آخرین اخبار
همهٔ اخبار
فین‌تک و بلاکچین گزارش بحرانیت ۱/۱۰

تایید اعتبار قانونی ابزار Chainalysis Reactor برای استفاده به عنوان دلیل در دادگاه‌های آمریکا

تایید اعتبار قانونی ابزار Chainalysis Reactor برای استفاده به عنوان دلیل در دادگاه‌های آمریکا

دادگاه تجدیدنظر ایالات متحده در پرونده‌ای جدید، بار دیگر اعتبار قانونی ابزار Chainalysis Reactor را به عنوان منبعی قابل استناد برای ارائه شواهد در دادگاه تایید کرد. این ابزار پیش‌تر در سال ۲۰۲۴ نیز موفق به عبور از اولین آزمون حقوقی بزرگ خود شده بود و اکنون این رویه در سطح دادگاه تجدیدنظر نیز تثبیت شده است.

جزئیات پرونده و نقش تحلیل‌های بلاک‌چین

در پرونده United States v. Sterlingov، متهم به دلیل مدیریت سرویس میکسر ارز دیجیتال “Bitcoin Fog” محکوم شد. در این تحقیقات، از ابزار Reactor برای بررسی تراکنش‌های بین این سرویس و بازارهای Darknet استفاده شد که در نهایت منجر به انتساب (Attribution) بیش از ۹۰۰,۰۰۰ آدرس بیت‌کوین به این سرویس گردید. این ادله توسط کارشناسان FBI و متخصصان Chainalysis در دادگاه پشتیبانی شد.

استاندارد Daubert و اعتبار متدولوژی

محور اصلی این بحث حقوقی، استاندارد دابرت (Daubert Standard) بود؛ چارچوبی که دادگاه‌های فدرال آمریکا برای ارزیابی قابلیت اعتماد شهادت‌های علمی و فنی به کار می‌برند. دادگاه تایید کرد که متدولوژی Reactor بر اصول و روش‌های قابل اعتمادی استوار است و می‌تواند در برابر بررسی‌های دقیق حقوقی مقاومت کند.

برخی از نقاط قوت این ابزار که مورد تایید دادگاه قرار گرفت عبارتند از:

  • روش خوشه‌بندی (Clustering): ترکیب تحلیل آدرس‌های Change با اثر انگشت دیجیتال (Digital Fingerprinting) برای شناسایی آدرس‌هایی با الگوهای تراکنشی و رفتاری مشابه.
  • رویکرد محافظه‌کارانه: اولویت دادن به ارتباطات قابل دفاع و اثبات شده بر ارتباطات احتمالی، که منجر به کاهش نرخ خطای مثبت (False Positive) می‌شود.
  • پذیرش گسترده: استفاده وسیع از این پلتفرم توسط نهادهای اجرای قانون و متخصصان بخش خصوصی.

اهمیت دقت در عصر هوش مصنوعی (AI)

با گسترش تحلیل‌های بلاک‌چین و ورود هوش مصنوعی به این حوزه، اهمیت دقت در انتساب‌ها (Attribution) دوچندان شده است. هرگونه خطای کوچک در شناسایی آدرس‌ها می‌تواند مسیر تحقیقات را منحرف کرده یا منجر به تصمیمات نادرست در حوزه ریسک و تطبیق (Compliance) شود.

نکته کلیدی این است که AI می‌تواند یک متدولوژی درست را تسریع بخشد، اما نمی‌تواند یک متدولوژی ضعیف را اصلاح کند. در واقع، مقیاس‌پذیری بالای AI در صورت وجود داده‌های پایه نادرست، تنها منجر به بزرگ‌تر شدن خطاها می‌شود. بنابراین، تایید متدولوژی Reactor در دو سطح از دادگاه‌های فدرال، گامی حیاتی برای توسعه نسل بعدی ابزارهای تحقیقاتی بلاک‌چین است.