写真左から、ソ・ミンソプ氏(Dunamu FDIチーム長)、パク・ソンチャン氏(Dunamuクオンツチーム研究員)、キム・ソンヨン氏(Dunamu FDIチーム研究員)、チョン・ヒョノ氏(Dunamuクオンツチーム長)

デジタル資産取引所「Upbit」を運営するDunamuは11月17日、金融分野のAI国際会議「ICAIF 2026」で、AIとブロックチェーンを組み合わせた研究論文3本が採択されたと発表した。内訳はメイン会議が1本、ワークショップが2本。

ICAIF 2026(ACM International Conference on AI in Finance)は、コンピュータ科学分野の学術団体ACM(Association for Computing Machinery)が主催する、金融分野のAI研究に関する国際学術会議だ。

メイン会議で採択されたのは、Proof-of-Reservesを活用して、イーサリアム上の中央集権型取引所のウォレット行動を分類する研究。パク・ソンチャン氏(Dunamuクオンツチーム研究員)らのチームは、15の取引所が公開したProof-of-Reservesデータを基に、約303万件のイーサリアムウォレットアドレスを分析した。

取引パターンやトークン移動、ガス使用量など58項目の行動特徴を抽出し、中央集権型取引所のウォレットを識別する機械学習手法を提示した。学習に使っていない取引所ウォレットで評価したところ、PR-AUCの平均は0.9594だった。Dunamuは、既知の取引所ウォレットに加え、新規取引所のウォレット識別にも応用できる可能性を確認したとしている。

この技術はすでに、Upbit Data Labのブロックチェーン分析サービスで、取引所やクジラ、財団など主体ごとに資産保有状況を分析する用途に一部活用している。

ワークショップでは、LLMを活用したデジタル資産分類に関する研究2本が採択された。

このうち、チョン・ヒョノ氏(Dunamuクオンツチーム長)らが参加した「機関向けデジタル資産分類体系のための意味変換」は、スマートコントラクトのコードをLLMで分析し、デジタル資産の実際の用途を把握したうえで、金融機能ごとに分類する手法を示した。

研究チームは、Uniswap、Aave、Curveなどイーサリアムメインネットの主要DeFiプロトコルを対象に実験を実施。分析対象17件のうち16件が既存の分類基準と一致し、一致率は約94%だった。Dunamuは今後、この手法をUpbitデジタル資産分類体系(UBCS)の高度化にも活用する計画だ。

もう1本のワークショップ論文「不完全な取引記録における入金資金の使用額推定範囲」は、取引記録が欠けている場合でも、ブロックチェーン上の資金フローを分析できる条件を扱ったものだ。

キム・ソンヨン氏(Dunamu FDIチーム研究員)とソ・ミンソプ氏(Dunamu FDIチーム長)らの研究チームは、イーサリアムウォレットの取引事例とブロックチェーン上での実行実験を通じて、資金の出所分析の信頼性を高めるうえで必要となる中核情報を特定した。

Dunamuは、この研究成果をオンチェーン資金追跡ソリューション「OTS(Onchain AI Tracer System)」の分析精度向上に活用し、今後はAIベースの金融犯罪分析技術にも応用していく方針だ。

キム・デヒョン氏(Dunamu最高データ責任者、CDO)は「今回の研究は、AI技術によってブロックチェーンデータをより精緻に分析し、その結果の信頼性を高められる可能性を示した点に意義がある」とコメントした。

キーワード

#Dunamu #Upbit #ICAIF 2026 #ACM #AI #ブロックチェーン #イーサリアム #Proof-of-Reserves #LLM #DeFi #OTS #UBCS
Copyright © DigitalToday. All rights reserved. Unauthorized reproduction and redistribution are prohibited.