Blok zincir ağlar üzerinde yasal olmayan para transferlerinin graf teorisi ve yapay zeka yöntemleri ile tespit edilmesi

Blok zinciri tabanlı finansal sistemlerde kara para aklama, kripto paraların anonimlik ve merkeziyetsizlik özellikleri nedeniyle ekonomik istikrar için ciddi bir tehdit oluşturmaktadır. Geleneksel kural tabanlı tespit yöntemleri, yüksek yanlış pozitif oranları üretmekte ve değişen kara para aklama stratejilerine uyum sağlamakta yetersiz kalmaktadır. Bu tez, blok zinciri işlem ağlarında kara para aklama faaliyetlerini tespit etmek amacıyla, kaotik zaman serisi analizi ile makine öğrenmesi ve derin öğrenme yaklaşımlarını kullanarak yenilikçi bir model önermektedir. Öncelikle, blok zinciri işlem graflarından elde edilen yapısal özniteliklerin sayısı artırılmış ve kaotik zaman serilerine dönüştürülmüştür. Bu serilerin dinamik davranışı Lyapunov Üstelleri hesaplanarak tanımlanmış, elde edilen kaotik öznitelikler yasa dışı işlemleri temsil eden ayırt edici öznitelikler olarak kullanılmıştır. Bu öznitelikler iki modelde değerlendirilmiştir: Birincisi doğrudan makine öğrenmesi algoritmaları ile sınıflandırma, ikincisi yeniden oluşturulan işlem graflarının Graf Evrişimli Ağlar ile sınıflandırılması. Ek olarak, Evrişimsel Sinir Ağları, Çift Yönlü Uzun Kısa Süreli Bellek ve Dikkat Mekanizması birleşiminden oluşan hibrit bir derin öğrenme modeli önerilmiştir. Elliptic veri seti üzerinde gerçekleştirilen modeller, önerilen kaotik öznitelik tabanlı yaklaşımın, geleneksel makine öğrenmesi ve derin öğrnme yöntemlerine kıyasla tespit doğruluğunu artırdığını ve yanlış pozitif oranlarını azalttığını göstermektedir. Bulgular, kaos teorisinin blok zinciri işlem analiziyle birleştirilmesinin, merkeziyetsiz finans ortamlarında kara para aklama tespit sistemlerinin etkinliğini artırmada güçlü bir potansiyel sunduğunu ortaya koymaktadır.