Tracing the Shadows: Automatic Tracking and Analysis of Crypto Money Laundering via Transaction Semantic Analysis
Dit artikel introduceert AMLGuard, een semantisch bewust framework dat gebruikmaakt van statische regelgebaseerde analyse en retrieval-augmented LLM-redenering om hoogwaardige transactie-intenties af te leiden en illegale geldstromen nauwkeurig te volgen binnen single- en cross-chain DeFi-omgevingen, waarbij een superieure precisie en recall wordt bereikt bij het reconstrueren van witwas-topologieën voor meer dan $1 miljard aan gestolen activa.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je het internet voor als een enorme, wereldwijde speeltuin waar mensen digitale tokens kunnen verhandelen zonder een bank of een leraar nodig te hebben om op hen te letten. Dit is de wereld van Decentralized Finance, of DeFi. Het is als een enorme, geautomatiseerde verkoopautomaat die nooit slaapt, waarmee iedereen één digitale munt kan omwisselen voor een andere, geld kan lenen om rente te verdienen, of er geld tegen kan lenen. Maar omdat iedereen anoniem is en de machines openbaar toegankelijk zijn, hebben kwaadwillenden een manier gevonden om binnen te sluipen. Wanneer hackers miljarden dollars aan deze digitale tokens stelen, houden ze ze niet alleen; ze proberen ze te witwassen. Denk bij het witwassen van geld aan het proberen schoon te maken van een modderige, modderige schoen zodat hij er weer als nieuw uitziet. Ze halen het vuile geld door een duizelingwekkende doolhof van digitale wissels, leningen en sprongen tussen verschillende blockchains (die als verschillende, afzonderlijke speeltuinen zijn). Het doel is om het "vuile" geld zo schoon en gemengd te maken dat niemand meer kan zien waar het vandaan kwam. Dit is een groot probleem, want als we het geld niet kunnen volgen, kunnen we de dieven niet vangen of het geld niet terugkrijgen.
Dit is waar een nieuwe tool genaamd AMLGuard in beeld komt, die fungeert als een superintelligente detective voor de digitale wereld. Traditionele methoden om gestolen crypto te volgen zijn als het proberen te volgen van een dief door elke individuele stap te tellen die hij zet, zelfs de stappen die hij zet om zijn veters te strikken. Het is rommelig, verwarrend en leidt vaak tot cirkels lopen. AMLGuard telt echter niet alleen stappen; het begrijpt waarom de dief beweegt. Het kijkt naar een complexe digitale transactie en ontdekt het "verhaal" erachter — was het een swap? Een storting? Een cross-chain sprong? Door het verhaal te begrijpen, kan het de ruis negeren en het echte pad van het gestolen geld volgen, zelfs wanneer de dief tussen verschillende blockchains probeert te springen om zich te verbergen.
Het Probleem: De Doolhof van Digitale Witwaspraktijken
In de wereld van crypto staan hackers die geld stelen voor een uitdaging: ze moeten de herkomst van hun buit verbergen. Ze doen dit door de gestolen tokens door een reeks adressen te bewegen, ze om te wisselen voor andere munten, ze uit te lenen, en soms zelfs over verschillende blockchains te sturen (zoals van de ene speeltuin naar een andere springen). Dit proces wordt "geldwitwassen" genoemd.
Het probleem is dat de digitale sporen die achtergelaten worden ongelooflijk rommelig zijn. Eén enkele beweging van een hacker kan tientallen kleine, interne computeracties triggeren. Oude trackingtools kijken naar deze kleine acties één voor één. Ze zien een token van Adres A naar Adres B bewegen, dan naar een contract, en dan naar Adres C, en raken in de war. Ze kunnen denken dat een onschuldig computerprogramma (zoals een verkoopautomaat) een criminele medeplichtige is, of ze kunnen verdwalen in een doolhof van doodlopende wegen. Ze hebben moeite om het grote plaatje te zien: "Oh, deze hele chaos was gewoon een eenvoudige swap van de ene munt naar de andere." Omdat ze de "betekenis" van de transactie niet kunnen begrijpen, creëren ze enorme, lawaaierige kaarten die onmogelijk te volgen zijn, vooral wanneer het geld tussen verschillende blockchains springt waar de verbinding niet direct duidelijk is.
De Oplossing: AMLGuard's "Semantische" Superkracht
De onderzoekers achter dit artikel, onder leiding van Hao Wu en Haijun Wang, hebben een nieuw systeem gebouwd genaamd AMLGuard. In plaats van alleen tokens te tellen, probeert AMLGuard de intentie van elke transactie te begrijpen. Ze noemen dit "semantische analyse."
Denk er zo over na: Als je iemand een bakkerij ziet binnenlopen, een taart koopt en weer naar buiten loopt, registreert een basiscamera alleen "Persoon bewoog van Punt A naar Punt B." Een slimme waarnemer begrijpt echter de actie: "Ze kochten een taart." AMLGuard doet dit voor crypto. Het neemt een complexe transactie en vertaalt deze naar een hoogwaardige "DeFi Semantic Unit" (DSU). In plaats van 50 kleine tokenbewegingen te zien, ziet het één duidelijke actie: "Swap", "Deposit" of "Withdraw".
Om dit te doen, gebruikt AMLGuard twee belangrijke trucs:
- Regelgebaseerd Detectiewerk: Het heeft een lijst met veelvoorkomende patronen (zoals "Als er tokens in gaan en andere tokens eruit komen, is het een swap") om standaardbewegingen snel te identificeren.
- AI Breinkracht: Voor de lastige, vreemde bewegingen die niet aan de regels voldoen, gebruikt het een Large Language Model (LLM) — een type AI dat erg goed is in het begrijpen van context. Het kijkt naar de rommelige data en vraagt aan de AI: "Wat doet dit eigenlijk, gebaseerd op eerdere patronen die we hebben gezien?" De AI raadt vervolgens de betekenis, en het systeem controleert zijn eigen werk om er zeker van te zijn dat het geen dingen verzint.
De Cross-Chain Uitdaging: Over de Hekken Springen
Een van de moeilijkste onderdelen van het volgen van geld is wanneer het van de ene blockchain naar een andere springt (zoals van Ethereum naar Arbitrum). Het is alsoك een dief die van de ene stad naar een andere stad vlucht, en de politie in de eerste stad verliest het spoor omdat de politie in de tweede stad niet over dezelfde kaart beschikt.
AMLGuard lost dit op door nauwkeurig naar de "envelop" van de transactie te kijken. Hoewel de verbinding tussen de twee chains niet altijd direct duidelijk is, kan het systeem de verborgen instructies binnen de transactiedata lezen om precies te achterhalen waar het geld als volgende naartoe gaat. Het herstelt de "cross-chain intentie", waardoor het volgen naadloos over verschillende blockchains kan doorgaan zonder het spoor te verliezen.
De Resultaten: De Dieven Vangen
De onderzoekers hebben AMLGuard getest op 82 echte gevallen waarbij hackers meer dan $1 miljard aan activa hadden gestolen. Ze vergeleken het met vijf andere top trackingmethoden.
De resultaten waren indrukwekkend:
- Nauwkeurigheid: AMLGuard vond de uiteindelijke bestemming van het gestolen geld met 94,4% precisie in single-chain gevallen en 87,6% in cross-chain gevallen. Dit betekent dat wanneer het naar een eindadres wees, het bijna altijd juist was.
- Volledigheid: Het wist 98,4% van de betrokken adressen te vinden bij single-chain witwaspraktijken en 95,8% bij cross-chain gevallen. Het miste weinig stappen.
- Efficiëntie: Terwijl andere tools verdwaalden in enorme, rommelige kaarten met tienduizenden transacties, hield AMLGuard de kaart klein en overzichtelijk door gemiddeld slechts ongeveer 299 transacties per incident te analyseren. Dit maakte het veel sneller voor menselijke onderzoekers om te beoordelen.
In een real-world test waren menselijke experts die AMLGuard gebruikten in staat om complexe zaken op te lossen in respectievelijk 10 minuten en 3 minuten, vergeleken met de veel langere tijd die het hen kostte om dit handmatig of met oudere tools te doen. Het systeem slaagde erin de "illicit fund-flow topology" te reconstrueren, wat een chique manier is om te zeggen dat het een duidelijke, nauwkeurige kaart tekende van hoe het gestolen geld bewoog van de hacker naar de uiteindelijke cash-out plek.
Wat het Niet Doet (En Wat Volgt)
Het is belangrijk om te weten wat AMLGuard niet doet. Het stopt met volgen zodra het geld een "mixer" bereikt (een dienst die bedoeld is om munten te versluieren zodat ze ontraceerbaar zijn) of een gecentraliseerde exchange waar de dief het geld verzilvert. Zodra het geld een mixer binnengaat, wordt het spoor in deze studie als verbroken beschouwd. Ook richt het systeem zich momenteel op transacties die allemaal tegelijkertijd plaatsvinden (single transacties). Het volgt nog geen complexe schema's die zich over vele verschillende dagen en transacties uitstrekken, hoewel de onderzoekers denken dat dit een goed punt is om aan te werken in de toekomst.
Het artikel suggereert dat door de betekenis van digitale transacties te begrijpen in plaats van alleen de ruwe data, we veel betere verdedigingsmechanismen tegen cryptocriminaliteit kunnen bouwen. AMLGuard laat zien dat we met de juiste combinatie van regels en slimme AI, door de ruis heen kunnen snijden en de schaduwen kunnen volgen, waardoor het voor dieven moeilijker wordt om hun buit te verbergen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.