Kecerdasan buatan

Pelacakan Blockchain dengan AI: Artinya bagi Privasi Bitcoin

mm
Diterbitkan
Tambahkan Securities.io ke sumber pilihan Anda di Google

Inti jaringan Bitcoin dan mata uang kripto lainnya diwarnai ketegangan yang kuat.

Di satu sisi, mata uang kripto ini dirancang untuk memberikan kebebasan dan anonimitas sebesar-besarnya kepada setiap individu.

Di sisi lain, kepatuhan terhadap regulasi, audit forensik, dan penyelidikan kejahatan siber menuntut agar aset kripto dapat dikaitkan dengan orang-orang tertentu yang identitasnya diketahui, termasuk nama, alamat, dan sebagainya.

Ketegangan ini meningkat dalam beberapa tahun terakhir, seiring Bitcoin menjadi aset “arus utama” yang dimiliki oleh dana investasi, bank, ETF yang teregulasi, dan sebagainya.

“Salah satu persoalan utama bagi pemerintah adalah penggunaan mata uang kripto seperti Bitcoin tanpa izin untuk kejahatan siber, pencucian uang, dan pendanaan terorisme. Berlawanan dengan anggapan umum tentang kuatnya anonimitas yang ditawarkan blockchain Bitcoin, mengungkap identitas asli orang-orang dalam situasi seperti itu secara moral dan hukum dapat dibenarkan, meskipun secara logis hal tersebut akan sulit dilakukan.”

Secara keseluruhan, dibandingkan dengan masa-masa awal Bitcoin yang lebih libertarian, harga Bitcoin saat ini dapat diuntungkan oleh tingkat anonimitas yang lebih rendah.

Kemajuan dalam pembelajaran mesin dan teknologi AI lainnya dapat membantu “mengungkap identitas” pemilik Bitcoin. Namun, teknologi tersebut harus cukup andal agar dapat dipercaya untuk digunakan dalam upaya mengungkap aktivitas kriminal dan memenuhi tuntutan regulator keuangan.

Sebuah studi baru oleh para peneliti India dari Pranveer Singh Institute of Technology dan Manipal University Jaipur mengkaji bagaimana kemajuan AI terbaru (arsitektur neural integratif) dapat membantu tugas ini, dengan tingkat akurasi sekitar 97%.

“Penelitian ini bertujuan mendorong pertumbuhan ekonomi tanpa menggunakan cara-cara yang tidak etis. Para pembuat undang-undang yang mencari sumber berbasis data untuk memproyeksikan lanskap mata uang kripto berbasis blockchain, perusahaan yang menginginkan kepatuhan dan penilaian risiko yang efisien atas transaksi di blockchain Bitcoin, serta lembaga penegak hukum yang ingin memeriksa dan menyelidiki alamat yang terkait dengan aktivitas ilegal, semuanya akan memperoleh manfaat dari temuan ini.”

Mereka memublikasikan temuan mereka di Scientific Reports1, dengan judul “Deanonimisasi adaptif atas transaksi blockchain dengan memanfaatkan arsitektur jaringan saraf integratif dalam jaringan terdesentralisasi”.

Dari Alamat ke Identitas

Menemukan Pola

Sebagian besar upaya untuk mengidentifikasi pemilik alamat Bitcoin berfokus pada alamat tunggal. Sebaliknya, studi ini memanfaatkan resolusi entitas berbasis DSU untuk mengurai pseudonimitas blockchain menjadi klaster pelaku/entitas yang bertahan lama.

Juga dikenal sebagai Union-Find atau merge-find, struktur penggabungan himpunan saling lepas (DSU) membandingkan atribut (seperti nama, email, atau nomor telepon) untuk menentukan apakah dua catatan terpisah mewakili orang atau objek yang sama di dunia nyata.

Dalam konteks Bitcoin, ini berarti mengelompokkan beberapa alamat Bitcoin pseudonim menjadi satu “klaster entitas” yang dimiliki oleh satu pelaku di dunia nyata.

Hal ini penting karena pengguna dapat membuat alamat publik tanpa batas, sehingga mengidentifikasi satu alamat saja tidak terlalu berguna, setidaknya dalam kasus pelaku kriminal yang canggih—justru mereka yang paling penting untuk diungkap identitasnya.

Membangun Perangkat yang Tepat

Untuk membangun perangkat AI yang mampu mengidentifikasi pengguna Bitcoin, para peneliti mengembangkan arsitektur neural integratif yang menggabungkan berbagai paradigma jaringan neural:

  • Jaringan Neural Konvolusional (CNN) mengekstrak metadata lokal serta pola terperinci yang invarian dari metadata transaksi mentah. Pola-pola ini mengidentifikasi jenis entitas tertentu berdasarkan vektor fitur.
    • Ini digunakan untuk mengidentifikasi “bagaimana”: pola skrip dan biaya yang spesifik.
  • Model Memori Jangka Pendek-Panjang (LSTM) memodelkan kecepatan aliran.
    • Ini digunakan untuk mengidentifikasi “kapan”: tanda tangan dan interval waktu aliran transaksi.
  • Tanda tangan dan interval waktu aliran transaksi ditangkap dengan memperlakukan peta struktural.
  • Jaringan Neural Graf (GNN) menggabungkan embedding melalui matriks ketetanggaan k-Tetangga Terdekat dinamis (k-NN) di dalam batch untuk menyertakan perilaku lingkungan sekitar.
    • Ini digunakan untuk mengidentifikasi “siapa”: lingkungan topologis dan keterkaitan dengan hub.

Studi ini menguji metodenya pada kumpulan data yang mencakup 427.625 transaksi dan 140.235 entitas unik. Riwayat transaksi diambil dari arsip WalletExplorer dan Blockchair, dengan setiap transaksi memuat 22 fitur, seperti block_id, hash transaksi, fee_used, size, timestamp, weight, dan sebagainya.

Model dilatih menggunakan CPU Intel(R) Core (TM) I9-10,900 berkecepatan 2.81 GHz, RAM 32 GB, dan GPU NVIDIA GeForce RTX 3070 8 GB.

Menggunakan AI untuk Mengungkap Identitas di Balik Transaksi Bitcoin

Bagaimana Cara Kerjanya?

Penjelasan langkah demi langkah dapat membantu memahami cara kerja sistem yang kompleks ini.

Tahap pertama adalah membuat kumpulan data yang mencakup semua transaksi, lalu memberi label pada transaksi tersebut agar dapat dianalisis lebih lanjut.

Selanjutnya, dilakukan pengelompokan alamat dengan asumsi bahwa jika beberapa alamat digunakan sebagai input dalam suatu transaksi, alamat-alamat tersebut dimiliki oleh satu entitas privat yang sama. Langkah ini menghubungkan alamat-alamat Bitcoin yang sebelumnya terpisah dengan algoritma Disjoint Set Union (DSU). Langkah ini menghasilkan pengurangan derau hampir sebesar 67,2%.

Data buku besar kemudian diubah menjadi “graf berarah” untuk menemukan pengguna paling aktif dan membedakan alamat akumulasi (simpul serap) dari alamat distribusi (simpul hub), sekaligus menentukan kepentingan relatif setiap klaster dalam ekosistem.

Data yang dihasilkan juga dikelompokkan berdasarkan empat kemungkinan fungsi dalam jaringan Bitcoin: bursa, pool penambangan, layanan pencampuran, dan perjudian. Bursa dan pool penambangan secara default dianggap sebagai aktivitas yang sah.

Terakhir, arsitektur saraf terpadu (CNN-LSTM-GNN) digunakan untuk mengidentifikasi klaster individual.

“Peta struktural dari CNN diperlakukan sebagai rangkaian. LSTM menangkap pola berurutan dalam aktivitas transaksi dari waktu ke waktu atau dalam kecepatan aliran. GNN memodelkan struktur relasional dan keterhubungan alamat serta transaksi, yang sangat penting bagi blockchain Bitcoin karena setiap transaksi dan alamat secara alami dapat direpresentasikan sebagai simpul atau sisi dalam sebuah graf.”

Hasil Berkualitas Tinggi

Model CNN→LSTM→GNN menghasilkan kinerja yang sangat konsisten pada berbagai metrik evaluasi, dengan penyimpangan sebesar 1–2% pada metrik pemeringkatan dan klasifikasi serta 1,5% pada tingkat kesalahan.

“Model ini menghasilkan prediksi keterhubungan yang nyaris sempurna (AUC ≈ 0,995), presisi pemeringkatan yang sangat tinggi (MRR ≈ 0,985), dan keberhasilan pengambilan kembali yang hampir menyeluruh (Hits@10 ≈ 0,999), sekaligus mempertahankan tingkat positif palsu yang sangat rendah (<3%).”

Model ini juga sangat mampu mengklasifikasikan jenis aktivitas yang tepat dari suatu alamat Bitcoin.

“Salah satu pencapaian terpenting model ini adalah kemampuannya membedakan secara cermat layanan pencampuran dari organisasi perjudian. Model ini juga mendeteksi kelas minoritas, seperti pool penambangan, yang mencakup sekitar 0,53% dari kumpulan data. Tanpa kemampuan ini, model kemungkinan akan mengabaikannya demi kelas mayoritas, yaitu ‘Bursa’.”

Yang lebih penting, model ini mampu mempertahankan tingkat positif palsu yang sangat rendah (<3%), hal yang sangat penting untuk menghindari pengaitan identitas yang keliru dalam upaya mengungkap identitas. Ini sangat penting untuk mencegah orang yang tidak bersalah salah diberi label dalam audit analitis.

Untuk mengetahui lapisan mana yang paling berpengaruh terhadap hasil akhir, para peneliti menghapus beberapa lapisan lalu melakukan analisis. Mereka menemukan bahwa secara keseluruhan, Long Short-Term Memory (LSTM) merupakan lapisan yang paling sedikit pengaruhnya ketika dihapus, tetapi tetap memberikan kontribusi signifikan terhadap kinerja akhir. Bagian terpenting dari model AI ini adalah Convolutional Neural Networks (CNN).

Hal yang Perlu Diketahui Investor

Anonimitas merupakan salah satu nilai utama Bitcoin pada awal kemunculannya. Namun, penelitian ini dan penelitian lainnya menunjukkan dengan jelas bahwa kemajuan dalam analisis forensik blockchain dan AI dapat dengan cepat mengidentifikasi alamat Bitcoin mana yang dimiliki oleh orang atau organisasi yang sama.

Selain itu, untuk menunjukkan bahwa kerangka kerja ini dapat diterapkan secara umum, dilakukan evaluasi menyeluruh lintas kumpulan data dalam lingkungan blockchain yang beragam, termasuk Elliptic, Bitcoin Elliptic+, Bitcoin Heist Ransomware, dan Ethereum (ETH ) Fraud Detection. Kerangka kerja ini tetap mencapai akurasi tinggi secara konsisten, yakni 90 hingga 99%.

Artinya, nilai Bitcoin kini hampir sepenuhnya tidak lagi terkait dengan anonimitas, tetapi dengan nilai jaringannya sebagai sistem pembayaran, karakteristiknya sebagai “emas digital” (kelangkaan mutlak, ketidakberubahan, sifat terdesentralisasi, portabilitas, dan sebagainya), serta antusiasme masyarakat dan & lembaga keuangan terhadap mata uang digital ini.

Analisis yang lebih baik dari penelitian seperti ini kemungkinan dapat meningkatkan dukungan terhadap partisipasi institusi. Namun, hal itu juga dapat menimbulkan masalah baru terkait privasi dan positif palsu. Karena itu, diperlukan kehati-hatian besar agar analisis yang “hanya” akurat 97% tidak dianggap sebagai bukti mutlak keterlibatan dalam aktivitas ilegal.

Berinvestasi dalam Bitcoin

Coinbase

COIN Grafik Harga

Seiring makin meluasnya penggunaan mata uang kripto, semakin banyak investor yang mulai terpapar aset ini atau meningkatkan keterlibatan mereka di pasar mata uang kripto. Hal yang sama terjadi seiring bertambahnya proyek kripto.

Hal ini menguntungkan perusahaan seperti Coinbase, yang berkaitan erat dengan perdagangan mata uang kripto, harga aset, layanan kustodian, dan partisipasi institusional.

Karena itu, berinvestasi di bursa kripto dan platform teknologi seperti Coinbase dapat menjadi salah satu cara bagi investor untuk mendapatkan eksposur terhadap dinamika pasar kripto, tanpa harus memilih token tertentu secara sewenang-wenang.

Namun, ini tidak berarti bahwa Coinbase akan memberikan potensi imbal hasil (dan risiko) yang sama kepada investor sahamnya yang diperdagangkan secara publik seperti yang bisa diperoleh dari investasi kripto secara langsung. Sebaliknya, investasi ini merupakan investasi pada infrastruktur pasar kripto. Per 30 Juni 2026, Coinbase melaporkan aset senilai $246 miliar di platformnya.

Saat ini, selain aplikasi utama dan bursa kriptonya, Coinbase memiliki sejumlah layanan pelengkap:

  • Coinbase One, layanan keanggotaan premium yang menawarkan biaya perdagangan nol, imbalan staking yang lebih tinggi, serta berbagai penawaran dari mitra, seperti kalkulator pajak kripto, riset kripto, dan lain-lain.
  • Coinbase Advanced, untuk pedagang kripto profesional.
  • Coinbase Wallet, untuk menyimpan mata uang kripto secara mandiri di luar bursa, serta NFT.
  • Coinbase Earn, layanan staking yang memungkinkan pemilik mata uang kripto mengunci aset kripto mereka untuk memperoleh imbal hasil dari jaringan. Pada 2023, pelanggan Coinbase memperoleh $230 juta.
  • Coinbase Card, kartu debit Visa untuk berbelanja menggunakan mata uang kripto, dengan cashback 1% dalam Bitcoin saat membayar menggunakan USD dan 1,5% dalam USDC saat membayar menggunakan ETH. Kartu ini diterima di semua tempat yang menerima kartu debit Visa.
  • USD Coin (USDC), stablecoin digital yang nilainya setara dengan dolar AS, bertujuan menciptakan “dolar digital”.

Seiring dikembangkannya semakin banyak alat canggih, termasuk AI, alat-alat tersebut akan melengkapi infrastruktur kripto yang sudah ada. Sebagai platform yang kini lebih matang dan dominan, Coinbase berada pada posisi yang baik untuk meraih manfaat dari makin meluasnya penggunaan kripto, yang didorong oleh tren ETF Bitcoin, stablecoin, dan tokenisasi saham yang terus berkembang.

(Anda dapat membaca lebih lanjut tentang sejarah, layanan, dan potensi investasi Coinbase dalam laporan khusus kami tentang perusahaan ini)

Bitcoin

Cara lain untuk mendapatkan eksposur terhadap jaringan Bitcoin adalah, tentu saja, dengan memiliki Bitcoin secara langsung.

Untuk memulai, Anda dapat membaca panduan kami tentang topik ini:

Berita dan Perkembangan Terbaru Saham Coinbase (COIN)

Studi yang Dirujuk

1. Rohit Saxena, dkk. Deanonimisasi adaptif transaksi blockchain dengan memanfaatkan arsitektur jaringan saraf integratif dalam jaringan terdesentralisasi. Scientific Reports. 15 Oktober 2026. https://doi.org/10.1038/s41598-026-69816-5 

mm

Jonathan adalah mantan peneliti biokimia yang bekerja dalam analisis genetik dan uji klinis. Ia kini menjadi analis saham dan penulis keuangan dengan fokus pada inovasi, siklus pasar, dan geopolitik dalam publikasinya 'The Eurasian Century'.