Mais de 40 heurísticas e métodos de IA documentados com total transparência que o Coinator emprega na forense Bitcoin.
Ao contrário de muitas outras ferramentas de rastreio de transações, o Coinator aposta decididamente na transparência em vez do segredo. Não fazemos qualquer mistério dos nossos algoritmos, heurísticas e procedimentos de análise — pelo contrário: todos os métodos utilizados estão documentados de forma aberta e podem ser consultados a qualquer momento.
Mais de 40 procedimentos claramente rastreáveis — entre os quais heurísticas multi-input, análise de endereços de troco, detetores de CoinJoin e PayJoin e numerosos filtros — garantem a máxima rastreabilidade, elevada fiabilidade e resultados admissíveis em tribunal, ao nível europeu de proteção de dados.
Os nossos procedimentos clássicos estão agrupados em dez categorias. Cada uma contém várias heurísticas específicas que, combinadas, contribuem para a análise de clusters e de transações — todas documentadas de forma aberta e rastreáveis.
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.
As heurísticas clássicas são complementadas com métodos modernos de Machine Learning — para maior precisão e menos atribuições erradas.
O Coinator combina procedimentos heurísticos clássicos com métodos de Machine Learning (ML) e de Data Mining (DM), para analisar com maior precisão endereços e transações Bitcoin. O objetivo é detetar relações que vão claramente além das regras convencionais.
Utilizamos redes neurais (em particular GNN) para melhorar a deteção de relações entre endereços que escapam às heurísticas clássicas, como a multi-input ou a análise de troco. As GNN são treinadas com conjuntos de dados cuidadosamente preparados, para fornecerem em produção análises de rede fiáveis em tempo real.
Por vezes a «chave» do conhecimento não está na própria topologia da rede, mas escondida no comportamento do utilizador. O Coinator aproveita esta ideia para um agrupamento de transações assistido por IA, com base em sequências temporais, variações de montantes e padrões de utilização recorrentes (por vezes atípicos).
«Dividir para reinar!» Esta abordagem inovadora aplica uma análise ML de (sub)grafos de transações para identificar (sub)redes de relações ocultas, com vista à deteção e denominação automáticas de entidades.
No quinto e último eixo combinamos as heurísticas clássicas já consolidadas com os algoritmos de IA e ML mencionados, para melhorar a deteção de entidades e reduzir as atribuições erradas (taxa de falsos positivos).
Explicamos com todo o gosto que procedimentos se ajustam melhor a cada caso.
Contactar →