Цифровые валюты, такие как биткойн, используют децентрализованный блокчейн для записи открытой и неизменяемой истории транзакций. Огромные объемы транзакционных данных генерируются на блокчейне для различных и регулярно нераскрытых целей. Это делает их богатым и прогрессивно развивающимся источником ценных данных, которые требуют сложного анализа из-за анонимности. Здесь также создаются многочисленные инструменты анализа данных, зависящие от явно структурированных и импровизированных подходов к проектированию.
Все транзакционные данные по биткоину доступны для аналитики
Несмотря на то, что blockchain analytics является новой тенденцией, транзакционные данные использовались для кредитных карт, чеков и банковских платежей в течение десятилетий. Различие с криптографическими и обычными платежными данными заключается в том, что первые составляются на основе определенной степени скрытности сторон, но тем не менее фиксируются на публичном блокчейне. Одним из ключевых отличий между двумя платежными системами является то, что любая транзакция, совершенная в традиционных платежных системах, должна проходить через сторонний платежный процессор. Здесь данные транзакции включают имена и информацию о банковских счетах участвующих сторон.
С другой стороны, транзакционные данные на публичных блокчейнах, таких как Bitcoin и Ethereum, не содержат точной информации об идентификаторах отправителя и получателя. Эта информация криптографически представляется сетью в виде блоков и объявляется для проверки сетью. В отличие от традиционного цифрового банковского обслуживания, данные, связанные с новыми транзакциями, включая адреса кошельков и средства, могут быть отслежены любым человеком с помощью транзакционной хэш-функции.
W3Schools
Например, хэш-функция Bitcoin SHA256 позволяет вам сделать цифровой след для любой информации, которую вы вводите в нее. Способность хэшировать длинную строку транзакционных данных в короткую, единственную в своем роде строку позволяет сделать уникальный идентификатор для каждой транзакции. Это означает, что можно получить данные для каждой транзакции, когда-либо совершенной на Биткойне, что в принципе является мечтой каждого ученого-исследователя данных.
Почему Blockchain Analytics?
С помощью аналитики можно понять, кто что покупает и платит за конкретные услуги, использующие криптовалюту. Это используется для отслеживания отмывания денег и незаконного финансирования преступной деятельности. Кроме того, для предприятий, работающих в сфере криптовалютных услуг (таких, как недавно созданная дочерняя компания Нью-Йоркской фондовой биржи Bakkt), одним из важнейших преимуществ для аналитики является обеспечение того, чтобы люди, с которыми работает организация, были подлинными и пользовались доверием. В настоящее время доверие является проблематичным, поскольку степень анонимности в blockchain подразумевает, что иногда даже самые фундаментальные степени надзора могут быть трудны для реализации для бизнеса.
Есть некоторые критические преимущества для правоохранительных органов, которые полагаются на услуги blockchain analytics. Использование сверху донизу исследования блокчейнов через информацию, которую они могут создавать и распознавание образов в течение большого количества соединений. Таким образом, вполне возможно распознать аномалии и преступных пользователей. Это то, что можно сравнить с кредитными чеками на кредитной карте, гарантируя, что деятельность является законной и сертифицированной.
Помимо транзакционных данных, которые включают денежные отношения между адресами, запуск Ethereum 2.0, который принес программное обеспечение для программирования блокчейнов, побудил анализ смарт-контрактов как значительное развитие аналитики. Здесь инвесторы и аналитики blockchain отслеживают транзакции смарт-контрактов, журналы событий и запасы счетов. Они могут принимать обоснованные решения на основе значимых показателей в реальном времени, основанных на цепочке действий и аналитики.
Компании, работающие в Blockchain Analytics
Проблема аналитики с блокчейном заключается в том, что данные, собранные в записи (например, файлы levelDB в Ethereum и DAT файлы в биткоинах) на диске, что делает запрос утомительным. Но, в последнее время продвижение языков запросов Blockchain и аналитических структур строится. Аналитические структуры позволяют нам включать соответствующие данные blockchain с различными источниками и организовывать их в базе данных, либо SQL, либо NoSQL. Такие компании, как Santiment и Chainalysis, также создали собственные инструменты для запросов и аналитики.
В этой связи существуют определенные компании, отслеживающие публичные платежи blockchain с использованием обычных стратегий анализа данных и пытающиеся отслеживать транзакционные данные, чтобы сделать значительные биты действенных идей. CipherTrace, a San Francisco Bay Area-based startup, создает аналитические инструменты, включая средства борьбы с отмыванием денег (AML) и цифровую судебную экспертизу. Компания, которая недавно привлекла $ 15 млн раунд, выразил он расширяется по всему миру и принести новые решения для клиентов. Шифротрейс известен своими ежеквартальными отчетами cryptographic money AML и глубокими судебными способностями, имея различных партнеров по всему миру в качестве клиентов, включая правительственные организации, специалистов правоохранительных органов/экспертов, цифровые валютные биржи и денежные организации. Его инструменты используются для обеспечения соблюдения законов о ПОД и борьбы с мошенничеством, среди других угроз безопасности.
Другими примерами аналитических компаний являются Neutrino и Chainalysis, которые разрабатывают инструменты для правоохранительных и банковских фирм для изучения и изучения транзакционных данных в публичных блокчейнах. Нейтрино предлагает инструменты для просмотра и отслеживания не только биткойнов, но и более ориентированных на конфиденциальность блокчейнов, которые используются киберпреступниками, такими как Monero. В 2017 году нейтрино обнаружил, что северокорейские хакеры, стоящие за вымогательством WannaCry, обналичили Биткойн, преобразовав их в монеты Monero, основываясь на анализе, который он сделал на транзакционных данных.