Sistema de triagem em grafo detecta endereços sancionados em blockchain até 647 dias antes da designação pública
Pesquisadores descrevem um sistema em produção que pontua 835 milhões de endereços em cinco blockchains EVM pela posição estrutural no grafo de transações, em vez de depender apenas de listas de sanções e heurísticas de clustering. Em testes retrospectivos contra 68 eventos reais de designação por órgãos reguladores, o modelo sinalizou 58,8% dos casos dentro de um orçamento de alerta de 0,1%, com mediana de antecedência de 528 dias (Ethereum) e 648 dias (Tron) antes da designação oficial.
O artigo parte de um problema concreto da perícia financeira em criptoativos: a triagem de compliance hoje é, na prática, uma busca em listas de sanções somada a heurísticas de clustering de endereços, o que falha justamente nos endereços ainda não rotulados e nas cadeias sem cobertura de labels. Os autores descrevem um sistema já em operação que constrói um único grafo com 835.330.427 endereços e mais de 15,8 bilhões de arestas de transação em cinco cadeias compatíveis com EVM, usando um encoder indutivo compartilhado com normalização por cadeia e dois cabeçotes de pontuação.
O ponto tecnicamente mais relevante para investigadores é a calibração dos limiares de decisão por quantis exatos da distribuição populacional de scores, o que permite dimensionar antecipadamente o volume de alertas por segmento de cadeia — uma característica operacional importante quando o resultado alimenta filas de investigação humana. O sistema também demonstra transferência sem rótulos: cabeçotes treinados em apenas duas cadeias recuperam 85,98%, 81,82% e 99,67% dos positivos retidos em Base, Arbitrum e Gnosis, respectivamente, sem qualquer exemplo rotulado da cadeia-alvo. Os autores ainda submeteram o modelo a um harness adversarial com oito arquétipos de comportamento gerados por aprendizado por reforço, que expôs um ponto cego mensurável contra comportamento sintetizado — um exercício de validação pouco comum e bem-vindo em trabalhos desse tipo.
Na prática investigativa, o achado mais relevante é o lead time: em um replay estático sobre 68 eventos externos de designação regulatória, o sistema sinalizou 40 deles (58,8%) dentro de um orçamento de 0,1% da população, com a primeira aparição on-chain ocorrendo, em mediana, 528,8 dias antes da designação pública no Ethereum e 647,8 dias antes na Tron. Isso significa que exchanges, unidades de inteligência financeira e peritos em criptoativos poderiam, em tese, ter sinalizado esses endereços quase dois anos antes de sua inclusão oficial em listas de sanções — uma janela relevante para congelamento de ativos e rastreamento de fundos antes que sejam lavados através de múltiplos saltos.
O trabalho também é honesto sobre limites operacionais: reporta latência de serving de 151 ms (p50) com scores bit-idênticos ao artefato offline, e usa um painel de deriva de 2.882 endereços para monitorar desvio de modelo em produção — detalhes de engenharia que importam para quem avalia a robustez de uma ferramenta antes de citá-la como evidência ou apoio a uma investigação. Para a perícia digital voltada a criptoativos, o artigo é relevante não pelo hype de IA, mas por formalizar como métricas de rede (posição estrutural, não presença em lista) podem antecipar decisões regulatórias e orientar priorização de casos.