DUBAI, UAE, 15 maggio 2026 /PRNewswire/ -- Bybit, il secondo più grande exchange di criptovalute al mondo per volume di scambi, ha recentemente concluso una collaborazione di ricerca sull’antiriciclaggio con team di studenti della The University of Hong Kong (HKU), offrendo ai partecipanti esperienza pratica in indagini sulle criptovalute, machine learning e analisi antiriciclaggio attraverso una sfida reale di demixing.
La collaborazione si è concentrata sulla violazione di sicurezza di Bybit del febbraio 2025. Utilizzando l’incidente come caso di studio, gli studenti hanno esplorato come l’analisi blockchain e il machine learning possano essere applicati per identificare i percorsi di riciclaggio associati all’attività dei mixer di criptovalute e alle transazioni collegate al Lazarus Group.
Il progetto è stato proposto e supervisionato dal Prof. Doyeon Kim, assistant professor in Accounting and Law presso The University of Hong Kong, mentre Bybit ha fornito il contesto investigativo reale e la guida industriale durante tutto il processo di ricerca. Questo capstone è stato definito e sponsorizzato da David Zong, Head of group risk control and security di Bybit, per offrire agli studenti l’opportunità di affrontare una sfida reale del settore invece di un esercizio ipotetico. Zong ha seguito da vicino i risultati e i progressi del team durante il progetto.
Nell’ambito della collaborazione, agli studenti è stato chiesto di tracciare fondi collegati a Lazarus sulla blockchain di Bitcoin, comprendere il ruolo degli indirizzi di wallet utilizzati durante le operazioni di riciclaggio e sviluppare approcci di machine learning in grado di identificare schemi di transazioni legati ai mixer e potenziali indirizzi di output connessi ad attività illecite. Data la natura orientata alla privacy dei mixer di criptovalute, tracciare con precisione i flussi di transazioni è matematicamente infattibile, il che significa che non esiste un metodo assoluto o deterministico di attribuzione. Il progetto si è quindi concentrato sull’analisi probabilistica, il clustering comportamentale e tecniche di machine learning progettate per migliorare l’identificazione di schemi sospetti di transazioni e percorsi di riciclaggio.
Invece di seguire una metodologia fissa, agli studenti è stato fornito un brief di progetto aperto ed è stato chiesto di definire un proprio approccio analitico. Alcuni team hanno ampliato i metodi esistenti di tracciamento sulla blockchain, mentre altri hanno esplorato modelli alternativi di machine learning e di analisi dei grafi.
Nel corso di diverse settimane di ricerca e iterazione, i team di studenti hanno perfezionato le loro metodologie attraverso indagini indipendenti, discussioni tecniche e revisioni di progetto. Bybit ha inoltre condotto una sessione di revisione intermedia con i team partecipanti, creando un’opportunità per gli studenti di presentare aggiornamenti sui progressi, riflettere sui risultati della ricerca e ricevere feedback a supporto della fase successiva di sviluppo.
La collaborazione è stata progettata per esporre gli studenti all’incertezza e alle esigenze di problem solving comunemente associate al lavoro reale di antiriciclaggio e di compliance blockchain. Per gli studenti, l’esperienza ha offerto l’opportunità di affinare il pensiero analitico, sviluppare framework tecnici e affrontare complesse sfide investigative senza soluzioni predefinite. Per Bybit, l’iniziativa ha favorito il coinvolgimento con nuovi talenti e ha permesso all’azienda di contribuire con prospettive pratiche del settore alla ricerca accademica e all’esplorazione tecnica nelle fasi iniziali.
La revisione finale del progetto si è tenuta presso l’ufficio di Bybit, dove gli studenti hanno presentato i loro risultati e hanno ricevuto ulteriore feedback dal team Bybit.
Nell’ambito del processo di ricerca, gli studenti hanno analizzato circa 49.800 blocchi Bitcoin e oltre 146 milioni di transazioni utilizzando modelli di clustering, graph neural networks e tecniche di analisi delle transazioni basate su grafi.
Secondo i risultati del progetto, la ricerca ha identificato 10.289 transazioni di tipo Wasabi e ha generato un sotto-grafo di transazioni blockchain contenente oltre 1,6 milioni di nodi di indirizzi e quasi 6 milioni di archi di transazioni utilizzando la metodologia Peel Chain. In base ai campioni e ai test effettuati, un cluster di machine learning ha raggiunto un tasso di recall del 70,5% rispetto agli indirizzi confermati collegati alla DPRK.
Il progetto ha inoltre esaminato come i mixer di criptovalute come Wasabi, le transazioni CoinJoin e le strutture di peel chain vengano utilizzati per oscurare la cronologia delle transazioni e complicare le indagini antiriciclaggio. Gli studenti hanno studiato come i fondi illeciti si muovono tra wallet, exchange decentralizzati, protocolli di swap e sistemi cross-chain progettati per ridurre la tracciabilità delle transazioni.
Gli studenti coinvolti nella collaborazione hanno dichiarato che il progetto li ha aiutati a comprendere meglio come funzionano in pratica le indagini blockchain, i sistemi antiriciclaggio e le operazioni di sicurezza sulle criptovalute.
Un partecipante ha affermato che l’esperienza ha rafforzato l’importanza della regolamentazione e delle tecnologie antiriciclaggio nell’aumentare le barriere operative per gli attori criminali, mostrando al contempo la complessità nel risolvere problemi pratici del settore.
Un altro studente ha descritto il progetto come più informativo e coinvolgente del previsto e ha dichiarato che i risultati di apprendimento hanno superato le aspettative iniziali.
Diversi partecipanti hanno affermato che la collaborazione ha fornito un prezioso approfondimento sulle indagini sulle criptovalute, sugli incidenti di sicurezza blockchain e sulla crescente domanda di talenti nei campi della sicurezza blockchain e delle attività di compliance.
Uno studente ha inoltre osservato che il progetto ha contribuito a una comprensione più sistematica delle strutture della blockchain di Bitcoin, dei meccanismi di transazione e della logica alla base del riciclaggio di denaro on-chain, mentre le discussioni sul futuro dei sistemi finanziari basati su blockchain hanno offerto prospettive utili per lo sviluppo futuro della carriera in finanza e scienze attuariali.
La collaborazione riflette il crescente interesse tra università e aziende di asset digitali nell’applicare machine learning e analisi blockchain a sfide reali di cybersicurezza, compliance e criminalità finanziaria.
Bybit esprime il proprio apprezzamento alla HKU Business School e al Professor Kim per la collaborazione e il supporto durante tutta l’iniziativa di ricerca.
#Bybit / #NewFinancialPlatform
Informazioni su Bybit
Bybit è il secondo più grande exchange di criptovalute al mondo per volume di scambi, e serve una comunità globale di oltre 80 milioni di utenti. Fondata nel 2018, Bybit sta ridefinendo l’apertura nel mondo decentralizzato creando un ecosistema più semplice, aperto ed equo per tutti. Con un forte focus sul Web3, Bybit collabora strategicamente con i principali protocolli blockchain per offrire un’infrastruttura solida e favorire l’innovazione on-chain. Nota per la custodia sicura, i marketplace diversificati, l’esperienza utente intuitiva e gli avanzati strumenti blockchain, Bybit colma il divario tra TradFi e DeFi, permettendo a builder, creator ed entusiasti di sbloccare il pieno potenziale del Web3. Scopri il futuro della finanza decentralizzata su Bybit.com.
Per maggiori dettagli su Bybit, visita Bybit Press
Per richieste dei media, contatta: [email protected]
Per aggiornamenti, segui: Bybit's Communities and Social Media
Discord | Facebook | Instagram | LinkedIn | Reddit | Telegram | TikTok | X | Youtube
