Vai al contenuto
Crypto.world

Ricerca

StableAML: machine learning per individuare i wallet in base al comportamento nella lotta al riciclaggio tramite stablecoin su Ethereum

I flussi globali di fondi illeciti superano, secondo le stime, i 3,1 bilioni di dollari all’anno. Grazie alla loro liquidità, le stablecoin stanno diventando uno strumento privilegiato per il…

StableAML: machine learning per individuare i wallet in base al comportamento nella lotta al riciclaggio tramite stablecoin su Ethereum
arXiv
2602.17842
Pubblicato
2026-02-19
Autori
Luciano Juvinski, Haochen Li, Alessio Brini

Abstract degli autori

I flussi globali di fondi illeciti superano, secondo le stime, i 3,1 bilioni di dollari all’anno. Grazie alla loro liquidità, le stablecoin stanno diventando uno strumento privilegiato per il riciclaggio. Mentre i protocolli decentralizzati adottano sempre più spesso prove a conoscenza zero per offuscare i grafi delle transazioni, le stablecoin centralizzate restano snodi trasparenti e cruciali per la conformità normativa. Sfruttando questa persistente visibilità, lo studio analizza un dataset di Ethereum per stabilire un riferimento empirico per l’individuazione del riciclaggio in base al comportamento. I risultati mostrano che i modelli ensemble di alberi basati su conoscenze del settore ottengono un punteggio Macro-F1 più alto, superando nettamente le reti neurali a grafo, che incontrano difficoltà di fronte alla crescente frammentazione delle reti di transazioni. L’interpretabilità del modello va oltre la semplice individuazione binaria e permette di distinguere diverse tipologie: separa la dispersione complessa e ad alta velocità dei fondi operata dalle organizzazioni di criminalità informatica dalle tracce limitate e statiche lasciate dai soggetti sottoposti a sanzioni. Questo approccio metodologico offre indicazioni operative in linea con l’orientamento del settore verso la verifica deterministica, contribuendo a chiarire i requisiti di verificabilità e conformità previsti da normative come il MiCA dell’UE e il GENIUS Act degli Stati Uniti, e al tempo stesso a ridurre al minimo i congelamenti ingiustificati dei beni. Fornendo una classificazione comportamentale ad alta precisione dei wallet sospetti, l’approccio contribuisce ad aumentare il costo economico degli illeciti finanziari e a orientare le pratiche di conformità nell’ambito delle nuove normative sulle stablecoin.

Il riassunto di questo paper è disponibile solo in inglese: leggilo nella pagina inglese.

Leggi il paper originale su arXiv