[포인트경제] 두나무가 인공지능(AI)과 블록체인을 결합한 온체인 데이터 분석 기술력을 세계 권위의 학술 무대에서 입증했다.
두나무는 국제 금융 AI 학술대회 'ICAIF 2026'에서 자사 연구진의 논문 총 3편이 채택됐다고 17일 밝혔다. 메인 컨퍼런스 1편과 전문 워크숍 2편이 동시에 선정되며 디지털자산 데이터 분석 분야의 연구 역량을 인정받았다.
역대 최다 1000편 몰린 글로벌 격전지서 22% 바늘구멍 통과
ACM(Association for Computing Machinery)이 주관하는 ICAIF는 블랙록과 JP모건, 비자, 마스터카드, 스탠다드차타드 등 글로벌 금융·테크 기업이 대거 참여하는 금융 AI 분야 대표 국제 학회다. 지난 14일부터 17일까지 이탈리아 밀라노 보코니대학교에서 열린 올해 학회에는 역대 최대인 1000편 이상의 논문이 투고됐으며, 메인 컨퍼런스 채택률은 약 22%에 그쳤다.
채택된 3편의 논문은 온체인 데이터 분석의 정확도와 신뢰성을 높이는 데 초점을 맞췄다. 특히 거래소 지갑 식별 연구 성과는 이미 업비트 데이터랩 서비스에 상용화됐으며, 나머지 연구 역시 자산 분류 체계와 자금 추적 기술을 고도화하는 토대가 됐다.
미지의 거래소 지갑 0.9594 정확도로 포착…서비스 상용화
메인 컨퍼런스 채택작인 '준비금 증명을 활용한 이더리움 기반 중앙화 거래소 지갑의 온체인 행동 특성 분류'는 머신러닝으로 거래소 지갑을 판별하는 기법을 다뤘다. 박성찬 두나무 퀀트팀 연구원 등은 15개 거래소의 준비금 증명(PoR) 데이터를 바탕으로 약 303만개의 이더리움 지갑 주소를 분석해 거래 패턴과 가스 사용량 등 58가지 행동 특성을 도출했다.
학습에 쓰이지 않은 신규 거래소 지갑을 대상으로 검증한 결과, 탐지 정확도 지표인 PR-AUC가 평균 0.9594(1에 가까울수록 우수)를 기록했다. 이 기술은 현재 업비트 데이터랩 내 거래소·고래·재단 등 주체별 자산 보유 현황 분석에 실제 적용돼 있다.
LLM 자산 분류·불완전 기록 자금 추적 기술도 인정받아
전문 워크숍 채택작인 '기관용 디지털자산 분류 체계를 위한 의미 변환'은 대형언어모델(LLM)로 탈중앙화 금융(DeFi) 스마트 컨트랙트 코드를 해석해 자산 용처를 분류하는 연구다. 전현호 두나무 퀀트팀 팀장 등은 유니스왑과 에이브, 커브 등 주요 프로토콜 실험에서 17개 중 16개(약 94%)를 기존 분류 기준과 일치시켰다. 사람이 AI의 분류 근거를 직접 검증할 수 있도록 설계됐으며 향후 업비트 디지털자산 분류 체계(UBCS) 고도화에 활용된다.
함께 워크숍에 선정된 '불완전한 거래 기록에서의 입금 자금 사용액 추정 범위' 논문은 데이터 일부가 누락된 환경에서도 자금 출처와 흐름을 신뢰성 있게 추적하는 조건을 규명했다. 김성용 두나무 FDI팀 프로젝트 리더와 소민섭 FDI팀 팀장 등이 수행한 이 연구는 자체 온체인 자금 추적 솔루션 OTS(Onchain AI Tracer System)의 신뢰성을 높이고 금융 범죄 분석 기술을 고도화하는 근거가 됐다.
김대현 두나무 최고데이터책임자(CDO)는 "AI 기술을 접목해 블록체인 데이터를 정교하게 분석하고 결과의 신뢰도를 높일 가능성을 확인했다"며, "AI와 블록체인 융합 연구를 지속해 디지털자산 산업의 기술 혁신을 이끌겠다"고 밝혔다.
Copyright ⓒ 포인트경제 무단 전재 및 재배포 금지
--comment--
첫 번째 댓글을 작성해 보세요.
댓글 바로가기