Nag-deploy ang Financial Supervisory Service ng South Korea ng isang AI-powered na surveillance system upang subaybayan ang mga crypto market at matukoy ang mga hindi patas na gawain sa pangangalakal sa real time.
Ipinapatupad ng South Korea ang AI upang Supilin ang Manipulasyon sa Crypto Market

Key Takeaways
- Naglunsad ang FSS ng South Korea ng isang real-time na AI platform noong Ago. 20 upang matukoy ang manipulasyon ng presyo ng crypto.
- Nagbabala ang mga lider ng industriya tulad ni Markus Levin ng XYO na ang pagpapatupad gamit ang AI ay may mga panganib sa katumpakan at false positives.
- Susunod na palalawakin ng FSS ang sistema upang subaybayan ang mga daloy ng pondo sa pagitan ng mga exchange at ang on-chain na aktibidad sa blockchain.
Sinusubaybayan ng mga Algorithm ang mga ‘Racehorse’ at ‘Cage’ na mga Scheme
Iniulat na nag-deploy ang financial regulator ng South Korea ng isang real-time, artificial intelligence-powered na market surveillance system upang matukoy ang hindi patas na pangangalakal at manipulasyon ng presyo sa buong mga cryptocurrency market ng bansa. Inanunsyo ng Financial Supervisory Service (FSS) na pinagsasama ng bagong platform ang generative AI at mga machine-learning algorithm.
Layunin ng inisyatibang ito na malampasan ang matitinding kakulangan sa resources na hinaharap ng mga human investigator, na kailangang magmonitor ng libo-libong digital asset na ipinagpapalit 24/7 sa maraming exchange. Pinalalawak ng sistema ang mga algorithm na binuo ng regulator noong Enero na tumukoy sa mga pinaghihinalaang sangkot sa manipulasyon ng presyo at sa timing ng kanilang mga order. Sa pinakabagong rollout na ito, saklaw na ngayon ng AI oversight ang buong end-to-end na surveillance pipeline.
Ayon sa isang lokal na ulat, isang pangunahing tampok ng sistema ang kakayahan nitong mag-flag ng panandaliang manipulasyon ng presyo sa pamamagitan ng pag-refer sa isang historical repository ng mga kilalang taktika ng pang-aabuso sa merkado. Kabilang sa mga pangunahing target ang mga “racehorse” scheme — kung saan mabilis na pinapalaki ng mga trader ang presyo ng token sa maiikling panahon — at mga “cage” scheme, kung saan ang mga asset na pansamantalang may limitasyon sa deposito at pag-withdraw ay nakararanas ng matitinding pag-ugoy ng presyo.
Upang matukoy ang pagpapalaki ng volume, ipinares ng sistema ang batas ni Benford sa mga machine-learning model upang ma-flag ang wash trading at coordinated na group trading. Kapag nag-trigger ng alert ang kahina-hinalang pagtaas ng volume o presyo, awtomatikong ini-scan ng generative AI ang kaugnay na balita at mga opisyal na anunsyo ng exchange upang tasahin kung ang galaw ng merkado ay nagmumula sa lehitimong fundamental na balita. Kung walang makitang balidong dahilan at nananatiling malamang ang manipulasyon, ang FSS ay humihiling ng detalyadong trade data nang direkta mula sa apektadong exchange.
Umaabot ang surveillance grid ng ahensya lampas sa mga order book at exchange log. Aktibong mino-monitor ng platform ang mga digital channel, kabilang ang Youtube, mga online message board, at mga chat room sa private messaging app. Sa pag-convert ng audio ng video at mga subtitle tungo sa text sa real time, sinusuri ng AI ang media para sa mga palatandaan ng front-running, pagpapakalat ng maling impormasyon, at coordinated na payo sa pagbili na idinisenyo upang ma-trap ang mga retail investor.
Sa kabila ng matinding automation, nananatiling sentral sa proseso ang human oversight. Sinusuri ng mga imbestigador ng FSS ang mga ulat na ginawa ng AI bago magpasya kung magsisimula ng pormal na enforcement proceedings. Habang inilalarawan ng ahensya ang pag-deploy bilang kinakailangang hakbang upang mapolisiya ang masalimuot na crypto market, naghayag ang mga tagamasid ng industriya ng pag-aalinlangan sa pag-asa sa AI para sa regulatory enforcement.
Nagtaas ng mga alalahanin si Markus Levin, co-founder ng XYO, kung paano masisiguro ng mga regulator na tumatakbo ang mga sistemang ito gamit ang tumpak at mapagkakatiwalaang data. Kinuwestiyon niya kung ang mga AI model ay maaaring pagkatiwalaang manatili sa malinaw na tinukoy na operational boundaries, lalo na kapag ang output nito ay direktang nagti-trigger ng mga imbestigasyon ng gobyerno o pormal na legal na aksyon.
Binigyang-diin ni Levin ang mga kamakailang safety test na isinagawa ng mga nangungunang AI developer, kabilang ang Meta, Anthropic at OpenAI. Sa ilang pagkakataon, nalampasan ng mga experimental model ang mga inaasahang safety boundary, naka-access sa mga hindi awtorisadong sistema, at nagpatuloy sa mga aksyon kahit matapos makaharap ng mga operational restriction. Ang pag-asa sa mga kahalintulad na automated model upang itulak ang regulatory enforcement, ayon sa mga kritiko, ay nagdadala ng malalaking panganib ng false positives o mga hindi beripikadong pahayag.
Sa kabila ng mga alalahaning ito, plano ng FSS na ipagpatuloy ang pag-upgrade ng market oversight toolkit nito. Ang mga susunod na bersyon ng platform ay tututok sa pagsasama ng mga tool upang ma-trace ang mga daloy ng pondo sa pagitan ng mga exchange at subaybayan ang mga on-chain na transaksyon sa blockchain, na higit pang magpapalakas sa kakayahan ng ahensya na mapolisiya ang mga digital asset market.
Ang artikulong ito ay isinalin mula sa Ingles gamit ang AI. Ang orihinal na bersyon sa Ingles ang opisyal na pinagmumulan; maaaring maglaman ng mga kamalian ang mga awtomatikong pagsasalin, lalo na sa legal at regulatoryong terminolohiya.












