Por qué los servicios dan puntuaciones distintas y qué es el consenso

Compruebas la misma dirección en tres servicios y obtienes "12 / bajo", "48 / medio" y "91 / alto". ¿Quién tiene razón? La respuesta correcta: la pregunta está mal planteada. Estos servicios tienen bases de datos de etiquetas distintas, profundidades de recorrido del grafo distintas y umbrales de banda distintos. La divergencia no es un error, sino información. En esta lección examinamos las causas de la divergencia y cómo el enfoque de consenso convierte una dispersión de puntuaciones en una conclusión más fiable.

Causa 1: bases de datos de etiquetas distintas

El scoring es tan bueno como su base de datos de etiquetas (atribución). Una etiqueta es la afirmación "la dirección 0x… pertenece a la exchange Binance / al mezclador Tornado / al mercado de la darknet Hydra". Nadie tiene una base de datos completa y perfectamente exacta, y he aquí por qué difieren.

Fuentes de atribución distintasUnos compran datos a ciertos proveedores, otros hacen su propia inteligencia, otros se basan en listas abiertas. El solapamiento es incompleto.
Cobertura de red distintaUno es fuerte en Ethereum y Bitcoin pero débil en Tron y Solana; otro al revés. Un servicio ve más en "su" red.
Frescura distintaUn mezclador nuevo o un hackeo reciente no aparecen en las bases de datos a la vez. Un día o dos de diferencia, y un servicio ya pinta la dirección mientras otro aún no.
Precisión de etiquetas distintaExisten etiquetas falsas: una dirección puede haber sido atribuida por error a un servicio. Un proveedor verifica con más rigor, otro con más laxitud.

Consecuencia. Si el servicio A sabe que una dirección contraparte es un mezclador sancionado, mientras que el servicio B aún no la ha añadido a su base de datos, entonces A muestra riesgo alto y B, bajo. Ambos tienen "razón" respecto de sus propios datos. La ausencia de una bandera en B no significa "limpio", sino "no sé nada de esta fuente".

Causa 2: profundidad de recorrido y modelo distintos

Incluso con etiquetas idénticas, dos motores dan números distintos si recorren el grafo de forma distinta. Esto lo examinamos en detalle en las lecciones 4.1–4.2; aquí importan las consecuencias prácticas.

Profundidad de saltos distinta. Uno cuenta 2 saltos, otro 6.Un recorrido más profundo encontrará vínculos que uno "superficial" no verá, y mostrará más riesgo.
Modelo de pintado distinto. Haircut frente a FIFO frente a poison.Poison infla la evaluación, haircut la subestima. El mismo grafo, números distintos.
Decaimiento por salto distinto. Unos amortiguan agresivamente los vínculos lejanos, otros no.De ahí las puntuaciones altas "ruidosas" de los servicios sin una función de decaimiento adecuada.
Tratamiento de la dirección distinto. Unos mezclan la exposición entrante y saliente en un solo número, otros las separan.Mezclarlas enmascara de dónde procede exactamente el riesgo.

Causa 3: umbrales de banda distintos

Incluso con un número bruto idéntico, la etiqueta final "bajo/medio/alto" depende de dónde traza un servicio los límites de sus bandas. Esto es puramente una cuestión de política (apetito de riesgo), no de matemáticas.

Servicio conservador "Alto" ya en 50. Se protege de multas, muchas falsas alarmas.

Servicio liberal "Alto" solo en 85. Menos fricción para el cliente, más riesgos que se escapan.

El mismo monedero con un número bruto de 60 es "alto, rechazar" en el primer servicio y "medio, trabajar con reservas" en el segundo. Por eso comparar las etiquetas "bajo/medio/alto" entre servicios es casi inútil: lo que hay que comparar son los números brutos y, sobre todo, qué hay detrás de ellos: qué categorías, en qué saltos, con qué etiquetas.

El enfoque de consenso: contraste cruzado de varias fuentes

Si una fuente es incompleta y sesgada a su manera, la respuesta sensata no es buscar el "mejor" servicio, sino agregar varios y leerlos juntos. Este es el enfoque de consenso (en el núcleo de la marca AMLConsensus).

Unión de etiquetasTomamos la unión de las bases de datos: si aunque sea una fuente fiable sabe que una contraparte es un mezclador, esa etiqueta no puede ignorarse. Así se cierran los "puntos ciegos" de los proveedores individuales.
Comparación de puntuaciones brutasMiramos la dispersión. Si tres fuentes dieron 78, 82, 90, el consenso es firme. Si 10, 50, 92, eso es una señal para investigar a mano.
Prioridad de los hechos durosUna bandera de sanciones, una congelación on-chain de stablecoin: son hechos objetivos, no evaluaciones. Pesan más que cualquier número "blando" y no se someten a voto mayoritario.
Transparencia de las fuentesEl consenso muestra no solo el resultado, sino quién encontró qué, para que el analista vea el fundamento, no solo la cifra.

Cuidado con el promedio. El consenso no es "la media aritmética de tres números". Promediar puntuaciones directamente es peligroso: un servicio encontró un contacto directo con sanciones (91), dos no conocían esa fuente (12 y 15), y una media de 39 "enmascara" la catástrofe. Un consenso correcto sobre hechos duros funciona según el principio de máximo/disyunción, no de media: una alarma de aunque sea una fuente fiable sobre un hecho objetivo importa más que la calma del resto.

Cómo leer las divergencias en la práctica

Una dispersión de puntuaciones es una herramienta diagnóstica. Así se interpreta.

Todos los servicios coinciden y bajo (p. ej. 8/12/15). Alta confianza en la limpieza. Procedimientos estándar.La coincidencia de fuentes independientes es una señal fuerte.
Todos coinciden y alto (p. ej. 80/85/91). Alta confianza en el riesgo. Rechazo/escalado.Aquí no hace falta cavar más: la conclusión es estable.
Una fuerte dispersión (p. ej. 12/48/91). Una bandera roja de incertidumbre. La revisión manual es obligatoria.Buscamos quién tiene una etiqueta que a los demás les falta y verificamos su fiabilidad.
Una fuente conoce un hecho duro, las demás callan. Confiamos en la que encontró el hecho.La ausencia de una bandera es ignorancia, no confirmación de limpieza.

Regla práctica. El silencio de una fuente nunca equivale a "limpio". Equivale a "esta fuente no encontró nada dentro de los límites de sus etiquetas y su profundidad". Precisamente por eso un solo servicio es estructuralmente menos fiable que el contraste cruzado de varios: cada uno tiene sus propios puntos ciegos, y rara vez coinciden.

Resumen de la Sección 4

Hemos recorrido toda la cadena desde el grafo hasta la decisión. Lección 4.1: el riesgo son proporciones (exposición) que fluyen por el grafo (taint), con un modelo de pintado y decaimiento por saltos. Lección 4.2: las proporciones se ponderan por la gravedad de la categoría, la dirección y la antigüedad, mientras que las banderas duras anulan la aritmética; así nacen un número de 0 a 100 y un "semáforo". Lección 4.3: los distintos servicios dan números distintos por sus bases de datos de etiquetas, profundidades de recorrido y umbrales distintos, y esto no es ruido, sino la razón para contrastar fuentes.

Conclusión principal. Ninguna evaluación aislada es "la verdad". Una evaluación es un modelo con supuestos explícitos. Un profesional no pregunta "qué número es correcto", sino "de qué etiquetas, a qué profundidad, bajo qué modelo y con qué umbral se ensambla este número, y coinciden fuentes independientes". Un consenso de varias fuentes con prioridad para los hechos duros objetivos da una conclusión mucho más robusta que cualquier cifra aislada. En la próxima sección pasamos de la teoría del scoring a las herramientas con las que estos datos se extraen a mano, empezando por los exploradores de blockchain.

← Programa Programa →

Este material tiene únicamente fines educativos.