Mesin Pemantauan Transaksi (TME) memindai data blockchain dengan Pengenalan Pola untuk mendeteksi aktivitas mencurigakan, lakukan Pencocokan Daftar Sanksi sesuai regulasi, serta nilai risiko secara Heuristik guna prioritaskan transaksi untuk tindak lanjut
Transaction Monitoring Engine (TME) berfungsi sebagai komponen pemrosesan pusat dalam Desain Sistem. Peran utamanya adalah memantau data blockchain yang masuk secara terus-menerus dan real-time, memindai tanda-tanda langsung aktivitas ilegal atau perilaku mencurigakan.
Mesin ini beroperasi melalui tiga modul yang saling terhubung yang bekerja sama untuk mendeteksi, mengevaluasi, dan merespons potensi ancaman.
Modul Pattern Recognition berfokus pada identifikasi anomali perilaku dan peristiwa kuantitatif yang tidak biasa yang menyimpang dari aktivitas blockchain pada umumnya. Ketidakteraturan tersebut seringkali menunjukkan niat yang mencurigakan. Tujuannya adalah untuk menandai transaksi atau klaster alamat hanya berdasarkan data on-chain dan metrik perilaku, tanpa bergantung pada daftar sanksi.
Modul ini secara otomatis mendeteksi transfer besar yang melebihi ambang batas yang telah ditentukan—seperti jumlah lebih dari satu juta dolar dalam mata uang kripto—karena umumnya terkait dengan pencucian uang atau transfer ilegal. Modul ini juga memantau lonjakan tiba-tiba dalam volume atau frekuensi transaksi dari alamat yang diketahui atau kontrak pintar. Lebih lanjut, modul ini mengelompokkan alamat yang menunjukkan pola pengeluaran dan penerimaan yang terkoordinasi atau tidak lazim, yang mungkin menunjukkan adanya kendali bersama atau operasi ilegal yang terorganisir.
Modul Pencocokan Daftar Sanksi menjalankan tugas penting yang berkaitan dengan kepatuhan, yaitu membandingkan entitas dan alamat blockchain dengan basis data resmi regulator. Tujuannya adalah untuk mengidentifikasi kecocokan langsung antara peserta transaksi dan individu atau organisasi yang terkena sanksi. Hal ini melibatkan pemeriksaan semua alamat sumber dan tujuan terhadap basis data terintegrasi alamat kripto yang terkena sanksi, seperti yang terdapat dalam daftar SDN OFAC.
Ketika data blockchain dihubungkan dengan nama entitas—baik melalui analisis sebelumnya maupun sumber data eksternal—modul ini menerapkan teknik pencocokan fuzzy untuk mendeteksi variasi, kesalahan ejaan, atau upaya alias. Setiap transaksi dengan alamat atau nama entitas yang cocok dengan catatan yang terkena sanksi akan segera ditandai untuk pemeriksaan tingkat atas.
Modul Heuristik dan Penilaian menggabungkan hasil dari dua modul pertama, dan seringkali menggabungkan data dari modul Analisis Jaringan, untuk menghasilkan penilaian risiko final yang terukur. Tujuannya adalah untuk menetapkan skor risiko yang terukur untuk setiap transaksi, yang membantu memprioritaskan peringatan dan memandu keputusan pemblokiran atau eskalasi otomatis. Modul ini mengevaluasi beberapa faktor, termasuk lokasi transaksi (jika dapat diidentifikasi melalui IP atau VPN), sumber dan tujuan dana (misalnya, apakah dana tersebut berasal dari mixer yang dikenal atau wilayah berisiko tinggi), dan riwayat jaringan (seperti beberapa hop dari alamat yang baru dibuat).
Formula tertimbang kemudian diterapkan untuk menghitung skor risiko. Transaksi dengan skor rendah akan dihapus, transaksi dengan skor sedang akan menjalani analisis yang lebih mendalam, dan transaksi dengan skor sangat tinggi—terutama yang terkait dengan sanksi—akan segera memicu peringatan pemblokiran kritis. Skor akhir juga menentukan tingkat prioritas peringatan yang dikirim ke alat investigasi sistem.
Secara keseluruhan, Mesin Pemantauan Transaksi berfungsi sebagai filter awal yang cepat, yang mampu mendeteksi pelanggaran sanksi yang eksplisit maupun pola mencurigakan yang tersamar sebelum transaksi blockchain apa pun berlanjut.
Mpu Gandring ingin memberantas korupsi di Indonesia dengan teknologi blockchain! Anda ingin mendukung?
- Follow akun Mpu.
- Upvote dan resteem postingan Mpu.
- Share di Instagram, Facebook, X/Twitter dll.
- Biar pemerintah mendengar dan menerapkannya.
| Proyek Percontohan |
|---|
Upvoted! Thank you for supporting witness @jswit.