Oltre 40 euristiche e metodi di IA documentati con piena trasparenza che Coinator impiega per la forensica Bitcoin.
A differenza di molti altri strumenti di tracciamento delle transazioni, Coinator punta con decisione sulla trasparenza anziché sulla segretezza. Non facciamo mistero dei nostri algoritmi, delle euristiche e delle procedure di analisi — anzi: tutti i metodi impiegati sono documentati apertamente e consultabili in qualsiasi momento.
Oltre 40 procedure chiaramente tracciabili — tra cui euristiche multi-input, analisi degli indirizzi di resto, rilevatori di CoinJoin e PayJoin e numerosi filtri — garantiscono massima tracciabilità, elevata affidabilità e risultati ammissibili in tribunale, conformi agli standard europei di protezione dei dati.
Le nostre procedure classiche sono raggruppate in dieci categorie. Ognuna contiene diverse euristiche specifiche che, combinate, contribuiscono all’analisi di cluster e di transazioni — tutte documentate apertamente e tracciabili.
Addresses that appear together as inputs in a transaction very likely belong to the same entity. The base heuristic of blockchain forensics.
Detecting the return-change output in Bitcoin transactions. Change addresses belong to the sender and extend the cluster.
Detecting collaborative transactions to avoid clustering CoinJoin participants incorrectly. Used in combination with multi-input heuristics.
Identifying classical mixing services by their typical input and output patterns.
Cross-chain swaps allow direct exchange of coins between different blockchains — without a centralised exchange and therefore without KYC. Originally built for arbitrage, they are increasingly used to obscure the origin of funds. Our Coinator recognises the typical on-chain patterns of several established protocols.
Recurring temporal patterns reveal wallet characteristics — private vs. service, region, usage type.
Analysing graph structure: who flows where, via how many intermediate hops?
Identifying the entity types behind addresses: exchanges, mining pools, payment gateways, custodians.
Tracking "contaminated" coins through the blockchain — a core concept for source-of-funds checks and AML.
Additional heuristics that address individual aspects.
Le euristiche classiche vengono completate da metodi moderni di Machine Learning — per maggiore precisione e meno attribuzioni errate.
Coinator combina procedure euristiche classiche con metodi di Machine Learning (ML) e di Data Mining (DM), per analizzare con maggiore precisione gli indirizzi e le transazioni Bitcoin. L’obiettivo è rilevare relazioni che vanno chiaramente oltre le regole convenzionali.
Utilizziamo reti neurali (in particolare GNN) per migliorare il riconoscimento delle relazioni tra indirizzi che sfuggono alle euristiche classiche, come la multi-input o l’analisi del resto. Le GNN vengono addestrate su set di dati accuratamente preparati, per fornire poi in produzione analisi di rete affidabili in tempo reale.
A volte la "chiave" della conoscenza non si trova nella topologia della rete in sé, ma è nascosta nel comportamento dell’utente. Coinator sfrutta questa idea per un raggruppamento delle transazioni assistito dall’IA, basato su sequenze temporali, variazioni di importi e pattern d’uso ricorrenti (talvolta atipici).
«Divide et impera!» Questo approccio innovativo applica un’analisi ML di (sotto)grafi di transazioni per identificare (sotto)reti di relazioni nascoste, in vista del riconoscimento e della denominazione automatici delle entità.
Nel quinto e ultimo asse combiniamo le euristiche classiche già consolidate con gli algoritmi di IA e ML menzionati, per migliorare il riconoscimento delle entità e ridurre le attribuzioni errate (tasso di falsi positivi).
Ti spieghiamo volentieri quali procedure si adattano meglio al tuo caso.
Contattaci →