در دنیای پیچیده و دائماً در حال تحول رمزارزها، هوش مصنوعی (AI) به ابزاری کلیدی در مبارزه با جرایم مالی تبدیل شده است. با افزایش استفاده از فناوریهای نوین توسط مجرمان برای اجرای طرحهای کلاهبرداری، نهادهای نظارتی و شرکتهای فعال در این حوزه نیز به سمت استفاده از همین فناوریها، به ویژه عاملهای هوش مصنوعی (AI agents)، روی آوردهاند تا بتوانند با این تهدیدات مقابله کنند. این عاملها نه تنها در شناسایی الگوهای تراکنشهای مشکوک و رصد فعالیتهای مجرمانه مؤثرند، بلکه قابلیت تعامل مستقیم با کلاهبرداران را برای درک بهتر تاکتیکهای آنها فراهم میکنند.
گزارش اخیر Chainalysis نشان میدهد که کلاهبرداریهای مبتنی بر هوش مصنوعی به طور متوسط ۳.۲ میلیون دلار برای هر عملیات درآمدزایی میکنند، در حالی که این رقم برای کلاهبرداریهای بدون استفاده از هوش مصنوعی به ۷۱۹ هزار دلار میرسد. این افزایش چشمگیر، که ناشی از توانایی هوش مصنوعی در خودکارسازی و مقیاسپذیری حملات، به خصوص در حوزه جعل هویت است (روندی که شاهد رشد ۱۴۰۰ درصدی بوده)، ضرورت بهکارگیری این فناوری را توسط نیروهای امنیتی دوچندان کرده است. شرکتهایی مانند Chainalysis و Elliptic پیشگامان استفاده از این ابزارها هستند و با ترکیب هوش مصنوعی و تحلیلهای انسانی، تصویری جامع از فضای جرایم رمزارزی ارائه میدهند.
نقش عاملهای هوش مصنوعی در کشف و مقابله با جرایم رمزارزی
عاملهای هوش مصنوعی در حال حاضر نقش بسزایی در تقویت قابلیتهای تیمهای تحقیقاتی جرایم مالی ایفا میکنند. این عاملها قادرند حجم عظیمی از دادههای تراکنشهای بلاکچینی را تحلیل کرده و الگوهای رفتاری غیرعادی، ارتباط کیف پولها با بازیگران شناخته شده غیرقانونی، و مسیرهای پولشویی را با سرعتی بسیار بیشتر از تحلیلهای دستی شناسایی کنند. شرکت Chainalysis با نظارت بر بیش از ۴۰۰ شبکه بلاکچین، از این عاملها برای رصد فعالیت گروههای باجافزاری، کشف شیوههای پولشویی وجوه قربانیان و شناسایی کلاهبرداران استفاده میکند. این عاملها میتوانند در نقش قربانیان جعلی با کلاهبرداران وارد گفتگو شده و اطلاعات دقیقی از شیوههای عمل آنها به دست آورند.
یکی از کاربردهای نوآورانه این عاملها، مشارکت در گفتگو با مجرمان سایبری است. این عاملها با تقلید رفتار کاربران عادی، اطلاعات دقیقی درباره نحوه عملکرد کلاهبرداران، روشهای مورد استفاده آنها برای فریب قربانیان و کانالهای انتقال وجوه به دست میآورند. این اطلاعات سپس در اختیار مؤسسات مالی و مشتریان قرار میگیرد تا به آنها در پیشگیری از واریز وجوه به حسابهای کلاهبرداران و تقویت دفاع سایبری کمک کند. اگرچه این عاملها جایگزین تحلیلگران انسانی نمیشوند، اما با خودکارسازی بخشهایی از فرآیند جمعآوری اطلاعات و تحقیقات اولیه، به تحلیلگران اجازه میدهند تا با مقیاسپذیری بیشتر و تمرکز بر موارد پیچیدهتر، کار خود را پیش ببرند.
تحقیقات پیشرفته برای مبارزه با پولشویی
شرکت Elliptic، که به بیش از ۷۵۰ مشتری در زمینه رصد تراکنشهای رمزارزی خدمات ارائه میدهد، بر بیش از ۶۵ بلاکچین نظارت دارد و فعالیتها را در چندین زنجیره به صورت همزمان پیگیری میکند. این شرکت با اجرای گرههای (nodes) اختصاصی بر روی بلاکچینها و انجام تراکنشهای آزمایشی، همراه با استفاده از مدلهای یادگیری ماشین، قادر به شناسایی و انگشتنگاری رفتارهای مشکوک است. هدف اصلی Elliptic، شناسایی ماهیت تراکنشهاست؛ به عنوان مثال، تشخیص اینکه یک تراکنش از یک صرافی معتبر مانند Coinbase نشأت گرفته یا از یک سرویس ترکیبی (mixer) که توسط دولتها برای پولشویی حمایت میشود.
هوش مصنوعی در Elliptic در چند حوزه کلیدی به کار گرفته میشود. عاملهای هوش مصنوعی مسئولیت انجام کارهای تکراری در صفهای هشدار را بر عهده میگیرند تا متخصصان تطبیق بتوانند بر پروندههای مبهم یا پرخطر تمرکز کنند. این عاملها با بررسی دلایل رتبهبندی ریسک بالای یک تراکنش و مقایسه آن با فعالیتهای دیگر، به تشخیص مثبتهای کاذب (false positives) کمک کرده و سرعت و کارایی عملیات تطبیق را به شدت افزایش میدهند. علاوه بر این، Elliptic از هوش مصنوعی برای ارائه زمینه و توضیحات زبانی طبیعی (natural language context) استفاده میکند. این قابلیت به ویژه برای تیمهای تازهکار در حوزه تطبیق داراییهای دیجیتال که فاقد تخصص عمیق هستند، بسیار مفید است.
تحلیل تأثیر
ظهور عاملهای هوش مصنوعی در حوزه جرایم رمزارزی، یک شمشیر دولبه محسوب میشود. از یک سو، این فناوری ابزارهای قدرتمندی را در اختیار نهادهای امنیتی و مالی برای مبارزه با کلاهبرداریها، پولشویی و سایر فعالیتهای غیرقانونی قرار میدهد و به آنها کمک میکند تا با سرعت و دقت بیشتری عمل کنند. از سوی دیگر، مجرمان نیز از همین ابزارها برای پیچیدهتر کردن طرحهای خود و افزایش درآمدشان بهره میبرند. این وضعیت، رقابت دائمی «موش و گربه» را بین نیروهای قانون و مجرمان تشدید کرده و اهمیت سرمایهگذاری مداوم در فناوریهای پیشرفته و آموزش متخصصان را بیش از پیش نمایان میسازد. مؤسسات مالی باید در کنار بهرهگیری از خدمات شرکتهای تحلیلگر، مسئولیت نهایی تطبیق و نظارت را بر عهده گرفته و با درک ریسکهای ذاتی داراییهای دیجیتال، پروتکلهای امنیتی خود را تقویت کنند.
