Über 40 transparent dokumentierte Heuristiken und KI-Methoden, die der Coinator zur Bitcoin-Forensik einsetzt.
Im Gegensatz zu vielen anderen Tools zur Transaktionsnachverfolgung setzt der Coinator konsequent auf Transparenz statt Geheimhaltung. Wir machen kein Rätsel aus unseren Algorithmen, Heuristiken und Analyseverfahren – im Gegenteil: Alle eingesetzten Methoden sind offen dokumentiert und jederzeit einsehbar.
Über 40 klar nachvollziehbare Verfahren – darunter Multi-Input-Heuristiken, Wechselgeldanalysen sowie CoinJoin- und PayJoin-Detektoren und zahlreiche Filter – sorgen für maximale Nachvollziehbarkeit, hohe Vertrauenswürdigkeit und gerichtsfeste Ergebnisse auf europäischem Datenschutz-Niveau.
Unsere klassischen Verfahren gliedern wir in zehn Kategorien. Jede enthält mehrere spezifische Heuristiken, die kombiniert zur Cluster- und Transaktions-Analyse beitragen — alle offen dokumentiert und nachvollziehbar.
Adressen, die in einer Transaktion gemeinsam als Inputs erscheinen, gehören mit hoher Wahrscheinlichkeit derselben Entität. Basis-Heuristik der Blockchain-Forensik.
Erkennung der Rückgeld-Ausgabe bei Bitcoin-Transaktionen. Change-Adressen gehören dem Absender und erweitern das Cluster.
Erkennung kollaborativer Transaktionen, um CoinJoins nicht irrtümlich zu clustern. Einsatz in Kombination mit den Multi-Input-Heuristiken.
Identifikation klassischer Mixing-Dienste anhand ihrer typischen Ein- und Ausgangs-Muster.
Cross-Chain-Swaps erlauben den direkten Tausch von Coins zwischen unterschiedlichen Blockchains — ohne zentrale Börse und damit ohne KYC. Ursprünglich für Arbitrage gedacht, werden sie zunehmend zur Verschleierung der Herkunft genutzt. Unser Coinator erkennt die typischen On-Chain-Muster mehrerer etablierter Protokolle.
Wiederkehrende zeitliche Muster verraten Wallet-Eigenschaften — privat vs. Dienst, Region, Nutzungstyp.
Analyse der Graph-Struktur: Wer fließt wohin, mit wie vielen Zwischenstationen?
Erkennung der Entitätstypen hinter Adressen: Börse, Mining-Pool, Payment-Gateway, Custodian.
Verfolgung „kontaminierter" Coins durch die Blockchain — zentrales Konzept für Mittelherkunfts-Prüfungen und AML.
Ergänzende Heuristiken, die gezielt einzelne Aspekte beleuchten.
Klassische Heuristiken werden durch moderne Machine-Learning-Verfahren ergänzt — für höhere Präzision und weniger Fehlzuordnungen.
Der Coinator kombiniert klassische heuristische Verfahren mit Methoden des Maschinellen Lernens (ML) und des Data Minings (DM), um Bitcoin-Adressen und -Transaktionen präziser zu analysieren. Ziel ist die Erkennung von Zusammenhängen, die über herkömmliche Regeln deutlich hinausgehen.
Zum Einsatz kommen neuronale Netze (insbesondere GNNs) zur verbesserten Erkennung von Adressbeziehungen, die klassischen Heuristiken wie Multi-Input oder Wechselgeldanalysen entgehen. Die GNNs werden mit sorgfältig zusammengestellten Trainingsdatensätzen angelernt, um dann im produktiven Betrieb zuverlässige Netzwerkanalysen in Echtzeit zu liefern.
Manchmal liegt der "Schlüssel" der Erkenntnis nicht in der Netzwerktopologie selbst, sondern im Nutzerverhalten verborgen. Der Coinator nutzt diese Erkenntnis für eine KI-basierte Gruppierung von Transaktionen basierend auf zeitlichen Zusammenhängen & Abfolgen, Betragsveränderungen und wiederkehrenden (teilweise atypischen) Nutzungsmustern.
"Teile und herrsche!". Dieser innovative Ansatz verfolgt eine ML-Analyse von Transaktions(teil-)graphen zur Identifikation versteckter Beziehungs(teil-)netzwerke zur automatisch abgeleiteten Entitäten-Findung und -Bennenung.
Im fünften und letzten Themenkomplex erfolgt eine Kombination bewährter, klassischer Heuristiken mit den o.g. fortschrittlichen KI- und ML-Algorithmen zur Verbesserung der Entitätenerkennung und Reduktion von Fehlzuordnungen (False Positive Rate).
Wir erläutern gern, welche Verfahren für welchen Fall am besten geeignet sind.
Kontakt aufnehmen →