Tracing the Shadows: Automatic Tracking and Analysis of Crypto Money Laundering via Transaction Semantic Analysis
यह शोध पत्र AMLGuard को प्रस्तुत करता है, जो एक सिमेंटिक-अवेयर फ्रेमवर्क है जो उच्च-स्तरीय लेनदेन इरादों का अनुमान लगाने और सिंगल एवं क्रॉस-चैन DeFi वातावरण में अवैध फंड प्रवाह को सटीक रूप से ट्रैक करने के लिए स्टैटिक रूल-बेस्ड एनालिसिस और रिट्रीवल-ऑगमेंटेड LLM रीजनिंग का लाभ उठाता है, जिससे $1 बिलियन से अधिक की चोरी गई संपत्तियों के मनी लॉन्ड्रिंग टोपोलॉजी के पुनर्निर्माण में उत्कृष्ट प्रिसिजन और रिकॉल प्राप्त होता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि इंटरनेट एक विशाल, वैश्विक खेल के मैदान की तरह है जहाँ लोग बिना किसी बैंक या शिक्षक की निगरानी के डिजिटल टोकन का व्यापार कर सकते हैं। यह विकेंद्रीकृत वित्त (Decentralized Finance), या DeFi की दुनिया है। यह एक विशाल, स्वचालित वेंडिंग मशीन की तरह है जो कभी सोती नहीं है, जो किसी को भी एक डिजिटल सिक्के को दूसरे के साथ बदलने, ब्याज कमाने के लिए अपने सिक्के उधार देने या उनके बदले उधार लेने की अनुमति देती है। लेकिन क्योंकि हर कोई गुमनाम है और मशीनें जनता के लिए खुली हैं, बुरे तत्वों ने इसमें घुसपै adentro आने का रास्ता खोज लिया है। जब हैकर्स इन डिजिटल टोकनों के अरबों डॉलर चुरा लेते हैं, तो वे उन्हें केवल रखते नहीं हैं; वे उन्हें 'धोने' (wash) की कोशिश करते हैं। डिजिटल मुद्रा को धोना (money laundering) बिल्कुल वैसा ही है जैसे एक कीचड़ भरे जूते को साफ करने की कोशिश करना ताकि वह बिल्कुल नया दिखाई दे। वे गंदे पैसे को डिजिटल स्वैप, ऋण और विभिन्न ब्लॉकचेन (जो अलग-अलग खेल के मैदानों की तरह हैं) के बीच उछल-कूद के एक चक्करदार भूलभुलैया से गुजारते हैं ताकि यह छिपाया जा सके कि वह कहाँ से आया था। लक्ष्य "गंदे" पैसे को इतना साफ और मिला हुआ बनाना है कि कोई भी यह न बता सके कि वह चोरी का था। यह एक बहुत बड़ी समस्या है क्योंकि यदि हम पैसे को ट्रैक नहीं कर सकते, तो हम चोरों को पकड़ नहीं सकते और न ही पैसा वापस पा सकते हैं।
यहीं पर AMLGuard नामक एक नया टूल आता है, जो डिजिटल दुनिया के लिए एक सुपर-स्मार्ट जासूस की तरह काम करता है। चोरी के क्रिप्टो को ट्रैक करने के पारंपरिक तरीके एक चोर का पीछा करने के लिए उसके द्वारा उठाए गए हर कदम को गिनने की तरह हैं, यहाँ तक कि उन कदमों को भी जो उसने जूते के फीते बांधने के लिए उठाए थे। यह अस्त-व्यस्त, भ्रमित करने वाला है और अक्सर आपको गोल-गोल घुमा देता है। हालाँकि, AMLGuard केवल कदम नहीं गिनता; यह समझता है कि चोर क्यों हिल रहा है। यह एक जटिल डिजिटल लेनदेन को देखता है और उसके पीछे की "कहानी" को समझता है—क्या यह एक स्वैप था? एक जमा (deposit)? या एक क्रॉस-चेन जंप? कहानी को समझकर, यह शोर को अनदेखा कर सकता है और चोरी किए गए पैसे के वास्तविक पथ का अनुसरण कर सकता है, भले ही चोर इसे छिपाने के लिए विभिन्न ब्लॉकचेन के बीच कूदने की कोशिश करे।
समस्या: डिजिटल लॉन्ड्रिंग की भूलभुलैया
क्रिप्टो की दुनिया में, हैकर्स जो पैसा चुराते हैं, उनके सामने एक चुनौती होती है: उन्हें अपने लूट के माल के मूल को छिपाना होता है। वे ऐसा चोरी किए गए टोकनों को कई पतों (addresses) के माध्यम से घुमाकर, उन्हें अलग सिक्कों के लिए बदलकर, उन्हें उधार देकर और कभी-कभी उन्हें विभिन्न ब्लॉकचेन (जैसे एक खेल के मैदान से दूसरे में कूदना) में भेजकर करते हैं। इस प्रक्रिया को "मनी लॉन्ड्रिंग" कहा जाता है।
समस्या यह है कि पीछे छोड़े गए डिजिटल निशान अविश्वसनीय रूप से अस्त-व्यस्त होते हैं। हैकर द्वारा किया गया एक एकल कदम दर्जनों छोटी, आंतरिक कंप्यूटर क्रियाओं को ट्रिगर कर सकता है। पुराने ट्रैकिंग टूल्स इन छोटी क्रियाओं को एक-एक करके देखते हैं। वे देखते हैं कि एक टोकन एड्रेस A से एड्रेस B में गया, फिर एक कॉन्ट्रैक्ट में, फिर एड्रेस C में, और वे भ्रमित हो जाते हैं। वे एक हानिरहित कंप्यूटर प्रोग्राम (जैसे एक वेंडिंग मशीन) को एक अपराधी सहयोगी समझ सकते हैं, या वे मृत अंत की भूलभुलैया में खो सकते हैं। वे बड़े चित्र को देखने में संघर्ष करते हैं: "ओह, यह पूरा झमेला बस एक सिक्के के बदले दूसरे सिक्के का सरल स्वैप था।" क्योंकि वे लेनदेन के "अर्थ" को नहीं समझ पाते, वे विशाल, शोर वाले नक्शे बना देते हैं जिनका पालन करना असंभव है, विशेष रूप से तब जब पैसा विभिन्न ब्लॉकचेन के बीच कूदता है जहाँ संबंध स्पष्ट नहीं होता है।
समाधान: AMLGuard की "सिमेंटिक" सुपरपावर
इस शोध पत्र के पीछे के शोधकर्ताओं ने, जिसका नेतृत्व हाओ वू और हायजुन वांग ने किया, AMLGuard नामक एक नई प्रणाली बनाई है। केवल टोकन गिनने के बजाय, AMLGuard हर लेनदेन के इरादे को समझने की कोशिश करता है। वे इसे "सिमेंटिक विश्लेषण" (semantic analysis) कहते हैं।
इसे इस तरह सोचिए: यदि आप देखते हैं कि एक व्यक्ति बेकरी में जाता है, एक केक खरीदता है और बाहर आता है, तो एक बुनियादी कैमरा केवल रिकॉर्ड करता है "व्यक्ति बिंदु A से बिंदु B तक चला गया।" हालाँकि, एक स्मार्ट पर्यवेक्षक क्रिया को समझता है: "उन्होंने केक खरीदा।" AMLGuard क्रिप्टो के लिए यही करता है। यह एक जटिल लेनदेन को लेता है और उसे एक उच्च-स्तरीय "DeFi सिमेंटिक यूनिट" (DSU) में बदल देता है। 50 छोटे टोकन आंदोलनों को देखने के बजाय, यह एक स्पष्ट क्रिया देखता है: "स्वैप", "जमा" (deposit), या "निकासी" (withdraw)।
इसे करने के लिए, AMLGuard दो मुख्य तरकीबों का उपयोग करता है:
- नियम-आधारित जासूसी: इसके पास सामान्य पैटर्न की एक सूची है (जैसे "यदि टोकन अंदर जाते हैं और अलग टोकन बाहर आते हैं, तो यह एक स्वैप है") ताकि मानक चालों की तेजी से पहचान की जा सके।
- AI मस्तिष्क शक्ति: उन पेचीदा, अजीब चालों के लिए जो नियमों में फिट नहीं बैठतीं, यह एक लार्ज लैंग्वेज मॉडल (LLM) का उपयोग करता है—एक प्रकार का AI जो संदर्भ (context) को समझने में बहुत अच्छा है। यह बिखरे हुए डेटा को देखता है और AI से पूछता है, "पिछले देखे गए समान पैटर्न के आधार पर, यह वास्तव में क्या कर रहा है?" AI फिर अर्थ का अनुमान लगाता है, और सिस्टम यह सुनिश्चित करने के लिए अपने काम की दोबारा जांच करता है कि वह मनगढ़ंत बातें तो नहीं बना रहा है।
क्रॉस-चेन चुनौती: बाड़ कूदना
पैसे को ट्रैक करने के सबसे कठिन हिस्सों में से एक तब होता है जब वह एक ब्लॉकचेन से दूसरे ब्लॉकचेन पर कूदता है (जैसे एथेरियम से आर्बिट्रमम पर)। यह एक चोर के एक शहर से दूसरे शहर में भागने जैसा है, और पहले शहर की पुलिस पीछा खो देती है क्योंकि दूसरे शहर की पुलिस के पास वही नक्शा नहीं होता है।
AMLGuard इसे लेनदेन के "लिफाफे" (envelope) को करीब से देखकर हल करता है। भले ही दोनों श्रृंखलाओं के बीच संबंध हमेशा स्पष्ट न हो, सिस्टम लेनदेन डेटा के भीतर छिपे निर्देशों को पढ़कर ठीक से पता लगा सकता है कि पैसा आगे कहाँ जा रहा है। यह "क्रॉस-चेन इरादे" को पुनः प्राप्त करता है, जिससे ट्रैकिंग अलग-अलग ब्लॉकचेन के बीच निर्बाध रूप से जारी रहती है और सिलसिला टूटता नहीं है।
परिणाम: चोरों को पकड़ना
शोधकर्ताओं ने 82 वास्तविक मामलों पर AMLGuard का परीक्षण किया जहाँ हैकर्स ने $1 बिलियन से अधिक की संपत्ति चुराई थी। उन्होंने इसकी तुलना पांच अन्य शीर्ष ट्रैकिंग विधियों से की।
परिणाम प्रभावशाली थे:
- सटीकता (Accuracy): AMLGuard ने सिंगल-चेन मामलों में 94.4% परिशुद्धता और क्रॉस-चेन मामलों में 87.6% के साथ चोरी किए गए धन के अंतिम गंतव्य को खोज निकाला। इसका मतलब है कि जब इसने किसी अंतिम पते की ओर इशारा किया, तो वह लगभग हमेशा सही था।
- पूर्णता (Completeness): इसने सिंगल-चेन लॉन्ड्रिंग में शामिल 98.4% पतों को और क्रॉस-चेन मामलों में 95.8% को खोज निकाला। इसने बहुत कम चरण छोड़े।
- दक्षता (Efficiency):- जबकि अन्य उपकरण हजारों लेनदेन वाले विशाल, अस्त-व्यस्त नक्शों में खो जाते थे, AMLGuard ने नक्शे को छोटा और साफ रखा, प्रति घटना औसतन केवल लगभग 299 लेनदेन का विश्लेषण किया। इसने इसे मानव जांचकर्ताओं के लिए समीक्षा करने में बहुत तेज़ बना दिया।
एक वास्तविक दुनिया के परीक्षण में, AMLGuard का उपयोग करने वाले मानव विशेषज्ञों ने जटिल मामलों को क्रमशः 10 मिनट और 3 मिनट में हल किया, जबकि पुराने उपकरणों या मैन्युअल रूप से इसे करने में बहुत अधिक समय लगता था। सिस्टम ने सफलतापूर्वक "इलिसिट फंड-फ्लो टोपोलॉजी" (illicit fund-flow topology) को पुनर्गठित किया, जो बस एक फैंसी तरीका है यह बताने का कि चोरी किया गया पैसा हैकर से अंतिम कैश-आउट स्थान तक कैसे पहुँचा।
यह क्या नहीं करता (और आगे क्या है)
यह जानना महत्वपूर्ण है कि AMLGuard क्या नहीं करता है। यह ट्रैकिंग तब रोक देता है जब पैसा एक "मिक्सर" (एक सेवा जिसे सिक्कों को अनाम बनाने के लिए डिज़ाइन किया गया है) या एक केंद्रीकृत एक्सचेंज तक पहुँच जाता है जहाँ चोर पैसे को नकदी में बदल देता है। एक बार जब पैसा मिक्सर में प्रवेश कर जाता है, तो इस अध्ययन के लिए निशान टूटा हुआ माना जाता है। इसके अलावा, सिस्टम वर्तमान में उन लेनदेन पर ध्यान केंद्रित करता है जो एक साथ होते हैं (सिंगल ट्रांजैक्शन)। यह अभी भी उन जटिल योजनाओं को ट्रैक नहीं करता है जो कई अलग-अलग दिनों और लेनदेन तक फैली होती हैं, हालांकि शोधकर्ताओं का मानना है कि यह आगे काम करने के लिए एक अच्छी चीज़ है।
यह शोध पत्र सुझाव देता है कि डिजिटल लेनदेन के कच्चे डेटा के बजाय उनके अर्थ को समझकर, हम क्रिप्टो अपराध के खिलाफ बहुत बेहतर बचाव बना सकते हैं। AMLGuard दिखाता है कि नियमों और स्मार्ट AI के सही मिश्रण के साथ, हम शोर को काट सकते हैं और परछाइयों का पीछा कर सकते हैं, जिससे चोरों के लिए अपनी लूट छिपाना कठिन हो जाता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।