चीन की टीम का दावा, AI+LLM से 90% सटीकता से क्रिप्टो…

चीन के राष्ट्रीय पुलिस विश्वविद्यालय के शोधकर्ताओं का कहना है कि उन्होंने एक AI प्रणाली विकसित की है जो बड़े भाषा मॉडल का उपयोग करके संदिग्ध क्रिप्टो मनी लॉन्ड्रिंग को "लगभग 90% सटीकता" के साथ चिन्हित करती है। यह दावा 2025 के अभियोजन आंकड़ों के साथ आया है जो सुझाव देता है कि वर्चुअल एसेट लॉन्ड्रिंग के मामले पहले से ही बड़े पैमाने पर आगे बढ़ाए जा रहे हैं, इसके बावजूद कि चीन के व्यापार और खनन पर प्रतिबंध हैं।

चीन पुलिस-विश्वविद्यालय शोधकर्ताओं का दावा है कि AI+LLM क्रिप्टो मनी लॉन्ड्रिंग फ्लैग्स ~90% सटीक हैं।

चीन के राष्ट्रीय पुलिस विश्वविद्यालय के शोधकर्ताओं, जो सार्वजनिक सुरक्षा मंत्रालय के तहत काम करने वाला एक संस्थान है, को एक ब्लॉकचेन-फोरेंसिक्स पहचान ढांचे के विकास के रूप में वर्णित किया गया है जिसका उद्देश्य मनी लॉन्ड्रिंग और अन्य आर्थिक अपराधों की पहचान करना है जो वर्चुअल से संबंधित हैं।संपत्तियाँजैसे किबिटकॉइनइस काम से जुड़ा मुख्य मेट्रिक एक रिपोर्ट की गई हिट दर है: "सिस्टम संदिग्ध लेनदेन को चिह्नित करने में लगभग 90% सटीकता प्राप्त करता है।"

यह सटीकता का आंकड़ा दक्षिण चीन मॉर्निंग पोस्ट की रिपोर्ट के माध्यम से प्रस्तुत किया गया है, लेकिन पैकेट में कोई विधि, डेटा सेट का विवरण, या "सटीकता" का व्यावहारिक अर्थ नहीं दिया गया है। उसी लेख में व्यापारियों और अनुपालन डेस्क के लिए महत्वपूर्ण परिचालन चेतावनी भी दी गई है: एक मॉडल जो "90% सटीक" है, वह अभी भी गलत सकारात्मक उत्पन्न कर सकता है, और कानून प्रवर्तन को अभी भी मैन्युअल समीक्षा और कानूनी प्रक्रिया के माध्यम से एल्गोरिदमिक झंडों को मान्य करना होगा।

चीन का प्रवर्तन पृष्ठभूमि सिद्धांतात्मक नहीं है। चीन की सुप्रीम पीपल्स प्रोक्यूरटरेट ने रिपोर्ट किया कि 2025 में अकेले "3,259 लोगों पर वर्चुअल संपत्तियों और भूमिगत वित्त से जुड़े धन शोधन के संदेह में मुकदमा चलाया गया।" भले ही नया ढांचा केवल एक लीड-जनरेशन उपकरण हो, उस मुकदमे की संख्या यह संकेत देती है कि यदि इसे अपनाया जाता है, तो स्वचालन के लिए पर्याप्त मामले की मात्रा है जो संचालन में प्रासंगिक हो सकती है।

AI+LLM ढांचा लेयरिंग और संरचना को कैसे पहचानने वाला है

यांत्रिक रूप से, ढांचे का वर्णन AI-प्रेरित पैटर्न पहचान को बड़े भाषा मॉडल (LLM) क्षमताओं के साथ मिलाकर किया गया है ताकि ब्लॉकचेन नेटवर्क में लेनदेन प्रवाह का विश्लेषण किया जा सके। AI घटक को पैटर्न इंजन के रूप में स्थापित किया गया है, जो व्यवहार संबंधी विसंगतियों के लिए ऑन-चेन डेटा की बड़ी मात्रा को स्कैन करता है, जिन्हें नियम-आधारित निगरानी चूक सकती है।

लक्ष्य क्लासिक धन शोधन व्यवहार हैं। “लेयरिंग” वह रणनीति है जिसमें फंड्स को कई चरणों, वॉलेट्स और लेनदेन के माध्यम से स्थानांतरित किया जाता है ताकि मूल को ट्रेस करना कठिन हो जाए। “संरचना” गतिविधि को छोटे टुकड़ों या अजीब पैटर्न में तोड़ना है ताकि थ्रेशोल्ड से बचा जा सके और इरादे को अस्पष्ट किया जा सके। प्रणाली को उन व्यवहारों के अनुरूप विसंगतियों की खोज करने के रूप में वर्णित किया गया है जो लेनदेन ग्राफ़ में होती हैं, केवल स्थिर नियमों पर निर्भर रहने के बजाय।

LLM हिस्सा संदर्भ परत के रूप में प्रस्तुत किया गया है। एक बड़ा भाषा मॉडल एक पाठ-प्रशिक्षित मॉडल है जो भाषा को व्याख्यायित और उत्पन्न कर सकता है, और यहां इसे लेनदेन गतिविधि से जुड़े असंरचित जानकारी को व्याख्यायित करने में मदद करने के रूप में वर्णित किया गया है, जैसे कि लेनदेन मेमो या संचार पैटर्न, ताकि जांचकर्ताओं को प्रवाह के चारों ओर एक कथा बनाने में मदद मिल सके। यह महत्वपूर्ण है क्योंकि प्रवर्तन परिणामों को इस आधार पर नहीं आंका जाता है कि कितने पते चिह्नित किए गए हैं। इन्हें इस आधार पर आंका जाता है कि क्या एक मामला एकत्रित, श्रेयित और अभियोजित किया जा सकता है।

लेख में यह भी उल्लेख किया गया हैक्रिप्टोक्यूरेंसीचीन में ट्रेडिंग और माइनिंग पर प्रतिबंध है, जबकि होल्डिंगडिजिटल संपत्तियाँअपराधीकरण नहीं किया गया है। वर्णित स्थिति एक विभाजन है: सार्वजनिक बाजार की पहुंच को सीमित करना, लेकिन वर्चुअल-एसेट प्रवाह के चारों ओर जांच क्षमता का निर्माण जारी रखना।

चीन के ऑन-चेन निगरानी उपकरणों के विकास के साथ व्यापारियों को क्या देखना चाहिए

पहला संकेत जो जोखिम प्रोफ़ाइल को बदलता है, वह तैनाती है। पैकेट यह नहीं बताता है कि यह ढांचा अनुसंधान स्तर पर है, पायलट किया गया है, या पहले से ही लाइव जांचों में उपयोग किया जा रहा है, और यह यह भी नहीं बताता कि इसे कौन सी जांच इकाइयाँ चलाएँगी। यह खुलासा कि यह संचालन में है, और कहाँ, किसी अन्य सटीकता शीर्षक से अधिक महत्वपूर्ण होगा।

दूसरा संकेत "लगभग 90%" दावे के पीछे की तकनीकी विशिष्टता है। व्यापारियों को एक प्राथमिकता की तलाश करनी चाहिए।लिंकआधारभूत रिपोर्टिंग या किसी भी रिलीज़ के लिए जो डेटा सेट को परिभाषित करती है, "संदिग्ध" के लिए लेबलिंग मानक, और गलत सकारात्मक और गलत नकारात्मक दरें। इसके बिना, संख्या दिशा में दिलचस्प है लेकिन प्रदर्शन की गारंटी नहीं है।

तीसरा संकेत प्रवर्तन की तीव्रता है। 2025 का अभियोजन कुल एक पैमाना प्रदान करता है, इसलिए अगली वार्षिक गणना या प्रमुख मामले की घोषणाएँ जो स्पष्ट रूप से ऑन-चेन एनालिटिक्स का उल्लेख करती हैं, यह पुष्टि करने में मदद करेंगी कि क्या इस तरह के उपकरणों का उपयोग लीड को प्राथमिकता देने के लिए किया जा रहा है।

चौथा संकेत डाउनस्ट्रीम अनुपालन व्यवहार है। यदि एक्सचेंज और प्रतिपक्ष चीन से जुड़े जोखिम के प्रति सख्ती बरतने लगते हैं, तो यह आमतौर पर बढ़ी हुई उचित परिश्रम सूचनाओं, खाता फ्रीज़ या नए जोखिम नियमों के रूप में प्रकट होता है जो AI-चालित ट्रेसिंग और उच्च फ्लैगिंग दरों का उल्लेख करते हैं।

मेरा विचार: प्रवर्तन-तकनीक इस मॉडल की 'सटीकता' के लिए सार्वजनिक साक्ष्य की तुलना में तेजी से बढ़ रही है।

यहां जो बात महत्वपूर्ण है वह "90%" का शीर्षक नहीं है, बल्कि यह संस्थागत दिशा है। सार्वजनिक सुरक्षा मंत्रालय के तहत एक पुलिस-विश्वविद्यालय टीम जो लेनदेन ट्रेसिंग के लिए AI+LLM उपकरण बना रही है, एक ऐसे विश्व में फिट बैठती है जहां चीन सार्वजनिक व्यापार को सीमित रखता है जबकि आभासी संपत्ति के प्रवाह को एक जांचात्मक सतह के रूप में मानता है, और 3,259 अभियोजन का आंकड़ा सुझाव देता है कि स्वचालन के लिए पहले से ही पर्याप्त थ्रूपुट है।

महत्वपूर्ण सीमा खुलासा है: यदि यह ढांचा लाइव केसवर्क में लागू होने के रूप में पुष्टि की जाती है और सटीकता का दावा एक परिभाषित डेटा सेट और त्रुटि दरों द्वारा समर्थित है, तो चीन से जुड़े प्रवाह के चारों ओर अनुपालन जोखिम कथा बनना बंद कर देता है और परिचालनात्मक बन जाता है। तब तक, व्यावहारिक प्रभाव यह है कि चीन से जुड़े जोखिम को छूने वाले प्रतिपक्षों के लिए झंडे और घर्षण की उच्च संभावना होती है, न कि पहचान गुणवत्ता में एक सिद्ध कदम-परिवर्तन।

स्रोत

• BitcoinWorld.co.in