Identificação de Atividades Suspeitas de Lavagem de Dinheiro:Abordagem com aprendizagem de máquina em carteiras na rede ethereum
Ethereum;Criptoativos; Lavagem de Dinheiro;Detecção de Carteiras Ilícitas; Aprendizado de Máquina
Com oadvento do uso de criptoativos no cenário financeiro global, houve também o uso desse novo ferramental por parte dos criminosos para a prática de ilicitudes envolvendo os criptoativos, que correspondem a um montante aproximado, em capitalização de mercado, de 1,2 trilhão de dólares. Neste trabalho, foi feita a aplicação de métodos quantitativos, especificamente procedimentos estatísticos e algoritmos matemáticos de aprendizado de máquina, para investigar a detecção de contas ilícitas na blockchain Ethereum. O estudo utilizou o modelo LightGBM, com o objetivo de investigar a relação de causa e efeito dos atributos de interesse e as carteiras ilícitas de Ethereum, com o intuito de identificá-las. O trabalho é inspirado em um artigo acadêmico que utilizou o modelo de aprendizado de máquina XGBoost para detectar padrões em endereços na rede Ethereum relacionados a atividades ilícitas.Diante de todo o exposto, o objetivo deste trabalho é investigar em que medida é possível identificar endereços de criptomoedas suspeitos de envolvimento com a prática da lavagem de dinheiro.A hipótese de pesquisa tem por base o trabalho de Farrugia et al.(2020), sendo que se acredita ser possível identificar endereços de criptomoedas suspeitos de envolvimento com a prática da lavagem de dinheiro por meio do emprego de técnicas deaprendizado de máquina