Investigadores en colaboración con especialistas de universidades de China y Singapur han desarrollado un algoritmo innovador llamado Collaborative Scatter-Gather Mining (CSGM), destinado a enfrentar el desafío del lavado de dinero entre múltiples instituciones financieras. El propósito de este algoritmo es detectar de manera efectiva subgrupos de lavado de dinero sin comprometer la privacidad y seguridad de los datos de las instituciones involucradas.

El proceso de lavado de dinero, que intenta limpiar el dinero obtenido a través de actividades ilícitas, sigue siendo un problema significativo en la economía global. A pesar de los esfuerzos previos para contrarrestarlo, muchos de estos actos todavía no son detectados por los sistemas actuales, que a menudo dependen de métodos basados en reglas.

El nuevo método propuesto considera la colaboración entre múltiples instituciones, una solución a las limitaciones de los modelos actuales que generalmente se basan en un gráfico de transacciones centralizado. En la práctica, las transacciones que buscan legitimar fondos de origen ilegal a menudo cruzan las fronteras de múltiples entidades financieras, complicando aún más su detección.

Mediante la creación y análisis de un conjunto de datos real y masivo, que incluye más de 200 millones de cuentas y 300 millones de transacciones entre la plataforma de pagos electrónica Alipay y el E-Commerce Bank (ECB), el equipo demostró la eficacia de su algoritmo. Los resultados experimentales muestran que es posible identificar subgrupos de lavado de dinero utilizando este enfoque innovador.

El algoritmo CSGM se destaca por utilizar hashing sensible a la localidad y filtros de Bloom, lo que permite reducir significativamente los costes de comunicación y mejora la eficiencia del proceso de detección de actividades ilícitas entre instituciones. Una característica fundamental de esta técnica es su capacidad para funcionar sobre un escenario distribuido, respetando las restricciones legales y de privacidad que impiden compartir datos de transacciones entre instituciones.

Al evaluar su propuesta, el equipo de investigación encontró que los grupos de lavado de dinero son estructuralmente más complejos de lo que se había reconocido previamente, mostrando patrones simples pero repetidos como abanicos y ciclos dentro del conjunto de datos. Por ello, esta metodología promete una detección más precisa y rápida de estos grupos gracias a su novedoso enfoque colaborativo.

Este avance representa un paso significativo hacia la colaboración en la lucha contra el lavado de dinero y consolida la posibilidad de implementar métodos de detección que ofrezcan privacidad y seguridad, aprovechando el poder de tecnologías emergentes como el aprendizaje de máquinas y el análisis de gráficos distribuidos.