스테이블코인 결제 규정 준수: 암호화폐 KYT를 법정화폐 거래 모니터링과 통합하는 방법

단일 블록체인 분석 도구(BAT)의 인지적 사각지대를 이용해서는 온체인 자금세탁 방지 규정 준수를 달성할 수 없습니다. 세상을 한 눈으로 보는 것과 오프체인 법정 통화 자금세탁 방지(AML) 거래 모니터링 솔루션을 결합해야 합니다.

투자 융자 변호사인 Will Awang 이 편집했으며 , Web3 및 디지털 자산에 중점을 두고 있습니다. 독립 연구원이며 토큰화, RWA, 지불, DeSci에 중점을 두고 있습니다.

현재 암호화폐 자금세탁방지(AML) 분야는 Chainalysis와 Elliptic과 같은 블록체인 분석 도구(BAT)가 주도하고 있습니다. 이러한 도구는 강력한 온체인 기능을 제공하지만, 암호화폐가 스테이블코인 결제와 같은 실제 상황과 점점 더 통합됨에 따라 다음과 같은 의문이 제기됩니다. 온체인 자금과 지갑의 보안 및 규정 준수를 보장하는 동시에 오프체인 상황에서도 AML 규정 준수 요건을 충족할 수 있을까요? 이는 스테이블코인 결제가 실제 상황으로 확장되는 데 있어 핵심적인 문제이자 AML 규정 준수를 위한 중요한 질문입니다.

현재 암호화폐 거래소 블록체인 분석 도구(BAT)를 활용하고 플랫폼 사용자의 강력한 KYC 정보(KYA 지갑, KYT 자산, KYC 사용자 정보)를 통합하여 비교적 규정을 준수하는 자금세탁 방지 조치와 리스크 모니터링을 달성하고 있지만, 소비자 시나리오에서 스테이블코인 결제의 취약성은 여전히 존재하며, 특히 현재 스테이블코인 소매 결제가 사용되는 소셜 엔터테인먼트 환경에서 취약성이 존재합니다.

싱가포르의 공인 디지털 자산 서비스 제공업체인 메타콤(MetaComp)의 새로운 연구는 업계 위험 관리의 허점을 드러냈습니다. 7,000건 이상의 실제 온체인 거래를 추적한 이 보고서에 따르면, 한두 개의 거래 확인(KYT) 도구에만 의존하여 심사를 진행할 경우 리스크 거래의 약 25%가 실수로 "안전"하다고 판단되어 승인되는 것으로 나타났습니다. 다시 말해, 잠재적 위협의 4분의 1이 간과되고 있다는 것입니다. 더 이상 위험 관리의 "사각지대"가 아니라, 리스크 삼켜 버리는 "블랙홀"이 되는 것입니다.

따라서 온체인 자금세탁방지(AML) 준수는 단일 블록체인 분석 도구(BAT)의 인지적 사각지대에만 의존할 수 없습니다. 세상을 하나의 렌즈로 바라보려면 오프체인 법정화폐 자금세탁방지(AML) 거래 모니터링 솔루션과 통합해야 합니다. 따라서 저희는 딜로이트의 "암호화폐 범죄 정복" 기사를 바탕으로 블록체인 분석과 실시간 거래 모니터링을 결합한 솔루션을 분석했습니다. 이 솔루션이 스테이블코인 결제 시나리오 구현을 더욱 촉진할 것으로 기대합니다.

소개

블록체인 기술과 암호화폐는 최근 몇 년 동안 상당한 주목을 받아 왔습니다. 그러나 이러한 기술의 가명성(경우에 따라 완전한 익명성까지 포함)은 자금 세탁에 악용될 수 있습니다. 블록체인 분석 도구(BAT)는 현재 암호화폐 업계의 자금 세탁 위협에 맞서는 데 앞장서고 있습니다. Chainalysis, Elliptic, Scorechain과 같은 회사들은 가명 및 익명 블록체인 주소에 대한 리스크 데이터를 수집하고 클러스터 분석을 수행하여 통찰력을 제공합니다.

예를 들어, 블록체인 분석 도구(BAT)가 랜섬웨어 공격과 관련된 블록체인 주소를 식별하면 해당 주소와 관련 리스크 정보를 흡수하여 저장합니다. 그러나 이러한 도구의 효과에도 불구하고, 현재의 방법과 도구는 여전히 몇 가지 한계를 가지고 있습니다.

1. 종단 간 법정 통화 및 암호 자산 모니터링: BAT는 자금 세탁 체인의 핵심 고리인 법정 통화와 암호 화폐 간의 거래 흐름을 추적하는 기능이 부족한 경우가 많습니다.
2. 패턴 분석: BAT는 일반적으로 단순한 규칙에 기반하여 의심스러운 거래나 행동 패턴만 식별할 수 있으며, 더 복잡한 이상 징후를 발견하는 데 어려움을 겪습니다. 이는 규제 요건을 충족하지 못할 뿐만 아니라 자금세탁 식별의 심층성을 제한합니다.
3. 간접 리스크 점수: 확인된 범죄 활동과 직접적으로 연결된 블록체인 주소가 소수에 불과하기 때문에 BAT는 간접 리스크 점수만 받는 경우가 많습니다. 이러한 간접 위험 점수 때문에 분석가는 의심 활동 보고서(SAR) 제출 여부를 결정할 때 상당한 재량권을 행사해야 하는 경우가 많습니다.

낮은 적발률(따라서 자금세탁 리스크 증가) 외에도, 이러한 한계는 기존 자금세탁 방지법 및 규정 준수에 있어 기술적 결함으로 이어질 수 있습니다. 규제 기관은 종종 (직간접적으로) 금융정보분석원(FIU) 및/또는 법 집행 기관에서 발표한 알려진 범죄 유형을 준수하도록 요구합니다. 국가 FIU와 금융활동대책기구(FATF)에서 발표한 범죄 유형은 법정화폐와 암호화폐가 혼합된 거래 및 더욱 복잡한 행동 패턴을 포함하는 경우가 많으며, 이러한 시나리오는 블록체인 분석 도구(BAT)만으로는 완전히 포착할 수 없습니다.

더욱이 이러한 단점은 알림 처리의 비효율성을 초래합니다. 오염된 주소와 간접적으로 연결되고 리스크 등급이 중간 수준인 주소는 종종 대량 알림을 유발하지만, 추가 리스크 정보는 제한적입니다. 이러한 알림은 결국 오탐지로 분류되는 경우가 많아 운영 담당자가 해결하기 어려운 알림을 처리하는 데 대량 시간을 소모하게 되는데, 이러한 노력은 종종 성과 없이 끝납니다.

1. 블록체인 분석의 단점을 보완하기 위한 실시간 거래 모니터링 활용

이러한 한계는 블록체인 분석 도구(BAT)를 법정화폐 분야에서 이미 널리 사용되고 있는 자금세탁방지(AML) 거래 모니터링 시스템과 보완해야 할 필요성을 강조합니다. 이러한 시스템은 법정화폐 거래 처리를 위해 특별히 설계되었으며 복잡한 시나리오 모델을 기반으로 분석을 수행할 수 있습니다. BAT를 암호화폐 친화적인 AML 거래 모니터링 시스템과 결합하면 각각의 단점을 극복할 수 있습니다.

1.1 법정화폐와 암호화폐 거래 연결

효과적인 리스크 관리를 위해 모니터링 시스템은 고객 번호나 계좌 ID를 통합하는 등 법정화폐와 암호화폐 거래를 연결하여 고객 행동에 대한 전체적인 그림을 제시해야 합니다. 특히 두 가지 거래 유형에 대한 데이터를 유지하는 암호화폐 거래소 의 경우, 이러한 접근 방식을 통해 단일 지표(암호화폐 또는 법정화폐만)로는 파악할 수 없는 통찰력을 얻을 수 있습니다. 주요 유형은 법정화폐 입금부터 여러 암호화폐 자산 거래, 그리고 궁극적으로 다른 은행 계좌로 법정화폐 클레임 까지, 암호화폐 고객 여정 전반에 걸쳐 초점을 맞춥니다.

1.2 복잡한 거래 패턴 분석

효율적이고 효과적인 자금세탁 탐지를 위해서는 알려진 (그러나 탐지되지 않은) 자금세탁 행위의 복잡한 패턴을 파악해야 합니다. 최신 BAT는 규칙 생성을 허용하지만, 일반적으로 단순하고 일차원적인 기준(예: 금액 기준)에 국한됩니다. 더 복잡한 규칙 세트 또는 많은 최신 AML 거래 모니터링 시스템에서 사용되는 인공지능(AI) 기반 모델은 자금 횡령 및 계좌 이체와 같은 일반적이면서도 복잡한 의심스러운 행위를 파악하는 데 도움이 될 수 있습니다.

1.3 고객 리스크 데이터 통합

기존 법정화폐 부문에서는 아직 정적인 고객알기제도(KYC) 데이터와 동적인 거래 데이터를 완전히 통합하지 못했지만, 최신 AML 거래 모니터링 시스템은 이미 이러한 통합된 뷰를 지원하여 운영자가 최적의 리스크 감지를 위해 모든 가용 고객 데이터를 활용할 수 있도록 합니다. 암호화폐 부문에서는 블록체인 거래의 가명성으로 인해 고객 데이터와 거래 데이터 간의 연결이 특히 중요합니다. 포괄적인 리스크 감지를 달성하고 다양한 규제 유형을 포괄하려면 BAT가 제공하는 정적인 고객 데이터, 동적인 거래 데이터, 그리고 리스크 정보를 통합하는 것이 필수적입니다.

2. 우리에게 필요한 컴플라이언스 시스템은 어떤 것인가요?

블록체인 분석 도구(BAT)는 암호화폐 관련 자금세탁 리스크 완화에 필수적이지만, 최신 거래 모니터링 시스템이 제공하는 보완적인 기능도 필요합니다. 암호화폐 시장 도구를 최신 모니터링 시스템과 통합하는 것은 효율적이고 효과적인 AML 규정 준수를 위한 미래 로드맵입니다. AI 기반 모델을 활용하여 알려지거나 알려지지 않은 패턴을 파악하고 BAT가 처음 발견한 리스크 순위를 순서 하는 것은 매우 중요할 뿐만 아니라, 하나의 트렌드가 될 수도 있습니다. 저희는 효율적이고 효과적인 AML 규정 준수를 달성하고 궁극적으로 블록체인 기술과 암호화폐 거래의 남용을 억제하기 위해 최신의 전통적인 법정화폐 모니터링 도구와 함께 BAT를 조율되고 포괄적으로 활용할 것을 권장합니다.

구체적으로, 우리는 BAT를 현대 금융 범죄 기술 시스템과 통합하기 위해 다음과 같은 접근 방식을 권장합니다.

2.1 통합 사용자 인터페이스

통합 사용자 인터페이스를 통해 운영자는 여러 독립형 애플리케이션을 번갈아 사용하지 않고도 단일 동기화 플랫폼에서 거래소 모든 정보에 원활하게 액세스하고 제공할 수 있습니다. 고객 데이터, 법정화폐 및 암호화폐 거래, 복잡한 행동 패턴 및 리스크 우선순위 모델을 중앙에서 확인할 수 있어 처리 효율성이 크게 향상됩니다.

2.2 법정화폐와 암호화폐 자본 흐름의 공동 표현

이 핵심 권고안은 두 가지 유형의 거래를 통합된 형식으로 제시하는 것의 가치에서 비롯됩니다. 범죄자들은 불법적인 수익을 합법적인 금융 시스템에 재유입하려는 시도를 하는 경우가 많으므로, 효과적인 모니터링을 위해서는 법정화폐와 암호화폐 거래를 연결하고 분석하는 것이 필수적입니다. 운영자가 이러한 전체 체인을 파악할 수 있게 되면 복잡한 자금세탁 패턴을 더욱 효과적으로 파악하고 완화할 수 있습니다.

2.3 탐지 및 결과 순서 위한 AI 모델

AI 모델은 이상 행동을 감지하고 비교 리스크 분석을 기반으로 알림의 순서 효율성과 정확성을 향상시킬 수 있습니다. 또한, 이러한 모델은 다차원 리스크 지표를 기반으로 BAT에 대한 초기 발견 결과를 동적으로 순서 할 수 있습니다. 이러한 AI 순서 자금이 여러 거래를 거치고 리스크 점수가 "회색 영역"에 속하는 경우가 많은 암호화폐 거래에서 특히 중요합니다. 사용되는 모델은 투명하고 설명 가능해야 한다는 점을 강조하는 것이 중요합니다. 특히 규제 목적으로 AI가 생성한 결정에는 사람이 읽을 수 있는 설명이 함께 제공되어야 합니다.

복잡한 거래 패턴과 고객 리스크 데이터는 암호화폐 관련 AML 규정 준수의 효율성을 저해할 수 있습니다. 그러나 사용자 인터페이스를 통합하고, 법정화폐와 암호화폐 자금 흐름을 함께 제시하며, AI 모델을 활용하여 결과의 순서 모니터링 프로세스의 효율성과 품질을 크게 향상시킬 수 있습니다. 따라서 블록체인 분석 시스템을 기존 AML 시스템과 통합하는 것이 암호화폐 부문의 AML 규정 준수 효율성과 효과를 개선하는 가장 좋은 방법입니다.

3. Deloitte 사례 연구: 독립 평가에서 통합 구현 지원까지

거래 모니터링 시스템 수정을 시행하기 전에, 저희는 암호화폐 고객과 비암호화폐 고객 모두를 대상으로 독립적이고 포괄적인 거래 모니터링 평가를 수행합니다. 이러한 평가 범위는 기본 정책 및 절차 분석, 데이터 처리, 적용 범위, 데이터 계보 등 다양한 규제 우선순위를 고려하여 모듈 유연하게 조정될 수 있습니다.

본 사례 연구에서는 관련 리스크 및 유형 분류 체계의 적용 범위를 검토하고, 이러한 리스크 탐지하는 데 있어 기존 규칙과 매개변수의 효과와 효율성을 평가하는 데 중점을 두었습니다. 리스크 평가 보고서와 같은 내부 문서를 분석하는 것 외에도, 여러 국가의 금융정보분석기구(FIU)와 금융활동기구(FATF)에서 공개적으로 제공되는 암호화폐 관련 유형 분류 체계가 전체 거래 환경에서 어느 정도 구현되었는지 구체적으로 측정했습니다.

50개 이상의 적용 가능한 유형별 시나리오를 우선순위별로 정리한 결과, 일부 시나리오는 완전히 파악되지 않은 반면, 대부분의 시나리오는 파악되었다 하더라도 매우 수동적이고 단편적인 접근 방식에 의존하는 것으로 나타났습니다. 거의 모든 중요 정보(암호화폐 및 법정화폐 거래, 기타 고객 데이터)가 존재했지만, 서로 다른 시스템에 분산되어 있어 경보 담당자가 모든 정보를 연결하는 것이 거의 불가능했습니다. 경보 정리 프로세스와 경보 통계를 추가로 분석한 결과, 운영 담당자는 대부분의 시간을 오탐지 문제 해결에 할애하는 반면, 거래 모니터링 시스템을 통해 사전에 발견된 중요한 의심 행위는 사실상 전무한 것으로 나타났습니다. 법 집행 기관의 피드백 및 기타 규제 기관의 요청과 함께, 이제 고객 기반 내에 의심 행위가 존재한다는 사실을 알게 되었으며, 이는 탐지 로직 및 경보 우선순위 조정의 시급한 필요성을 더욱 확증합니다.

독립적인 평가를 완료한 후, 저희는 고객의 개선 계획 수립을 지원했습니다. 이는 목표 운영 모델(TOM)을 수립하는 것으로 시작되었으며, 이는 구축 또는 아웃소싱의 실행 가능성을 평가하는 데 사용되었습니다. 평가 단계에서 저희는 고객이 평가 프레임 의 모든 측면을 기반으로 요구 사항을 세부적으로 분석하고 구체화할 수 있도록 지원했습니다.

궁극적으로, 고객이 독립적으로 공급업체를 선정했습니다. 이후 저희는 필요에 따라 다양한 역할을 맡아 통합 프로젝트에 참여했습니다. 저희의 주요 업무는 관련 법정화폐-암호화폐 유형을 구현 가능한 규칙과 모델 구성으로 분해하고, 효과성과 효율성에 대한 기대치를 충족하는지 테스트하는 것이었습니다. 두 번째로, 저희는 업무 및 기술 측면 모두에서 지원을 제공했습니다. 업무 측면에서는 기존 인터페이스를 신규 공급업체 인터페이스에 매핑하는 작업을 지원했고, 기술 측면에서는 API 구성 및 필요한 커넥터 구축을 지원했습니다.

궁극적으로 우리는 고객이 다음을 달성하도록 도왔습니다.

1. 사실에 근거하여 (규제) 문제를 명확하게 정의합니다.
2. 시장에서 가장 좋은 솔루션을 선택하세요.
3. 클라이언트의 이미 부족한 리소스에 과도한 부담을 주지 않고 최소 시간 내에 통합을 완료합니다.

Hawk 사례 연구: 통합 법정화폐 및 암호화폐 모니터링

Hawk는 자체 AML 거래 모니터링 기술과 블록체인 분석 도구(BAT)의 기능을 긴밀하게 통합한 암호 자산 모니터링 솔루션을 개발했으며, 고객 리스크 평가, 고객 심사, 지불 심사와 같은 지원 모듈 제공합니다.

4.1 법정화폐와 암호화폐 연결

Hawk 플랫폼은 SWIFT 및 SEPA와 같은 표준 법정 통화 프로토콜과 암호화폐 자산 거래를 포함한 광범위한 거래 데이터를 수집할 수 있습니다. 이 시스템은 법정 통화와 암호화폐 거래를 동시에 수집하여 여러 데이터 소스에서 전체적인 패턴을 파악할 수 있습니다.

예를 들어, 가상화폐 거래소 의 신규 고객이 거액의 법정화폐를 입금한 후 빠르게 여러 암호화폐로 환전합니다. 짧은 시간 내에 고객은 남은 암호화폐 자산을 여러 개의 외부 주소로 소액으로 분할하여 이체합니다. BAT는 온체인 암호화폐 자산의 흐름만 추적할 수 있기 때문에, 암호 가상화폐 거래소 에서 자금세탁범들이 흔히 사용하는 이러한 고전적인 "계층화" 기법을 포착할 수 없습니다. Hawk는 법정화폐와 암호화폐 거래를 동시에 모니터링함으로써 전체 자금세탁 체인을 완벽하게 파악할 수 있습니다.

4.2 블록체인 분석과 KYC 고객 리스크 정보 통합

Hawk는 법정화폐와 암호화폐 거래를 모두 처리하는 것 외에도 BAT 공급업체와 표준화된 연결을 구축하고 BAT 리스크 점수를 규칙과 모델에 내장하여 자금 세탁 방지에 대한 추가적인 통찰력을 제공합니다.

앞서 언급한 사례에서, BAT 지갑 리스크 점수를 자금세탁 계획이 확인된 곳에 적용하면 자금 클레임 사용된 외부 지갑에 대한 추가적인 단서를 얻을 수 있습니다. 이러한 지갑은 랜섬웨어 수익금을 받는 지갑 등 불법 활동으로 태그 주소와 직간접적으로 연결될 수 있습니다. 이를 통해 더욱 풍부한 맥락을 담은 알림을 제공하여 운영 담당자가 해당 활동이 불법으로 의심되는지 여부를 더욱 정확하게 판단할 수 있습니다.

Hawk 솔루션은 기본적으로 다른 관련 리스크(KYC) 정보도 알림에 자동으로 추가합니다. 시스템이 의심스러운 활동을 감지하면 위치, 직업, 관심 목록, 부정적인 미디어 결과와 같은 상황 정보도 추가합니다. 예를 들어, 앞서 언급한 사례에서 고객은 독일에 등록되어 있었지만 베트남 IP 주소에서 로그인했습니다. 이러한 세부 정보는 조사에 중요한 맥락을 제공합니다.

궁극적으로 모든 정보는 통합된 사례 관리 시스템에 통합되어 거래 및 고객 관련 데이터에 대한 완전한 개요를 제공합니다. 또한 이 시스템은 의심 활동 보고서(SAR)의 자동 생성 및 제출과 같은 후속 프로세스의 최대 자동화를 지원합니다.

4.3 AI 중첩, 암호화폐 거래 모니터링의 새로운 시대로 진입

Hawk의 핵심 목표는 모든 관련 데이터 위에 투명하고 설명 가능한 AI를 중첩하여 거래 모니터링을 더욱 강화하는 것입니다. Hawk의 AI 모델은 BAT에서 제공하는 거래 데이터, 고객 정보 및 리스크 데이터를 활용하여 암호화 신호를 탐지 및 오탐 감소 모델에 통합합니다.

이러한 접근 방식은 모델이 불법 자금세탁 계획을 정확하게 식별할 수 있도록 할 뿐만 아니라, 현재 암호화폐 거래 모니터링의 핵심 과제인 BAT가 제공하는 결과의 상당수가 "회색 영역"에 속하여 분석가가 실제로 의심스러운지 판단하기 어렵게 만든다는 문제를 해결합니다. Hawk의 암호화 모델은 최신 데이터 분석 기술을 통합하고 포괄적인 거래 및 고객 데이터를 활용하여 운영 담당자가 이러한 "회색" 경고를 정확하게 분류하고 대량 인력 낭비를 방지할 수 있도록 지원합니다.

V. 요약

자금세탁방지(AML) 활동을 위해 체인널리시스(Chainalysis), 스코어체인(Scorechain), 엘립틱(Elliptic)과 같은 블록체인 분석 도구(BAT)에만 의존하는 것의 한계에 대해 논의했습니다. 이러한 도구들은 강력하지만, 포괄적인 자금세탁 탐지에는 여전히 부족합니다. 법정화폐 거래를 처리할 수 없고, 의심스러운 거래나 행동 패턴을 파악하는 데 어려움을 겪습니다. 리스크 평가 방식은 종종 간접적이어서 경보 해결 프로세스가 비효율적입니다.

BAT가 직면한 병목 현상을 극복하기 위해, 기존 AML 거래 모니터링 시스템을 보완하여 법정화폐 및 암호화폐 거래의 통합을 지원하고 복잡한 거래 패턴 분석을 지원할 것을 권장합니다. 또한, 이러한 시스템에 고객 리스크 데이터를 반영해야 합니다. 특히, BAT와 최신 금융 범죄 기술 시스템을 긴밀하게 통합하여 통합된 사용자 인터페이스를 통해 거래 분석 데이터를 원활하게 표시하고, 법정화폐 및 암호화폐 자금 흐름을 단일 형식으로 제공하며, AI 모델을 활용하여 이상 징후를 감지하고 결과를 지능적으로 순서 권장합니다.

또한 사례 연구를 통해 실행 가능한 경로를 보여주었습니다. Deloitte는 고객이 거래 모니터링 시스템을 종합적으로 평가하도록 지원했고, Hawk는 자체 개발한 AI 강화 솔루션을 BAT의 기능과 통합하여 모니터링 효과를 크게 개선했습니다.

요약하자면, 우리는 암호화폐 분야에서 효율적이고 효과적인 자금세탁 방지 규정 준수를 달성하기 위해 기존의 법정화폐 모니터링 도구와 함께 BAT를 사용하는 것을 옹호합니다.

면책 조항: 블록체인 정보 플랫폼으로서, 본 사이트에 게시된 글은 작성자와 방문자 관점 만을 반영하며 Web3Caff의 입장을 대변하지 않습니다. 본 글에 포함된 정보는 참고용일 뿐이며, 어떠한 투자 조언이나 제안도 구성하지 않습니다. 거주 국가 또는 지역의 관련 법률 및 규정을 준수하시기 바랍니다.