人工知能
AIによるブロックチェーン追跡：ビットコインのプライバシーに何をもたらすのか
Securities.io を Google の優先ソースに追加
ビットコインをはじめとする暗号資産ネットワークの根幹には、強い緊張関係がある。
一方で、こうした暗号資産は、個人の自由と匿名性を最大限に確保できるよう設計されている。
他方、規制の順守、フォレンジック監査、サイバー犯罪の捜査では、暗号資産を、氏名や住所などが特定された人物に結び付ける必要がある。
ビットコインが投資ファンドや銀行、規制下のETFなどに保有される「主流」の資産となったことで、この緊張関係は近年強まっている。
「政府にとって重要な課題の一つは、サイバー犯罪やマネーロンダリング、テロ資金供与を目的として、ビットコインなどの暗号資産が不正に利用されることだ。ビットコインのブロックチェーンが高い匿名性を備えているという通説に反して、このような状況下で個人の本当の身元を明らかにすることは、道徳的にも法的にも許容されるだろう。ただし、論理的には困難を伴う。」
より自由至上主義的だった黎明期を経た現在、匿名性の低下はビットコインの価格にプラスに働く可能性がある。
機械学習をはじめとするAI技術の進歩は、ビットコインの保有者を「非匿名化」する助けとなる可能性がある。ただし、犯罪行為の発見や金融規制当局の要請への対応に活用するには、信頼して使えるだけの信頼性が必要だ。
Pranveer Singh Institute of TechnologyとManipal University Jaipurのインド人研究者による新たな研究は、新しいAI技術の進歩（統合型ニューラルアーキテクチャ）がこの課題の解決にどう役立つかを検討し、約97％の精度を達成した。
「この研究は、非倫理的な手段を用いることなく、経済成長の拡大を促進することを目的としている。ブロックチェーン基盤の暗号資産をめぐる状況を予測するため、データに基づく情報源を探している立法者、ビットコインのブロックチェーン上の取引に関するコンプライアンスと効率的なリスク評価を求める企業、違法行為に関連するアドレスを調査・捜査したい法執行機関は、いずれも本研究の成果を活用できるだろう。」
研究者らは、研究成果を1『Scientific Reports』に発表した。論文の題名は「分散型ネットワークにおいて統合型ニューラルアーキテクチャを活用したブロックチェーン取引の適応的な非匿名化」。
アドレスから身元を特定する
パターンを見つける
ビットコインアドレスの所有者を特定する従来の取り組みの多くは、個々のアドレスに焦点を当てている。これに対し本研究では、DSUに基づくエンティティ解決を利用し、ブロックチェーンの仮名性を、長期にわたって存続する行為者／エンティティのクラスターへと分解する。
Union-Findまたはmerge-findとも呼ばれる素集合データ構造（DSU）は、名前、メールアドレス、電話番号などの属性を比較し、別々の2つのレコードが現実世界の同じ人物または物体を表しているかどうかを判定する。
ビットコインの場合、これは複数の仮名アドレスをまとめ、現実世界の単一の行為者に属する「エンティティクラスター」を形成することを意味する。
ユーザーは公開アドレスを無制限に生成できるため、個々のアドレスを特定してもあまり役に立たない。少なくとも、非匿名化が最も重要となる対象である、巧妙な犯罪行為者の場合はそうだ。
適切なツールを開発する
ビットコインユーザーを特定できるAIツールを開発するため、研究者らは異なるニューラルネットワークの手法を組み合わせた統合型ニューラルアーキテクチャを構築した。
- 畳み込みニューラルネットワーク（CNN）は、取引の生メタデータに含まれる局所的で細粒度かつ不変のパターンを抽出する。これらのパターンは、特徴ベクトルから特定のエンティティの種類を識別する。
- これは、「どのように」取引が行われるか、つまりスクリプトと手数料に見られる特定のパターンを特定するために使われる。
- 長短期記憶（LSTM）モデルは、資金の流れの速度をモデル化する。
- これは、「いつ」：取引の流れに見られる特徴的なパターンとタイミングの間隔を特定するために使われる。
- 取引の流れに見られる特徴的なパターンとタイミングの間隔は、構造マップとして扱うことで捉えられる。
- グラフニューラルネットワーク（GNN）は、バッチ内の動的なk近傍（k-NN）隣接行列を介して埋め込み表現を集約し、近傍の行動を取り込む。
- これは、「誰か」：トポロジー上の近傍関係とハブとのつながりを特定するために使われる。
本研究では、427,625件の取引と140,235件の固有エンティティからなるデータセットを用いて手法を検証した。取引履歴はWalletExplorerとBlockchairのアーカイブから取得し、各取引にはblock_id、transaction hash、fee_used、size、timestamp、weightなど22種類の特徴量が含まれていた。
モデルの学習には、Intel(R) Core (TM) I9-10,900 CPU（2.81 GHz）、32 GB RAM、8 GB NVIDIA GeForce RTX 3070 GPUを使用した。
AIを使ってビットコイン取引の匿名性を解く
どのように機能するのか？
こうした複雑なシステムの仕組みを説明するには、段階を追って解説すると分かりやすい。
最初の段階では、すべての取引を含むデータセットを作成し、さらに分析できるよう各取引にラベルを付ける。
次に、「アドレスのクラスタリング」を行う。これは、特定の取引で入力として複数のアドレスが使われている場合、それらのアドレスは同一の主体に属するという前提に基づく。この処理では、Disjoint Set Union（DSU）アルゴリズムを使って、それまで別々だったビットコインアドレスを結び付ける。この処理により、ノイズは約67.2%削減された。
次に、台帳データを「有向グラフ」に変換し、最も活発なユーザーを特定するとともに、資金を蓄積するアドレス（シンク）と分配するアドレス（ハブ）を区別する。また、エコシステム内で各クラスターが相対的にどれほど重要かも明らかにする。
生成されたデータは、ビットコインネットワークにおける4つの機能、すなわち取引所、マイニングプール、ミキシングサービス、ギャンブルに分類される。取引所とマイニングプールの活動は、デフォルトで合法と見なされる。
最後に、統合型ニューラルネットワーク構造（CNN-LSTM-GNN）を用いて、個々のクラスターを特定する。
「CNNが生成する構造マップは、系列データとして扱われる。LSTMは、時間の経過や資金フローの速度に伴う取引活動の系列パターンを捉える。GNNは、アドレスと取引の関係構造や接続性をモデル化する。これは、各取引とアドレスをグラフ上のノードまたはエッジとして自然に表現できるビットコインのブロックチェーンにとって、重要な役割を果たす。」
高品質な結果
CNN→LSTM→GNNモデルは、さまざまな評価指標で非常に一貫した結果を示した。ランキング指標と分類指標のばらつきは1～2%以内、誤差率のばらつきは1.5%だった。
「このモデルは、ほぼ完璧なリンク予測（AUC ≈ 0.995）、極めて高いランキング精度（MRR ≈ 0.985）、ほぼ完全な検索成功率（Hits@10 ≈ 0.999）を達成しながら、偽陽性率を非常に低く（<3%）維持する。」
このモデルは、ビットコインアドレスがどの種類の活動に該当するかを分類する能力にも優れていた。
「このモデルの最も重要な成果の一つは、ミキシングサービスとギャンブル組織を明確に区別できることだ。また、データセットの約0.53%を占めるマイニングプールのような少数クラスも検出する。これができなければ、モデルは少数クラスを無視し、件数の多い『取引所』クラスを優先してしまう可能性が高い。」
さらに重要なのは、偽陽性率を極めて低く（<3%）保てたことだ。これは、匿名性を解く作業で身元を誤って結び付けないために非常に重要である。分析監査で「無関係な第三者」に誤ったラベルを付けるのを防ぐうえでも、欠かせない。
一部の層を取り除いて分析を行い、最終結果にどの層が最も重要かを調べたところ、研究者らは、Long Short-Term Memory（LSTM）は取り除いた場合の影響が全体として最も小さい層である一方、最終的な性能には依然として大きく貢献していることを確認した。また、AIモデルではConvolutional Neural Networks（CNN）が最も重要な部分だった。
投資家が押さえておくべきポイント
ビットコインの当初の価値提案の一つは匿名性だった。しかし、この研究をはじめとする研究から、ブロックチェーンのフォレンジック分析とAIの進歩により、どのビットコインアドレスが同じ個人または組織に属するかを迅速に特定できることが明らかになっている。
さらに、この枠組みが汎用化できることを示すため、Elliptic、Bitcoin Elliptic+、Bitcoin Heist Ransomware、Ethereum (ETH ) Fraud Detectionを含む、異種のブロックチェーン環境にまたがる複数のデータセットを用いて、綿密な横断評価が実施された。その場合も、精度は90～99%と一貫して高かった。
つまり、ビットコインの価値は、もはや匿名性とはほとんど結び付いておらず、決済システムとしてのネットワーク価値、「デジタルゴールド」としての性質（絶対的な希少性、不変性、分散型であること、持ち運びやすさなど）、そしてデジタル通貨に対する一般市民や金融機関の全体的な期待に基づくようになっている。
この研究のような分析技術の向上は、機関投資家の参入を後押しする可能性がある。一方で、新たなプライバシー上の懸念や偽陽性の問題を招くおそれもある。「わずか」97%の精度の分析を、違法行為とのつながりを示す絶対的な証拠と見なすことには、十分な注意が必要だ。
ビットコインへの投資
Coinbase
COIN 価格チャート
暗号資産が広く浸透するにつれて、暗号資産への投資を始めたり、暗号資産市場での投資額を増やしたりする投資家が増えています。暗号資産プロジェクトが増加していることについても、同じことが言えます。
これは、暗号資産の取引や資産価格、カストディ、機関投資家の参加と密接に結び付いているCoinbaseのような企業にとって追い風です。
そのため、Coinbaseのような暗号資産取引所やテクノロジープラットフォームへの投資は、特定のトークンを恣意的に選ぶ必要なく、暗号資産市場全体の動向に投資する方法となり得ます。
ただし、Coinbaseの上場株式に投資しても、暗号資産に直接投資した場合と同じようなリターンの可能性（およびリスク）が得られるとは限りません。むしろ、これは暗号資産市場のインフラへの投資です。Coinbaseによると、2026年6月30日時点で、同社のプラットフォーム上の資産は2,460億ドルに上ります。
現在、Coinbaseは主力アプリと暗号資産取引所に加え、次のような関連サービスを提供しています。
- Coinbase One：取引手数料が無料になるほか、ステーキング報酬の増額や、暗号資産の税金計算ツール、暗号資産リサーチなどのパートナー特典を利用できるプレミアム会員サービス。
- Coinbase Advanced：プロの暗号資産トレーダー向けのサービス。
- Coinbase Wallet：取引所を介さずに暗号資産やNFTを自己管理するためのウォレット。
- Coinbase Earn：暗号資産の保有者が資産を預け入れ、ネットワークから利息を得られるステーキングサービス。2023年には、Coinbaseの顧客が合計2億3,000万ドルを獲得しました。
- Coinbase Card：暗号資産で買い物ができるVisaデビットカード。USDで支払うとBitcoinで1％、ETHで支払うとUSDCで1.5％が還元されます。Visaデビットカードが使える場所であれば、どこでも利用できます。
- USD Coin （USDC）：米ドルと同じ価値を持つデジタルステーブルコインで、「デジタルドル」の実現を目指しています。
AIを含む、より高度なツールが次々と開発され、既存の暗号資産インフラを補完するようになっています。成熟度と存在感を高めたCoinbaseは、Bitcoin ETFやステーブルコイン、株式のトークン化といった動きの拡大を背景に、暗号資産がますます広く浸透する流れを生かすうえで有利な立場にあります。
（Coinbaseの沿革、提供サービス、投資対象としての可能性について詳しくは、同社に関する専用レポートをご覧ください）
Bitcoin
Bitcoinネットワークに投資するもう一つの方法は、もちろん、Bitcoinを直接保有することです。
まずは、関連する以下のガイドをご覧ください。
Coinbase（COIN）の最新株式ニュースと動向
参考文献
1．Rohit Saxenaほか「分散型ネットワークにおける統合型ニューラルアーキテクチャを活用したブロックチェーン取引の適応的な匿名性解除」。Scientific Reports、2026年10月15日。https://doi.org/10.1038/s41598-026-69816-5
