سرویس نظارت مالی کره جنوبی یک سیستم هوش مصنوعی بلادرنگ را به کار گرفته است که داده‌های معاملاتی، اخبار و محتوای آنلاین را اسکن می‌کند تا دستکاری مشکوک قیمت رمزارزها را شناسایی کند.

نظارت رمزارزی با هوش مصنوعی، جهش‌های قیمت و حجم را غربال می‌کند

سرویس نظارت مالی در اطلاعیه ۲۰ آگوست خود اعلام کرد که این پلتفرم هوش مصنوعی مولد را با یادگیری ماشین ترکیب می‌کند تا بخش‌هایی از فرآیندی را خودکار کند که پیش از این بازرسان را ملزم به بررسی دستی حجم زیادی از داده‌های صرافی می‌کرد.

این سیستم که بر اساس اطلاعات معاملاتی بلادرنگ ساخته شده است، ابتدا به دنبال دارایی‌هایی می‌گردد که تغییرات غیرعادی در قیمت یا حجم نشان می‌دهند. سپس فعالیت را با الگوهای برگرفته از تحقیقات قبلی رگولاتور مقایسه می‌کند و به کارکنان امکان می‌دهد تا بر معاملاتی تمرکز کنند که ویژگی‌های مشترکی با اشکال شناخته شده سوءاستفاده از بازار دارند.

از جمله الگوهای فهرست شده توسط FSS، نوع "اسب مسابقه" است که در آن یک توکن در مدت زمان کوتاهی به شدت حرکت می‌کند، و نوع "قفس" که شامل افزایش شدید یک دارایی است در حالی که واریز یا برداشت تعلیق یا محدود شده‌اند.

جدیدترین پلتفرم، الگوریتمی را گسترش می‌دهد که در ژانویه معرفی شد، زمانی که رگولاتور شروع به استفاده از هوش مصنوعی برای شناسایی دستکاری‌کنندگان مشکوک قیمت و تفکیک دوره‌ها و سفارش‌های مرتبط با فعالیت آن‌ها کرد. به جای محدود کردن این فناوری به یک مرحله تحقیقاتی بعدی، تنظیمات جدید، هشدار اولیه، اطلاعات پشتیبان و بررسی اولیه را در یک جریان کاری واحد به هم متصل می‌کند.

برای معاملات صوری یا معاملات هماهنگ احتمالی، FSS قانون بنفورد را در کنار مدل‌های یادگیری ماشین به کار می‌گیرد. قانون بنفورد اندازه‌گیری می‌کند که ارقام پیشرو مختلف در مجموعه‌داده‌های عددی طبیعی چقدر تکرار می‌شوند، در حالی که رگولاتور از انحرافات برای انتخاب دارایی‌ها و دوره‌های معاملاتی برای بررسی بیشتر استفاده می‌کند.

اسکن اخبار و اتاق‌های گفتگو هر هشدار را آزمایش می‌کند

هنگامی که یک توکن حرکت غیرعادی را ثبت می‌کند، هوش مصنوعی مولد، اخبار مرتبط و اطلاعیه‌های صرافی را برای یافتن یک دلیل منطقی بررسی می‌کند. یک اطلاعیه لیست شدن، به‌روزرسانی شبکه یا یک رویداد تأیید شده دیگر ممکن است نوسانات را توضیح دهد، در حالی که یک حرکت شدید بدون دلیل واضح می‌تواند رگولاتور را وادار به درخواست داده‌های دقیق سفارش و حساب از صرافی مربوطه کند.

در کنار اطلاعات بازار عمومی، این سیستم شکایات، نکات و گزارش‌های رسانه‌ای را بررسی می‌کند، هنگام تصمیم‌گیری در مورد اینکه آیا یک هشدار مستلزم تحلیل عمیق است یا خیر. سپس هوش مصنوعی مولد یافته‌های خود را در یک گزارش استاندارد قرار می‌دهد و به بازرسان سوابقی از حرکت قیمت، تغییر حجم، کاتالیزور شناسایی شده و سایر شاخص‌ها را قبل از انتخاب گام بعدی می‌دهد.

تبلیغات آنلاین نیز وارد فرآیند نظارت شده است. به گفته FSS، این سیستم متن، زیرنویس ویدئو و صدا را از یوتیوب، انجمن‌های اینترنتی و اتاق‌های گفتگوی پیام‌رسان خصوصی به متن تبدیل می‌کند، سپس مطالب را برای یافتن موارد مشکوک به فرانت‌رانینگ (front-running)، اطلاعات نادرست یا فراخوان‌های هماهنگ با هدف ایجاد معاملات ناعادلانه بررسی می‌کند.

FSS گفت که بررسی آنلاین، مواردی را هدف قرار می‌دهد که در آن سازمان‌دهندگان جلوتر از دنبال‌کنندگان خود معامله می‌کنند، ادعاهای نادرست را منتشر می‌کنند، یا توصیه‌های خرید را هماهنگ می‌کنند که هدفشان جذب معامله‌گران خرد به یک دارایی است. بازرسان مسئول تصمیم‌گیری در مورد اینکه آیا اطلاعات، تحلیل بیشتر یا یک تحقیق برنامه‌ریزی شده را توجیه می‌کند، باقی می‌مانند.

کره جنوبی بیش از ۴۰ پرونده معاملاتی را پیگیری کرده است

این سیستم جدید پس از دو سال اجرای قانون حمایت از کاربران دارایی‌های مجازی کره جنوبی به کار گرفته شده است، که در ۱۹ ژوئیه ۲۰۲۴ به اجرا درآمد. این قانون ارائه‌دهندگان خدمات را ملزم می‌کند که دارایی‌های مشتریان را از دارایی‌های شرکت جدا کنند و سپرده‌های کاربران را نزد بانک‌ها نگهداری کنند، در عین حال به رگولاتورها اختیار می‌دهد تا ارائه‌دهندگان را بازرسی کرده و علیه معاملات خودی (insider trading)، معاملات صوری و دستکاری قیمت اقدام کنند.

همانطور که crypto.news ماه گذشته گزارش داد، مقامات کره‌ای بیش از ۴۰ پرونده مشکوک به معاملات ناعادلانه را در طول دو سال اول اجرای قانون بررسی کردند. لی ائوگ-وون، رئیس کمیسیون خدمات مالی، گفت که مقامات بیش از ۳۰ پرونده را به آژانس‌های تحقیقاتی گزارش یا ارجاع داده‌اند، ۲۵ مظنون را شناسایی کرده و میانگین سودهای غیرقانونی را حدود ۱.۴ میلیارد وون، یا تقریباً ۹۴۰,۰۰۰ دلار، برای هر پرونده محاسبه کردند.

کنترل‌های سطح صرافی در کنار نظارت خود رگولاتور توسعه یافته‌اند. در ماه مه، کنترل‌های جدید کلید API اعضای اتحادیه صرافی دارایی‌های دیجیتال (Digital Asset Exchange Alliance) – آپ‌بیت (Upbit)، بیت‌هامب (Bithumb)، کوین‌وان (Coinone)، کوربیت (Korbit) و گوپکس (Gopax) – را ملزم کرد تا به اشتراک‌گذاری مشکوک کلیدها را نظارت کنند، از لیست‌های سفید IP استفاده کنند و پس از هشدارها و بررسی‌های کاربر، کلیدها را باطل کنند.

این قوانین پس از برآورد FSS مبنی بر اینکه معاملات مبتنی بر API حدود ۳۰% از گردش مالی رمزارز داخلی را تشکیل می‌دهد، وضع شد. از آنجا که یک کلید API می‌تواند به یک برنامه خارجی اجازه دهد تا موجودی‌ها را بررسی کند، سفارش‌ها را ثبت کند و انتقال‌ها را آغاز کند، گروه صرافی، به اشتراک‌گذاری نامناسب را با خطراتی از جمله معاملات هماهنگ و دستکاری احتمالی قیمت مرتبط دانست.

قانون‌گذاری در دست تهیه، بیش از معاملات ناعادلانه را پوشش می‌دهد. در ۲۹ ژوئیه، FSC پیش‌نویس یک لایحه جامع را ارائه کرد که می‌تواند ۱۰ پیشنهاد معلق دارایی‌های دیجیتال را ترکیب کرده و قوانینی را برای استیبل‌کوین‌ها، صرافی‌ها، افشاگری‌ها، کنترل‌های داخلی و تاب‌آوری سیستم تعیین کند. قانون حمایت از کاربران دارایی‌های مجازی، قانون اصلی حاکم بر نگهداری، سوءاستفاده از بازار و حفاظت از کاربران باقی می‌ماند، در حالی که قانون‌گذاران در حال مذاکره برای چارچوب مرحله دوم هستند.

رگولاتورهای آمریکایی نیز کنترل را در دست انسان‌ها نگه می‌دارند

در ایالات متحده، بررسی GAO در ماه مه ۲۰۲۵ نشان داد که رگولاتورهای مالی فدرال از هوش مصنوعی برای شناسایی ریسک‌ها، پشتیبانی از تحقیقات و کشف نقض‌های قانونی یا خطاهای گزارش‌دهی احتمالی استفاده کرده‌اند، اما بیشتر آژانس‌ها خروجی مدل را به عنوان تنها مبنای تصمیم‌گیری در نظر نگرفتند.

کمیسیون بورس و اوراق بهادار (SEC) به اداره پاسخگویی دولت (GAO) گفت که کارکنان از ابزارهای هوش مصنوعی برای شناسایی الگوهای معاملاتی استفاده کرده‌اند که ممکن است نشان‌دهنده معاملات خودی باشند. متخصصان موضوع، معاملات علامت‌گذاری شده را قبل از تصمیم‌گیری در مورد اینکه آیا تحقیقات بیشتر لازم است یا خیر، بررسی کردند، در حالی که هر رگولاتوری که تا دسامبر ۲۰۲۴ از هوش مصنوعی استفاده می‌کرد، اظهار داشت که کارکنان انسانی نتایج مدل را همراه با سایر اطلاعات نظارتی در نظر می‌گیرند.

در زمانی که بررسی GAO را پوشش می‌داد، رگولاتورهای فدرال گفتند که از هوش مصنوعی مولد برای کارهای نظارتی یا نظارت بر بازار استفاده نمی‌کردند، اگرچه برخی آژانس‌ها آن را در نظر داشتند. بر اساس کاربردهای افشا شده به GAO تا دسامبر ۲۰۲۴، پلتفرم کره‌ای هوش مصنوعی مولد را برای وظایف نظارتی به کار می‌برد که آژانس‌های آمریکایی در آن زمان گزارشی از استفاده آن برای این منظور ارائه نکرده بودند.

یک میزگرد CFTC در سال ۲۰۲۵، شناسایی بلادرنگ اسپوفینگ (spoofing) و معاملات صوری را به عنوان کاربردهای بالقوه برای نظارت هوش مصنوعی شناسایی کرد. شرکت‌کنندگان همچنین هشدار دادند که نظارت بر رمزارزها با داده‌های پراکنده مواجه است، زیرا صرافی‌های متمرکز ممکن است معاملات را اجرا کنند، سفارش‌ها را تطبیق دهند، حاشیه را مدیریت کنند و سوابق مشتریان را دور از بلاک‌چین‌های عمومی نگه دارند.

بر اساس قانون فعلی ایالات متحده، کمیسیون معاملات آتی کالا (CFTC) می‌تواند کلاهبرداری و دستکاری را در تراکنش‌های کالاهای نقدی پیگیری کند، اما به طور روتین بر صرافی‌های رمزارز نقدی به همان شکلی که بر بازارهای مشتقات ثبت شده نظارت می‌کند، نظارت ندارد. بر اساس برنامه‌های فعلی CFTC، پیشنهادها در چارچوب اختیارات موجود آن می‌توانند پیش بروند، در حالی که برای ایجاد چارچوب کامل ثبت فدرال که برای پلتفرم‌های کالای دیجیتال نقدی در نظر گرفته شده است، به قانون CLARITY نیاز خواهد بود.

مارکوس لوین، هم‌بنیانگذار XYO، در اظهارنظرهای اخیر خود گفت که رگولاتورها به داده‌های ورودی قابل اعتماد و محدودیت‌های عملیاتی واضح نیاز دارند، زمانی که یافته‌های هوش مصنوعی می‌توانند منجر به تحقیقات دولتی شوند. او همچنین خطر هشدارهای کاذب یا اتهامات تأیید نشده را در صورتی که بازرسان بیش از حد به خروجی خودکار تکیه کنند، مطرح کرد.

لوین به آزمایش‌های ایمنی مربوط به مدل‌های تجربی از متا، آنتروپیک و OpenAI اشاره کرد که طبق گزارش‌ها از مرزهای از پیش تعیین شده عبور کرده بودند، بدون مجوز به سیستم‌ها دسترسی پیدا کرده یا پس از اعمال محدودیت‌ها به کار خود ادامه داده بودند. اظهارات او این آزمایش‌ها را به عنوان هشداری علیه اجازه دادن به یافته‌های خودکار برای آغاز اقدامات قانونی بدون بررسی‌های مستقل ارائه کرد.

بررسی انسانی در فرآیند FSS اجباری خواهد ماند، با این رویکرد که بازرسان هر گزارش تولید شده را قبل از انتخاب برای انجام تحلیل دقیق یا آماده‌سازی یک تحقیق رسمی، ارزیابی می‌کنند. یک مقام FSS گفت که این پلتفرم به کارکنان محدود کمک می‌کند تا "به سرعت و کارآمد" به معاملات ناعادلانه فزاینده پیچیده پاسخ دهند.

رگولاتور همچنین قصد دارد ابزارهایی برای ردیابی وجوه در بین صرافی‌ها و پیگیری تراکنش‌های درون زنجیره‌ای (on-chain) اضافه کند، اگرچه اطلاعیه ۲۰ آگوست آن تاریخ استقراری برای هیچ یک از این ویژگی‌ها ارائه نکرد.