Peneliti kepolisian Tiongkok membangun model AI untuk mendeteksi transaksi bitcoin ilegal dengan akurasi 89,4%

iconCryptoBriefing
Bagikan
AI summary iconRingkasan
Peneliti kepolisian Tiongkok mengembangkan model AI dengan akurasi 89,4% untuk mendeteksi transaksi bitcoin ilegal. Dipublikasikan di Journal of Intelligence, sistem ini menggunakan dynamic graph networks, memory modules, dan large language models. Model ini mencapai presisi 89,1% dan recall 64,5% pada dataset Elliptic. Model ini mendukung upaya CFT dengan menyediakan penjelasan dalam bahasa alami untuk penggunaan hukum. Pada 2025, 3.259 orang didakwa karena pencucian uang kripto, dan kasus tahun 2026 melibatkan 3 miliar yuan dalam perjudian online. Di tengah diskusi persetujuan ETF bitcoin, alat-alat semacam ini dapat membentuk respons regulasi.

Peneliti di universitas kepolisian terkemuka Tiongkok telah membangun sistem AI yang dapat mengidentifikasi transaksi Bitcoin ilegal dengan akurasi keseluruhan 89,4%, sebuah perkembangan yang dapat mengubah cara lembaga penegak hukum di seluruh dunia mendekati kejahatan keuangan terkait kripto.

Tim di Universitas Keamanan Publik Rakyat Tiongkok menerbitkan temuan mereka pada Mei di Journal of Intelligence. South China Morning Post melaporkan terobosan ini, menyoroti bagaimana kerangka kerja ini unggul dibandingkan model dasar utama yang ada dalam mendeteksi uang kotor yang mengalir melalui jaringan blockchain.

Bagaimana AI sebenarnya bekerja

Kerangka kerja baru ini menggabungkan tiga teknologi: dynamic graph neural networks yang memetakan hubungan yang berkembang antar node transaksi, modul memori yang menyimpan pola historis aktivitas ilegal, dan large language models yang menangani lapisan penalaran dan klasifikasi.

Iklan

Para peneliti menguji sistem mereka pada dataset Elliptic Bitcoin, sebuah tolok ukur publik yang berisi 203.769 node transaksi dan 234.355 sisi yang menghubungkannya. Model tersebut mencapai presisi 89,1% dan tingkat recall 64,5% khusus untuk transaksi ilegal.

Ketika model menandai sesuatu sebagai mencurigakan, ia tepat sekitar 89% dari waktu. Namun, ia hanya menangkap sekitar 65% dari semua transaksi ilegal dalam dataset, yang berarti sekitar sepertiga dari transaksi buruk masih lolos tanpa terdeteksi.

Mengapa penjelasan lebih penting daripada angka mentah

Dr. Sun Jingchao, penulis korresponden studi tersebut, menunjukkan kemampuan pencocokan pola historis sistem sebagai keunggulan utama. Modul memori memungkinkan AI merujuk pada pola transaksi ilegal masa lalu dan menerapkan rantai penalaran, menghasilkan skor risiko bersamaan dengan klasifikasinya.

Kerangka kerja ini juga menghasilkan penjelasan dalam bahasa alami untuk keputusannya. Alih-alih hanya mengeluarkan skor probabilitas, ia dapat menjelaskan logika di balik penilaiannya. Bagi regulator dan penuntut umum yang membutuhkan bukti yang dapat dipertahankan di pengadilan, ini merupakan peningkatan berarti dibandingkan interval kepercayaan.

Tindakan tegas Tiongkok yang lebih luas terhadap kejahatan kripto

Pada Maret 2025, jaksa Tiongkok menuntut 3.259 individu yang terlibat dalam kegiatan pencucian uang yang terkait dengan mata uang virtual dan operasi perbankan bawah tanah.

Pada 25 Juli 2026, pengadilan Tiongkok menangani kasus yang melibatkan hampir 3 miliar yuan, sekitar $444 juta, terkait utang perjudian daring.

Fokus terkonsentrasi kerangka kerja AI pada bitcoin patut diperhatikan. Penelitian ini tidak menyebut protokol spesifik, perusahaan, atau token lainnya, yang memperkuat peran historis bitcoin sebagai jalur baku untuk transaksi ilegal.

Penafian: Informasi pada halaman ini mungkin telah diperoleh dari pihak ketiga dan tidak mencerminkan pandangan atau opini KuCoin. Konten ini disediakan hanya untuk tujuan informasi umum, tanpa representasi atau jaminan apa pun, dan tidak dapat ditafsirkan sebagai saran keuangan atau investasi. KuCoin tidak bertanggung jawab terhadap segala kesalahan atau kelalaian, atau hasil apa pun yang keluar dari penggunaan informasi ini. Berinvestasi di aset digital dapat berisiko. Harap mengevaluasi risiko produk dan toleransi risiko Anda secara cermat berdasarkan situasi keuangan Anda sendiri. Untuk informasi lebih lanjut, silakan lihat Ketentuan Penggunaan dan Pengungkapan Risiko.