補充，這些非法交易很難明確敘述整個流程，但是機器學習軟體可從先前的案例，判別非發交易的模式，包括暗網的交易資料、勒所軟體、其它形事調查。而 Elliptic 也將相關的數據公開，鼓勵其它研究單位貢獻一己之力，找出更正確的犯罪模式。
麻省理工學院研究員馬克・威伯（Mark Weber）也表示希望反洗錢領域的專家分享經驗，並說道：
我們也希望 Elliptic 的數據開源之後，能夠激勵其他人加入努力，一起開發 AML 新的技術、犯罪模型，來幫助我們的金融系統更安全。
?相關報導?
全球比特幣 ATM 數量已經超過 5000 台，在歐洲恐成反洗錢（AML）防制漏洞
國際反洗錢方針出爐，FATF 釋出「虛擬資產監管指南」要求會員國共同遵守
《BlockTempo動區動趨》LINE官方號開通囉～立即加入獲得第一手區塊鏈、加密貨幣新聞報導！
