인공지능
AI 블록체인 추적: 비트코인 프라이버시에 미치는 영향
Securities.io를 Google의 선호 소스에 추가
비트코인 네트워크와 다른 암호화폐의 근간에는 강한 긴장 관계가 자리하고 있다.
한편으로, 이러한 암호화폐는 개인에게 최대한의 자유와 익명성을 제공하도록 설계됐다.
다른 한편으로, 규제 준수와 포렌식 감사, 사이버 범죄 수사를 위해서는 암호화폐 자산을 이름과 주소 등이 확인된 특정 개인과 연결해야 한다.
비트코인이 투자 펀드와 은행, 규제 대상 ETF 등에 편입된 ‘주류’ 자산이 되면서 최근 몇 년간 이러한 긴장 관계는 더욱 심해졌다.
“정부의 주요 과제 중 하나는 비트코인과 같은 암호화폐가 사이버 범죄와 자금 세탁, 테러 자금 조달에 무단으로 사용되는 문제다. 비트코인 블록체인이 제공하는 익명성은 견고하다는 통념과 달리, 이런 상황에서 개인의 실제 신원을 밝혀내는 것은 도덕적으로나 법적으로 허용될 수 있지만 논리적으로는 상당히 어려울 수 있다.”
따라서 전반적으로 보면, 한때 자유지상주의적 성격이 더 강했던 비트코인은 오늘날 익명성이 낮아질 경우 가격 측면에서 이득을 얻을 수도 있다.
머신러닝과 기타 AI 기술의 발전은 비트코인 소유자를 ‘익명화 해제’하는 데 도움이 될 수 있다. 하지만 범죄 행위를 밝혀내거나 금융 규제 당국의 요구를 충족하는 데 활용하려면 신뢰할 수 있을 만큼 정확해야 한다.
인도 프란비르 싱 공과대학과 마니팔 대학교 자이푸르의 연구진이 발표한 새로운 연구는 통합형 신경망 아키텍처라는 AI 기술의 발전이 이 과제에 어떻게 도움이 될 수 있는지 살펴보고, 약 97%의 정확도를 달성했다.
“이 연구는 비윤리적인 수단을 쓰지 않고 경제 성장을 촉진하는 것을 목표로 한다. 블록체인 기반 암호화폐의 현황을 예측할 데이터 기반 자료를 찾는 입법자, 비트코인 블록체인 거래의 규제 준수와 효율적인 위험 평가를 모색하는 기업, 불법 행위와 연관된 주소를 조사하고 수사하려는 사법 기관 모두 연구 결과에서 유용한 정보를 얻을 수 있다.”
이들은 연구 결과를 “분산 네트워크에서 통합형 신경망 아키텍처를 활용한 블록체인 거래의 적응형 익명성 해제”라는 제목으로 Scientific Reports1에 발표했다.
주소에서 신원으로
패턴 찾기
비트코인 주소의 소유자를 식별하려는 대부분의 시도는 개별 주소에 초점을 맞춘다. 이와 달리 이 연구는 DSU 기반 개체 식별을 활용해 블록체인의 가명성을 장기간 유지되는 행위자·개체 군집으로 분해한다.
Union-Find 또는 merge-find라고도 하는 서로소 집합 자료구조(DSU)는 이름, 이메일, 전화번호와 같은 속성을 비교해 서로 다른 두 기록이 현실 세계의 동일한 사람이나 사물을 가리키는지 판별한다.
비트코인에서는 여러 개의 가명 비트코인 주소를 하나로 묶어 현실 세계의 한 행위자에게 속하는 단일 ‘개체 군집’으로 만드는 것을 뜻한다.
사용자는 공개 주소를 무제한으로 만들 수 있으므로, 개별 주소만 식별하는 방식은 그다지 유용하지 않다. 특히 익명성 해제가 가장 중요한 대상인 정교한 범죄 행위자의 경우 더욱 그렇다.
적합한 도구 만들기
비트코인 사용자를 식별할 수 있는 AI 도구를 만들기 위해 연구진은 서로 다른 신경망 패러다임을 결합한 통합형 신경망 아키텍처를 구축했다.
- 합성곱 신경망(CNN)은 원시 거래 메타데이터에서 발견되는 세밀하고 불변적인 국소 패턴을 추출하고, 특성 벡터를 바탕으로 구체적인 개체 유형을 식별한다.
- 이를 통해 ‘어떻게’: 구체적인 스크립트 및 수수료 패턴을 식별한다.
- 장단기 메모리(LSTM) 모델은 흐름의 속도를 파악한다.
- 이를 통해 “언제”: 거래 흐름의 서명과 시간 간격을 식별한다.
- 거래 흐름의 서명과 시간 간격은 구조적 맵으로 처리해 포착한다.
- 그래프 신경망(GNN)은 각 배치 내에서 동적 k-최근접 이웃(k-NN) 인접 행렬을 통해 임베딩을 집계해 주변 노드의 행동을 반영한다.
- 이를 통해 ‘누가’: 위상적 이웃 관계와 허브 소속을 식별한다.
연구진은 거래 427,625건과 고유 개체 140,235개로 구성된 데이터 세트에서 이 방법을 시험했다. 거래 이력은 WalletExplorer와 Blockchair의 아카이브에서 가져왔으며, 각 거래에는 block_id, transaction hash, fee_used, size, timestamp, weight 등 22개의 특성이 포함됐다.
모델은 Intel(R) Core (TM) I9-10,900 CPU(2.81 GHz), RAM 32 GB, NVIDIA GeForce RTX 3070 GPU(8 GB)를 사용해 학습했다.
AI를 활용한 비트코인 거래 익명성 해제
어떻게 작동할까?
이처럼 복잡한 시스템이 어떻게 작동하는지 이해하려면 단계별로 살펴보는 것이 도움이 됩니다.
첫 단계는 모든 거래를 포함한 데이터 세트를 만들고, 이후 분석에 활용할 수 있도록 각 거래에 라벨을 붙이는 것입니다.
다음으로 ‘주소 클러스터링’을 진행합니다. 이는 특정 거래에서 여러 주소가 입력값으로 사용되면 해당 주소들이 하나의 공통된 사적 주체에 속한다는 가정에 기반합니다. 이 단계에서는 Disjoint Set Union(DSU) 알고리즘을 사용해 이전에는 서로 분리되어 있던 비트코인 주소들을 하나로 묶습니다. 이 과정을 통해 노이즈가 거의 67.2% 감소했습니다.
그런 다음 원장 데이터를 ‘방향 그래프’로 변환해 가장 활발한 사용자를 찾고, 자금을 모으는 주소(싱크)와 분배하는 주소(허브)를 구분합니다. 또한 생태계 내에서 각 클러스터가 지니는 상대적 중요성도 파악합니다.
생성된 데이터는 비트코인 네트워크에서 나타날 수 있는 네 가지 기능, 즉 거래소, 채굴 풀, 믹싱 서비스, 도박에 따라 분류됩니다. 거래소와 채굴 풀은 기본적으로 합법적인 활동으로 간주됩니다.
마지막으로 통합 신경망 아키텍처(CNN-LSTM-GNN)를 사용해 개별 클러스터를 식별합니다.
“CNN에서 나온 구조적 맵을 시퀀스로 처리합니다. LSTM은 시간에 따른 거래 활동의 순차적 패턴이나 흐름의 속도를 포착합니다. GNN은 주소와 거래 간의 관계 구조와 연결성을 모델링합니다. 이는 각 거래와 주소를 그래프의 노드나 엣지로 자연스럽게 표현할 수 있는 비트코인 블록체인에서 특히 중요합니다.”
높은 품질의 결과
CNN→LSTM→GNN 모델은 여러 평가 지표에서 매우 일관된 결과를 보였습니다. 순위 및 분류 지표의 편차는 1~2% 이내였고, 오류율의 편차는 1.5%였습니다.
“이 모델은 링크 예측에서 거의 완벽한 성능(AUC ≈ 0.995)을 보였고, 순위 정밀도도 매우 높았으며(MRR ≈ 0.985), 검색 성공률도 거의 완전한 수준에 도달했습니다(Hits@10 ≈ 0.999). 동시에 거짓 양성률은 매우 낮은 수준(<3%)으로 유지했습니다.”
이 모델은 비트코인 주소가 어떤 활동 유형에 해당하는지 분류하는 능력도 매우 뛰어났습니다.
“이 모델의 가장 중요한 성과 중 하나는 믹싱 서비스와 도박 조직을 정밀하게 구분할 수 있다는 점입니다. 또한 데이터 세트의 약 0.53%를 차지하는 채굴 풀과 같은 소수 클래스도 탐지합니다. 이런 기능이 없다면 모델은 다수 클래스인 ‘거래소’를 우선시하고 채굴 풀을 무시할 가능성이 큽니다.”
더 중요한 점은 이 모델이 거짓 양성률을 매우 낮은 수준(<3%)으로 유지할 수 있었다는 것입니다. 이는 익명성 해제 작업에서 서로 무관한 신원을 잘못 연결하지 않도록 하는 데 매우 중요합니다. 또한 분석 감사 과정에서 ‘무고한 제삼자’에게 잘못된 라벨을 붙이는 일을 방지하는 데도 핵심적입니다.
연구진은 모델의 일부 계층을 제거한 뒤 분석을 수행해 최종 결과에 가장 중요한 계층이 무엇인지 확인했습니다. 그 결과 전반적으로 Long Short-Term Memory(LSTM)는 제거했을 때 영향이 가장 적은 계층이었지만, 최종 성능에 여전히 크게 기여했습니다. AI 모델에서 가장 중요한 부분은 Convolutional Neural Networks(CNNs)였습니다.
투자자가 얻을 수 있는 시사점
비트코인의 초기 가치 제안 중 하나는 익명성이었지만, 이번 연구를 비롯한 여러 연구는 블록체인 포렌식 분석과 AI의 발전으로 어떤 비트코인 주소들이 같은 개인이나 조직에 속하는지 빠르게 식별할 수 있음을 분명히 보여줍니다.
이 프레임워크가 다양한 환경에 적용될 수 있음을 입증하기 위해 Elliptic, Bitcoin Elliptic+, Bitcoin Heist Ransomware, Ethereum Fraud Detection을 비롯한 이질적인 블록체인 환경에서 여러 데이터 세트를 교차 평가했습니다. (ETH ) 그 결과 정확도는 90~99%로 일관되게 높게 나타났습니다.
따라서 이제 비트코인의 가치는 익명성과 거의 더 이상 연결되지 않고, 결제 시스템으로서의 네트워크 가치와 ‘디지털 금’으로서의 특성(절대적 희소성, 불변성, 탈중앙화, 휴대성 등), 그리고 디지털 화폐에 대한 대중과 금융기관의 전반적인 관심에 더 크게 좌우된다는 뜻입니다.
이와 같은 연구를 통해 분석 역량이 향상되면 기관의 참여에 대한 지지가 커질 수 있습니다. 하지만 새로운 개인정보 보호 문제와 거짓 양성에 대한 우려가 생길 수도 있습니다. 정확도가 ‘겨우’ 97%인 분석을 불법 활동과의 연관성을 입증하는 확정적 증거로 간주할 때는 각별한 주의가 필요합니다.
비트코인 투자하기
Coinbase
COIN 가격 차트
암호화폐가 점차 대중화되면서 암호화폐에 투자하거나 암호화폐 시장에서 투자 비중을 늘리는 투자자가 많아지고 있습니다. 암호화폐 프로젝트가 늘어나는 상황도 마찬가지입니다.
이는 암호화폐 거래와 자산 가격, 수탁, 기관 투자자의 참여와 밀접하게 연결된 Coinbase 같은 기업에 유리합니다.
따라서 Coinbase 같은 암호화폐 거래소와 기술 플랫폼에 투자하면 특정 토큰을 임의로 골라야 하는 부담 없이 암호화폐 시장 전반의 흐름에 투자할 수 있습니다.
다만 Coinbase 주식에 투자한다고 해서 암호화폐에 직접 투자할 때와 같은 잠재적 수익(및 위험)을 얻는다는 뜻은 아닙니다. 대신 암호화폐 시장의 기반 시설에 투자하는 것으로, Coinbase는 2026년 6월 30일 기준 자사 플랫폼에 2,460억 달러 규모의 자산이 있다고 밝혔습니다.
현재 Coinbase는 주력 앱과 암호화폐 거래소 외에도 여러 보완 서비스를 제공하고 있습니다.
- Coinbase One: 거래 수수료 무료, 스테이킹 보상 추가 혜택, 암호화폐 세금 계산기와 암호화폐 리서치 등 파트너사의 서비스 할인 혜택을 제공하는 프리미엄 멤버십 서비스입니다.
- Coinbase Advanced: 전문 암호화폐 트레이더를 위한 서비스입니다.
- Coinbase Wallet: 거래소 밖에서 암호화폐를 직접 보관하고 NFT를 관리할 수 있는 서비스입니다.
- Coinbase Earn: 암호화폐 보유자가 네트워크에서 이자를 얻도록 암호화폐를 예치하는 스테이킹 서비스입니다. 2023년 Coinbase 고객은 이 서비스로 2억 3,000만 달러를 벌었습니다.
- Coinbase Card: 암호화폐로 결제할 수 있는 Visa 직불카드입니다. USD로 결제하면 비트코인으로 1%를 돌려받고, ETH로 결제하면 USDC로 1.5%를 돌려받습니다. Visa 직불카드를 사용할 수 있는 모든 곳에서 이 카드도 사용할 수 있습니다.
- USD Coin (USDC)는 미국 달러와 가치가 동일한 디지털 스테이블코인으로, ‘디지털 달러’를 만들고자 합니다.
AI를 비롯한 고도화된 도구가 계속 개발되면 기존 암호화폐 기반 시설을 보완하게 될 것입니다. 더 성숙하고 시장을 주도하는 플랫폼으로 자리 잡은 Coinbase는 비트코인 ETF, 스테이블코인, 주식 토큰화가 확산되면서 암호화폐가 점차 대중화되는 흐름을 활용하기에 유리한 위치에 있습니다.
(Coinbase의 역사와 제공 서비스, 투자 잠재력에 관한 자세한 내용은 회사에 관한 별도 보고서에서 확인할 수 있습니다)
비트코인
물론 비트코인 네트워크에 투자하는 또 다른 방법은 비트코인을 직접 보유하는 것입니다.
시작하려면 다음 가이드를 참고하세요.
Coinbase(COIN) 주식 관련 최신 뉴스 및 동향
참고 연구
1. Rohit Saxena 외. 탈중앙화 네트워크에서 통합형 신경망 아키텍처를 활용한 블록체인 거래의 적응형 익명성 해제. Scientific Reports. 2026년 10월 15일. https://doi.org/10.1038/s41598-026-69816-5
