DUBAI, EAU, 15 de maio de 2026 /PRNewswire/ -- Bybit, a segunda maior bolsa de criptomoedas do mundo em volume de negociação, concluiu recentemente uma colaboração de pesquisa em combate à lavagem de dinheiro com equipes de estudantes da Universidade de Hong Kong (HKU), oferecendo aos participantes experiência prática em investigações de criptomoedas, aprendizado de máquina e análise de combate à lavagem de dinheiro por meio de um desafio real de demixing.
A colaboração teve como foco a violação de segurança da Bybit em fevereiro de 2025. Usando o incidente como estudo de caso, os estudantes exploraram como a análise de blockchain e o aprendizado de máquina podem ser aplicados para identificar rotas de lavagem associadas a atividade de mixers de criptomoedas e transações ligadas ao Lazarus Group.
O projeto foi proposto e supervisionado pelo Prof. Doyeon Kim, professor assistente de Contabilidade e Direito na Universidade de Hong Kong, com a Bybit fornecendo o contexto investigativo real e orientação do setor ao longo de todo o processo de pesquisa. Este trabalho de conclusão foi definido e patrocinado por David Zong, chefe de controle de risco do grupo e segurança na Bybit, para oferecer aos estudantes a oportunidade de enfrentar um desafio real da indústria em vez de um exercício hipotético. Zong acompanhou de perto as conclusões e o progresso das equipes durante o projeto.
Como parte da colaboração, os estudantes foram encarregados de rastrear fundos ligados ao Lazarus na blockchain do Bitcoin, compreender o papel dos endereços de carteira usados nas operações de lavagem e desenvolver abordagens de aprendizado de máquina capazes de identificar padrões de transações relacionados a mixers e possíveis endereços de saída conectados a atividades ilícitas. Dado o caráter de preservação de privacidade dos mixers de criptomoedas, rastrear fluxos exatos de transações é matematicamente inviável, o que significa que não existe um método absoluto ou determinístico de atribuição. O projeto, portanto, concentrou-se em análise probabilística, clusterização comportamental e técnicas de aprendizado de máquina voltadas a aprimorar a identificação de padrões suspeitos de transações e rotas de lavagem.
Em vez de seguir uma metodologia fixa, os estudantes receberam um escopo de projeto aberto e foram incentivados a definir sua própria abordagem analítica. Algumas equipes expandiram métodos existentes de rastreamento em blockchain, enquanto outras exploraram modelos alternativos de aprendizado de máquina e de análise de grafos.
Ao longo de várias semanas de pesquisa e iteração, as equipes de estudantes refinaram suas metodologias por meio de investigação independente, discussões técnicas e revisões de projeto. A Bybit também realizou uma sessão de revisão de meio de período com as equipes participantes, criando uma oportunidade para que os estudantes apresentassem atualizações de progresso, refletissem sobre os achados e recebessem feedback para apoiar a próxima etapa de desenvolvimento.
A colaboração foi concebida para expor os estudantes à incerteza e às demandas de resolução de problemas comumente associadas ao trabalho real de combate à lavagem de dinheiro e conformidade em blockchain. Para os estudantes, a experiência proporcionou a oportunidade de aprimorar o pensamento analítico, desenvolver estruturas técnicas e enfrentar desafios investigativos complexos sem soluções predeterminadas. Para a Bybit, a iniciativa apoiou o engajamento com novos talentos, ao mesmo tempo que permitiu à empresa contribuir com perspectivas práticas da indústria para a pesquisa acadêmica e para a exploração técnica em estágios iniciais.
A revisão final do projeto foi realizada no escritório da Bybit, onde os estudantes apresentaram suas conclusões e receberam feedback adicional da equipe da Bybit.
Como parte do processo de pesquisa, os estudantes analisaram aproximadamente 49.800 blocos de Bitcoin e mais de 146 milhões de transações, usando modelos de clusterização, redes neurais de grafos e técnicas de análise de transações baseadas em grafos.
De acordo com as conclusões do projeto, a pesquisa identificou 10.289 transações do tipo Wasabi e gerou um subgrafo de transações em blockchain contendo mais de 1,6 milhão de nós de endereços e quase 6 milhões de arestas de transações usando a metodologia Peel Chain. Com base em suas amostragens e testes, um cluster de aprendizado de máquina alcançou uma taxa de recall de 70,5% em relação a endereços confirmados como ligados à RPDC.
O projeto também examinou como mixers de criptomoedas como Wasabi, transações CoinJoin e estruturas peel chain são usados para obscurecer históricos de transações e complicar investigações de combate à lavagem de dinheiro. Os estudantes estudaram como fundos ilícitos se movem entre carteiras, bolsas descentralizadas, protocolos de swap e sistemas cross-chain projetados para reduzir a rastreabilidade das transações.
Os estudantes envolvidos na colaboração afirmaram que o projeto os ajudou a compreender melhor como investigações em blockchain, sistemas de combate à lavagem de dinheiro e operações de segurança em criptomoedas funcionam na prática.
Um participante disse que a experiência reforçou a importância da regulamentação e das tecnologias de combate à lavagem de dinheiro para aumentar barreiras operacionais para atores criminosos, ao mesmo tempo em que demonstrou a complexidade de resolver problemas práticos da indústria.
Outro estudante descreveu o projeto como mais informativo e envolvente do que esperava e afirmou que os resultados de aprendizagem superaram as expectativas iniciais.
Vários participantes disseram que a colaboração proporcionou uma visão valiosa sobre investigações em criptomoedas, incidentes de segurança em blockchain e a crescente demanda por talentos em segurança de blockchain e áreas relacionadas à conformidade.
Um estudante também observou que o projeto contribuiu para uma compreensão mais sistemática das estruturas da blockchain do Bitcoin, dos mecanismos de transação e da lógica por trás da lavagem de dinheiro on-chain, enquanto as discussões sobre o futuro dos sistemas financeiros baseados em blockchain forneceram perspectivas úteis relacionadas ao desenvolvimento futuro de carreira em finanças e ciências atuariais.
A colaboração reflete o crescente interesse entre universidades e empresas de ativos digitais na aplicação de aprendizado de máquina e análise de blockchain a desafios reais de cibersegurança, conformidade e crimes financeiros.
A Bybit estende seu agradecimento à HKU Business School e ao Professor Kim por sua colaboração e apoio ao longo de toda a iniciativa de pesquisa.
#Bybit / #NewFinancialPlatform
Sobre a Bybit
A Bybit é a segunda maior bolsa de criptomoedas do mundo em volume de negociação, atendendo a uma comunidade global de mais de 80 milhões de usuários. Fundada em 2018, a Bybit está redefinindo a abertura no mundo descentralizado ao criar um ecossistema mais simples, aberto e igualitário para todos. Com forte foco em Web3, a Bybit faz parcerias estratégicas com os principais protocolos de blockchain para fornecer infraestrutura robusta e impulsionar a inovação on-chain. Reconhecida por sua custódia segura, mercados diversificados, experiência de usuário intuitiva e ferramentas avançadas de blockchain, a Bybit faz a ponte entre TradFi e DeFi, capacitando construtores, criadores e entusiastas a liberar todo o potencial da Web3. Descubra o futuro das finanças descentralizadas em Bybit.com.
Para mais detalhes sobre a Bybit, visite Bybit Press
Para solicitações da mídia, entre em contato: [email protected]
Para atualizações, siga: Bybit's Communities and Social Media
Discord | Facebook | Instagram | LinkedIn | Reddit | Telegram | TikTok | X | Youtube
