Inteligência artificial

Rastreamento de Bitcoin com IA: o que isso significa para a privacidade

mm
Publicado em
Adicione Securities.io às suas fontes preferidas no Google

No cerne da rede Bitcoin e de outras criptomoedas há uma forte tensão.

Por um lado, essas criptomoedas foram concebidas para oferecer o máximo de liberdade e anonimato individuais.

Por outro, a conformidade regulatória, as auditorias forenses e as investigações de crimes cibernéticos exigem que os criptoativos sejam associados a pessoas específicas, identificadas por nome, endereço etc.

Essa tensão vem se intensificando nos últimos anos, à medida que o Bitcoin se tornou um ativo «convencional», pertencente a fundos de investimento, bancos, ETFs regulamentados etc.

«Uma questão central para os governos é a adoção não autorizada de criptomoedas como o Bitcoin para crimes cibernéticos, lavagem de dinheiro e financiamento do terrorismo. Ao contrário do que se costuma presumir sobre a robustez do anonimato oferecido pela blockchain do Bitcoin, revelar a identidade verdadeira das pessoas nessas circunstâncias seria moral e legalmente admissível, embora isso se mostrasse logicamente desafiador.»

Assim, de modo geral, em comparação com seus primeiros tempos, mais libertários, o preço do Bitcoin hoje poderia se beneficiar de um nível menor de anonimato.

Os avanços no aprendizado de máquina e em outras tecnologias de IA poderiam ajudar a «desanonimizar» a propriedade de bitcoins. Mas a tecnologia precisa ser confiável o bastante para ser usada em situações que envolvam a identificação de atividades criminosas e o atendimento às exigências dos reguladores financeiros.

Um novo estudo de pesquisadores indianos do Pranveer Singh Institute of Technology e da Manipal University Jaipur analisa como novos avanços em IA — as arquiteturas neurais integrativas — poderiam ajudar nessa tarefa, alcançando uma precisão de aproximadamente 97%.

«Esta pesquisa pretende promover a expansão do crescimento econômico sem recorrer a meios antiéticos. Os resultados serão valiosos para legisladores que buscam fontes de dados para projetar o cenário das criptomoedas baseadas em blockchain; empresas que procuram garantir a conformidade e avaliar os riscos de forma eficiente nas transações da blockchain do Bitcoin; e instituições policiais que desejam examinar e investigar endereços associados a atividades ilícitas.»

Os pesquisadores publicaram suas descobertas na revista Scientific Reports1, sob o título «Desanonimização adaptativa de transações em blockchain com arquiteturas neurais integrativas em redes descentralizadas».

De endereços a identidades

Encontrando padrões

Na maioria das tentativas de identificar quem está por trás dos endereços de Bitcoin, o foco recai sobre endereços individuais. Em vez disso, este estudo usa a resolução de entidades baseada em DSU para decompor o pseudonimato da blockchain em agrupamentos duradouros de agentes e entidades.

Também conhecida como Union-Find ou merge-find, a União de Conjuntos Disjuntos (DSU) compara atributos (como nome, e-mail ou telefone) para determinar se dois registros distintos representam a mesma pessoa ou objeto no mundo real.

No contexto do Bitcoin, isso significa agrupar vários endereços pseudônimos de Bitcoin em um único «agrupamento de entidades» pertencente a um mesmo agente do mundo real.

Isso é importante porque os usuários podem gerar um número ilimitado de endereços públicos, o que torna pouco útil identificar endereços isolados — pelo menos no caso de agentes criminosos sofisticados, justamente aqueles para os quais a desanonimização é mais importante.

Desenvolvendo a ferramenta certa

Para criar uma ferramenta de IA capaz de identificar usuários de Bitcoin, os pesquisadores desenvolveram uma arquitetura neural integrativa que combina diferentes paradigmas de redes neurais:

  • As redes neurais convolucionais (CNNs) extraem metadados locais e padrões granulares e invariantes presentes nos metadados brutos das transações, que permitem identificar tipos específicos de entidades a partir do vetor de características.
    • Isso é usado para identificar o «como»: padrões específicos de scripts e taxas.
  • Os modelos de memória de curto e longo prazo (LSTM) modelam a velocidade do fluxo.
    • Isso é usado para identificar o «quando»: as assinaturas e os intervalos temporais dos fluxos de transações.
  • As assinaturas e os intervalos temporais dos fluxos de transações são capturados por meio do tratamento de mapas estruturais.
  • As redes neurais de grafos (GNNs) agregam incorporações por meio de uma matriz de adjacência dinâmica de k vizinhos mais próximos (k-NN) dentro de lotes, para incorporar o comportamento da vizinhança.
    • Isso é usado para identificar o «quem»: a vizinhança topológica e a afiliação a hubs.

O estudo testou o método em um conjunto de dados com 427.625 transações e 140.235 entidades únicas. O histórico de transações foi obtido nos arquivos do WalletExplorer e do Blockchair; cada transação incluía 22 características, como block_id, transaction hash, fee_used, size, timestamp, weight etc.

O modelo foi treinado em um processador Intel(R) Core (TM) I9-10,900 de 2,81 GHz, com 32 GB de RAM e uma GPU NVIDIA GeForce RTX 3070 de 8 GB.

Usando IA para desanonimizar transações de Bitcoin

Como funciona?

Para explicar como esses sistemas complexos funcionam, é útil apresentar uma explicação passo a passo.

A primeira etapa consiste em criar um conjunto de dados com todas as transações e rotulá-las para que possam ser analisadas posteriormente.

Em seguida, inicia-se a etapa de “agrupamento de endereços”, baseada na suposição de que, quando vários endereços são usados como entrada em uma determinada transação, eles pertencem a uma única entidade privada comum. Essa etapa, portanto, conecta endereços de Bitcoin que antes estavam separados usando o algoritmo Disjoint Set Union (DSU). Com essa etapa, o ruído foi reduzido em quase 67,2%.

Em seguida, os dados do livro-razão são transformados em um “grafo direcionado”, identificando os usuários mais ativos e distinguindo entre endereços de acumulação (sumidouros) e de distribuição (hubs), além de determinar a importância relativa de cada grupo no ecossistema.

Os dados gerados também são classificados de acordo com as quatro funções possíveis na rede Bitcoin: corretoras, pools de mineração, serviços de mistura e apostas. Por padrão, corretoras e pools de mineração são considerados atividades legítimas.

Por fim, a arquitetura neural integrada (CNN-LSTM-GNN) é usada para identificar grupos individuais.

“Os mapas estruturais da CNN são tratados como uma sequência. A LSTM capta os padrões sequenciais da atividade das transações ao longo do tempo ou a velocidade do fluxo. A GNN modela a estrutura relacional e a conectividade entre endereços e transações, aspectos essenciais para a blockchain do Bitcoin, já que cada transação e endereço pode ser representado naturalmente como um nó ou uma aresta em um grafo.”

Resultados de alta qualidade

O modelo CNN→LSTM→GNN apresentou resultados muito consistentes nas diferentes métricas de avaliação, com variações de 1–2% nas métricas de classificação e ordenação e de 1,5% na taxa de erro.

“O modelo alcança uma previsão de links quase perfeita (AUC ≈ 0,995), uma precisão de ordenação excepcionalmente alta (MRR ≈ 0,985) e um sucesso de recuperação quase total (Hits@10 ≈ 0,999), mantendo uma taxa muito baixa de falsos positivos (<3%).”

O modelo também foi muito eficaz em classificar se um endereço de Bitcoin corresponde ao tipo certo de atividade.

“Uma das conquistas mais importantes do modelo é a capacidade de distinguir com precisão os serviços de mistura das organizações de apostas. O modelo também detecta classes minoritárias, como os pools de mineração, que representam cerca de 0,53% do conjunto de dados. Sem essa capacidade, o modelo provavelmente os ignoraria em favor da classe majoritária de ‘corretoras’.”

Mais importante ainda, o modelo conseguiu manter uma taxa extremamente baixa de falsos positivos (<3%), o que é muito importante para evitar associações equivocadas entre identidades em tarefas de desanonimização. Isso é fundamental para impedir que pessoas inocentes sejam rotuladas incorretamente em auditorias analíticas.

Ao remover algumas camadas e realizar a análise para verificar qual delas era mais importante para os resultados finais, os pesquisadores descobriram que, no geral, a Long Short-Term Memory (LSTM) era a camada cuja remoção tinha o menor impacto. Ainda assim, ela contribuía significativamente para o desempenho final, enquanto as Convolutional Neural Networks (CNNs) eram a parte mais importante do modelo de IA.

Principais conclusões para investidores

Embora a anonimidade fizesse parte da proposta de valor inicial do Bitcoin, este estudo e outros deixam claro que os avanços na análise forense de blockchain e na IA podem identificar rapidamente quais endereços de Bitcoin pertencem à mesma pessoa ou organização.

Além disso, para demonstrar que a estrutura pode ser generalizada, foi realizada uma avaliação abrangente entre diferentes conjuntos de dados, em ambientes heterogêneos de blockchain, incluindo Elliptic, Bitcoin Elliptic+, Bitcoin Heist Ransomware e Ethereum (ETH ) Fraud Detection, e ainda assim ela alcançou uma alta precisão de forma consistente, entre 90 e 99%.

Isso significa que o valor do Bitcoin está agora quase totalmente desvinculado da anonimidade e depende, em vez disso, do valor de sua rede como sistema de pagamentos, de sua estrutura de “ouro digital” (escassez absoluta, imutabilidade, natureza descentralizada, portabilidade etc.) e, de modo geral, do entusiasmo do público e das instituições financeiras pela moeda digital.

Análises aprimoradas, possibilitadas por estudos como este, provavelmente poderiam ampliar o apoio à participação institucional. No entanto, também poderiam gerar novas preocupações relacionadas à privacidade e a falsos positivos. É preciso muita cautela antes de considerar uma análise com apenas 97% de precisão como prova definitiva de envolvimento em atividades ilegais.

Investir em Bitcoin

Coinbase

COIN Gráfico de preços

À medida que as criptomoedas se tornam mais populares, mais investidores passam a ter exposição a elas ou ampliam sua presença nos mercados de criptomoedas. O mesmo acontece à medida que se multiplicam os projetos de criptoativos.

Isso beneficia empresas como a Coinbase, estreitamente ligadas à negociação de criptomoedas, aos preços dos ativos, à custódia e à participação institucional.

Por isso, investir em corretoras de criptomoedas e plataformas de tecnologia como a Coinbase pode ser uma forma de obter exposição ao cenário do mercado cripto sem precisar escolher arbitrariamente tokens específicos.

No entanto, isso não significa que a Coinbase proporcionará aos investidores de suas ações negociadas em bolsa o mesmo tipo de retorno potencial (e de riscos) que o investimento direto em criptoativos pode oferecer. Em vez disso, trata-se de um investimento na infraestrutura do mercado cripto: em 30 de junho de 2026, a Coinbase informava ter US$ 246 bilhões em ativos em sua plataforma.

Hoje, além de seu aplicativo principal e de sua corretora de criptomoedas, a Coinbase oferece uma série de produtos e serviços complementares:

  • Coinbase One, um serviço de assinatura premium que oferece negociação sem taxas, recompensas maiores de staking e ofertas de parceiros, como calculadora de impostos sobre criptomoedas e pesquisas sobre criptoativos, entre outras.
  • Coinbase Advanced, voltado para traders profissionais de criptomoedas.
  • Coinbase Wallet, para a custódia própria de criptomoedas fora das corretoras, além de NFTs.
  • Coinbase Earn, um serviço de staking no qual os proprietários de criptomoedas podem bloquear seus ativos para receber juros da rede. Em 2023, os clientes da Coinbase ganharam US$ 230 milhões.
  • Coinbase Card, um cartão de débito Visa para fazer compras com criptomoedas, que oferece 1% de volta em Bitcoin nos pagamentos em USD e 1,5% em USDC nos pagamentos em ETH. O cartão é aceito em todos os estabelecimentos que aceitam cartões de débito Visa.
  • USD Coin (USDC), uma stablecoin digital com valor equivalente ao dólar americano, busca criar um “dólar digital”.

À medida que ferramentas mais avançadas, inclusive de IA, são desenvolvidas, elas complementam a infraestrutura cripto existente. Agora uma plataforma mais madura e dominante, a Coinbase está bem posicionada para aproveitar a crescente popularização das criptomoedas, impulsionada por tendências como ETFs de Bitcoin, stablecoins e tokenização de ações.

(Você pode saber mais sobre a história, as ofertas e o potencial de investimento da Coinbase em nosso relatório dedicado à empresa)

Bitcoin

Outra forma de obter exposição à rede Bitcoin é, naturalmente, possuir Bitcoin diretamente.

Para começar, você pode consultar nossos guias sobre o tema:

Últimas notícias e novidades sobre as ações da Coinbase (COIN)

Estudo citado

1. Rohit Saxena e outros. Desanonimização adaptativa de transações em blockchain com arquiteturas neurais integrativas em redes descentralizadas. Scientific Reports. 15 de outubro de 2026. https://doi.org/10.1038/s41598-026-69816-5 

mm

Jonathan é um ex‑pesquisador bioquímico que trabalhou em análise genética e ensaios clínicos. Ele agora é analista de ações e escritor financeiro com foco em inovação, ciclos de mercado e geopolítica em sua publicação 'The Eurasian Century'.