📌نظارت بر روی تراکنشهای بلاکچین و شناسایی فعالیتهای مجرمانه و غیرقانونیمدتی پیش، یک سری توئیت منتشر شد که مدعی بود حسابهای مرتبط با صرافی نوبیتکس توسط نهادهای نظارتی "فلگ" (نشانهگذاری) شدهاند و ممکن است این حسابها به دلیل تحریمهای ایران و مسائل مربوط به پولشویی مسدود شوند. این مسئله نگرانیهایی را در بین کاربران ایجاد کرد. در اینجا قصد دارم به عنوان یک کارشناس امنیت سایبر توضیح دهم که چنین مشکلاتی مختص به نوبیتکس نیست و اگر این موضوع بهطور کلی بررسی شود، تمامی صرافیهای ایرانی و حتی جهانی ممکن است تحت نظارت قرار گیرند.
بلاکچین به عنوان یک پروتکل غیرمتمرکز و شفاف، تمامی تراکنشها را به صورت عمومی و دائمی ثبت میکند. این ویژگی باعث میشود که هر کسی بتواند تاریخچه تراکنشها را بررسی و ردیابی کند. همین شفافیت به ابزارها و پلتفرمهای تحلیل دادههای بلاکچین مانند Arkham اجازه میدهد که تراکنشها را بررسی کرده و الگوهای مشکوک یا رفتارهای غیرطبیعی را شناسایی کنند.
پلتفرمهایی مانند Arkham از ترکیبی از الگوریتمها و روشهای پیشرفته برای شناسایی فعالیتهای مشکوک مانند پولشویی، تأمین مالی تروریسم و دیگر جرایم مالی استفاده میکنند. در زیر به برخی از این الگوریتمها اشاره میکنم:
تحلیل گراف: تحلیل گراف برای شناسایی ارتباطات بین آدرسهای مختلف استفاده میشود. این روش به شناسایی خوشههای مرتبط و تعیین الگوهای رفتاری بین آدرسها کمک میکند. اگر یک آدرس مرتبط با فعالیتهای مشکوک فلگ شود، تحلیل گراف میتواند سایر آدرسهای مرتبط را نیز شناسایی کند.
تحلیل اجزای متصل: این روش برای شناسایی زیرشبکههایی از آدرسها که با یکدیگر ارتباط مستقیم یا غیرمستقیم دارند، به کار میرود. این تحلیل میتواند به شناسایی شبکههای بزرگتر و پیچیدهتر از تراکنشهای مشکوک کمک کند.
خوشهبندی: الگوریتمهایی مانند K-Means یا DBSCAN میتوانند تراکنشها و آدرسهایی که رفتار مشابه دارند را خوشهبندی کنند. این الگوریتمها در شناسایی گروههای مرتبط از آدرسها که ممکن است به یک نهاد یا فعالیت خاص مرتبط باشند، موثر هستند.
تشخیص الگو: پلتفرمهای تحلیلگر بلاکچین از مدلهای یادگیری ماشین برای تشخیص الگوهای خاص در تراکنشها استفاده میکنند. این الگوها ممکن است رفتارهای مشکوک یا غیرعادی را نشان دهند.
طبقهبندی: مدلهای طبقهبندی برای شناسایی و طبقهبندی آدرسها به عنوان قانونی یا مشکوک بر اساس ویژگیهای مختلف استفاده میشوند.
تشخیص ناهنجاری مبتنی بر شبکه عصبی: شبکههای عصبی برای شناسایی ناهنجاریها در رفتارهای تراکنشی استفاده میشوند. این ناهنجاریها میتوانند نشاندهنده فعالیتهای مشکوک مانند پولشویی یا جرایم سایبری باشند.
تحلیل مبتنی بر قوانین: برخی الگوریتمها بر اساس مجموعهای از قوانین از پیش تعریف شده عمل میکنند تا الگوهای خاصی را تشخیص دهند. این قوانین ممکن است بر اساس تحقیقات قبلی یا تجربههای تحلیلگرها تنظیم شده باشند.
فیلتراسیون بر اساس معیارها: استفاده از معیارهایی مانند تعداد تراکنشها، حجم تراکنشها، زمانبندی و غیره میتواند به فیلتر کردن و شناسایی تراکنشهای مشکوک کمک کند.
مدلهای آماری: مدلهای آماری برای تحلیل و شناسایی انحرافات از توزیعهای نرمال در تراکنشها استفاده میشوند. این روشها میتوانند به شناسایی فعالیتهای مشکوک کمک کنند.
باید توجه داشت که نظارت بر تراکنشهای بلاکچینی و حسابهای مرتبط با صرافیها، از جمله نوبیتکس، تابع قوانین بینالمللی و محلی است. از آنجا که ایران تحت تحریمهای بینالمللی قرار دارد، فعالیتهای مالی مرتبط با ایران از نظر نهادهای نظارتی به دقت بررسی میشود. به همین دلیل، صرافیهای ایرانی ممکن است تحت نظارتهای شدیدتری قرار گیرند. با این حال، باید به این نکته توجه داشت که فرآیند مسدودسازی حسابها و اجرای تحریمها نیاز به مدارک قوی و شواهد کافی دارد. این فرآیند به صورت خودکار و "فلهای" انجام نمیشود و هرگونه اقدام قانونی باید بر اساس مدارک معتبر صورت گیرد.
در نهایت، باید گفت که نظارت بر تراکنشهای بلاکچینی و فعالیتهای مرتبط با آنها توسط پلتفرمهایی مانند Arkham امری است که به دقت و بر اساس الگوریتمها و روشهای پیشرفته انجام میشود. این نظارتها برای جلوگیری از فعالیتهای غیرقانونی و حفاظت از اکوسیستم مالی جهانی ضروری است. کاربران و صرافیهای رمزارز باید از این نکات آگاه باشند و اقدامات لازم را برای رعایت قوانین و مقررات انجام دهند.
✍️ نویسنده میلاد کهساری الهادی
➖راهبر فنی تحقیقات تیم آیو / مدرس برنامهنویسی سیستمی⏰ دوشنبه - ۲۹ اَمرداد ۱۴۰۳@aioooir |
#nobitex #arkham