Chainalysis: Crypto Flows to Trafficking Networks Surge 85%

TheNewsCryptoDipublikasikan tanggal 2026-02-13Terakhir diperbarui pada 2026-02-13

Abstrak

Chainalysis reports an 85% surge in cryptocurrency flows to suspected human trafficking networks last year, with a significant reliance on stablecoins and operations linked to Telegram. The data indicates these networks are becoming more professional. Approximately half of transactions tied to Telegram-based international escort services exceeded $10,000. The firm identified four main categories of illicit activity: escort services, labor placement agents connected to scam compounds, prostitution networks, and child sexual abuse material (CSAM) vendors. Blockchain's inherent transparency provides a critical tool for law enforcement to track these flows and disrupt operations. While stablecoins are preferred by escort and prostitution networks for price stability, CSAM vendors are increasingly using Layer 1 networks and Monero for laundering. Transaction sizes vary, with CSAM payments typically under $100, indicating subscription-based models. The report also notes a growing overlap with online extremism communities and increased use of privacy tools.

A crypto investigation and compliance solution platform, Chainalysis has reported that crypto flows to suspected trafficking services surged 85% last year, having stablecoin-heavy, Telegram-associated networks and leaving trackable on-chain series.

Around 50% of the transactions associated with Telegram-based international escort services surpassed $10,000, as per the report. The data shows surging professionalisation of these networks; however, blockchain transparency has come up as an investigative tool for law enforcement.

Chainalysis traced four prominent categories of suspected crypto-assisted trafficking activity: Telegram-based international escort services, labour placement agents associated with scam compounds, prostitution networks, and child sexual abuse material (CSAM) vendors.

The growth is in line with the widening of Southeast Asia-based scam compounds, online gambling operations, and Chinese-language money laundering networks, many running through Telegram, the report mentions.

Blockchain transactions leave traces forever, dissimilar to cash transactions. The overseers of law enforcement are utilising that visibility to track flows, recognise chokepoints, and disrupt operations, as per the firm.

The payment behaviour changes over categories. Telegram-associated international escort services and prostitution networks depend intensely on stablecoins, as the data reports. Previously, CSAM vendors chose Bitcoin, but now they are heavily choosing Layer 1 networks.

More About the Transaction

Monero is highly utilised for laundering in CSAM-associated operations. The use of stablecoins indicates these networks give priority to price stability and quick off-ramping instead of the risk of asset freezes by centralised issuers, as per the report.

Transaction size data shows the structured nature of these operations. Around half of the Telegram-based escort transactions surpassed $10,000; the prostitution network remains in the $1,000 to $10,000 range, and CSAM transactions are comparatively lower, having many of them under $100.

Large transfers show organised, scaled criminal enterprises instead of isolated actors. CSAM-associated activity carries on to evolve. Subscription-based revenue models lead the sector, with payments normally under $100 every month.

The data also reveals surged overlap between sadistic online extremism communities and higher use of instant exchangers and privacy tools.

Highlighted Crypto News Today:

U.S. SEC Warns Prediction Markets May Fall Under Securities Law

TagsChainalysisillegal tradingTelegram

Pertanyaan Terkait

QAccording to Chainalysis, by what percentage did crypto flows to suspected trafficking services surge last year?

ACrypto flows to suspected trafficking services surged by 85% last year.

QWhat are the four categories of suspected crypto-assisted trafficking activity that Chainalysis traced?

AThe four categories are Telegram-based international escort services, labour placement agents associated with scam compounds, prostitution networks, and child sexual abuse material (CSAM) vendors.

QWhich type of cryptocurrency is highly utilized for laundering in CSAM-associated operations?

AMonero is highly utilized for laundering in CSAM-associated operations.

QWhat is the typical transaction size range for the prostitution networks mentioned in the report?

AThe transaction size for prostitution networks typically remains in the $1,000 to $10,000 range.

QWhat advantage does blockchain provide to law enforcement in investigating these criminal networks?

ABlockchain transactions leave permanent, traceable on-chain records, which law enforcement uses to track fund flows, identify chokepoints, and disrupt operations.

Bacaan Terkait

Pasar Saham AS Alami Jatuhnya Terberat Sejak 2025, Tiga Pemicu Meledakkan Penilaian Ulang Valuasi Saham Teknologi

Pasar saham AS mengalami keruntuhan terburuk sejak krisis tarif April 2025 pada 5 Juni. Indeks Nasdaq anjlok 4,18%, S&P 500 turun 2,64%, dan Dow Jones merosot 695 poin. Tiga pemicu utama diidentifikasi: 1. Laporan keuangan Broadcom mengisyaratkan kemungkinan perlambatan dalam pertumbuhan pendapatan chip AI kuartal depan, memicu kepanikan dan penjualan luas di seluruh sektor semikonduktor. Indeks Philadelphia Semiconductor terjun 10,26%. 2. Data tenaga kerja AS (NFP) bulan Mei jauh melampaui ekspektasi (172.000 vs 80.000), memperkuat kekhawatiran bahwa Federal Reserve mungkin tidak akan menurunkan suku bunga dan bahkan berpotensi menaikkannya. Ekspektasi kenaikan suku bunga melonjak di pasar. 3. Bayangan perang Iran dan harga minyak tinggi yang terus-menerus (WTI > $90) memperumit perang Fed melawan inflasi, menambah tekanan pada pasar. Ketiga faktor ini bersama-sama menggoyang narasi dasar pasar: pertumbuhan AI tanpa batas, likuiditas mudah dari Fed, dan inflasi yang telah terkendali. Keruntuhan dengan cepat menyebar ke pasar global di Asia dan Eropa. Apakah ini awal pecahnya gelembung AI? Analisis menunjukkan ini lebih sebagai penyesuaian penilaian ulang (valuasi) daripada keruntuhan narasi sepenuhnya. Permintaan chip AI tetap kuat (pertumbuhan 143% Broadcom), tetapi pasar menjadi lebih realistis mengenai kecepatan pertumbuhan dan harga yang bersedia dibayar. Arah pasar selanjutnya akan bergantung pada pertemuan FOMC Juni, panduan dari perusahaan AI lainnya seperti Nvidia, dan perkembangan situasi di Iran.

marsbit14m yang lalu

Pasar Saham AS Alami Jatuhnya Terberat Sejak 2025, Tiga Pemicu Meledakkan Penilaian Ulang Valuasi Saham Teknologi

marsbit14m yang lalu

AI yang Bisa Membangun Diri Sendiri Melalui 'Rekursi' Menjadi Populer, Google Menuangkan Air Dingin, DeepSeek dkk. Sudah Menyentuh Ujungnya

Konsep Recursive Self-Improvement (RSI), atau kecerdasan buatan yang mampu melatih dan meningkatkan dirinya sendiri secara mandiri, menjadi tren hangat di dunia AI. Beberapa startup seperti Recursive Superintelligence dan proyek Auto-Research dari Andrej Karpathy fokus pada realisasi visi ini. Meski demikian, CEO Google Sundar Pichai menyatakan teknologi ini masih dalam tahap awal dan belum mencapai percepatan skala besar seperti yang dibayangkan. Analisis dari para peneliti membagi kemajuan RSI menjadi tiga tahap: *adequacy* (sistem berjalan tanpa manusia), *parity* (kualitas setara manusia), dan *supremacy* (melebihi kolaborasi manusia-AI). Pencapaian tahap kedua diprediksi akan memicu percepatan yang sangat cepat. Di China, perusahaan seperti DeepSeek dan Baidu secara diam-diam telah menerapkan prinsip-prinsip serupa RSI dalam pengembangan model mereka, seperti optimisasi algoritma efisien dan siklus peningkatan mandiri, meski tidak secara terbuka menyebut istilah RSI. Namun, tantangan RSI tetap ada, termasuk risiko *model collapse* (penurunan kualitas data generasi AI) dan prasyarat lingkungan yang sulit seperti kebutuhan komputasi tak terbatas dan ekosistem penelitian terbuka global. Perkembangan RSI merefleksikan tren di mana peran manusia dalam rantai pengembangan AI secara bertahap berkurang, sebuah proses yang bersifat irreversible.

marsbit2j yang lalu

AI yang Bisa Membangun Diri Sendiri Melalui 'Rekursi' Menjadi Populer, Google Menuangkan Air Dingin, DeepSeek dkk. Sudah Menyentuh Ujungnya

marsbit2j yang lalu

Anthropic Memprediksi secara Global, OpenAI Telah Melampaui "Ambang Keandalan": Akselerasi Mandiri AI Telah Dimulai

**Peringatan Global dari Anthropic: OpenAI Telah Melampaui 'Ambang Keandalan', Memicu Akselerasi Mandiri AI** Anthropic mengeluarkan peringatan mendesak untuk memperlambat atau menghentikan penelitian AI, karena data internal mereka menunjukkan bahwa AI kini mempercepat pengembangan AI itu sendiri, berpotensi mendekati titik kritis perbaikan diri yang rekursif atau "membuat dirinya sendiri." Di sisi lain, Yann Dubois dari tim pasca-pelatihan OpenAI memberikan perspektif mikro: pertumbuhan kemampuan AI sebenarnya linier dan berkelanjutan, tetapi pengguna merasakan "kebergunaan" yang melompat secara diskrit. Ini karena adanya **"ambang keandalan"**. Sebelum mencapai ambang ini, AI hanyalah alat cerdas yang tidak dapat diandalkan sepenuhnya. Setelah melampauinya (sekitar Desember tahun lalu menurut Dubois), AI menjadi seperti karyawan yang dapat dipercaya untuk menangani pekerjaan nyata dan mulai mempercepat perkembangannya sendiri. **Akselerasi Mandiri dan Siklus Penguatan:** Ketika model menjadi cukup andal (misalnya, dalam pemrograman), mereka dapat digunakan untuk membantu peneliti mengembangkan alat dan bahkan melatih generasi model AI berikutnya, menciptakan loop akselerasi yang semakin cepat. Data Anthropic menunjukkan produktivitas kode per insinyur meningkat 8x pada Q2 2026 dibandingkan Q1 2024. **AI sebagai "Kerajinan" (Craft):** Dubois menegaskan bahwa membangun sistem AI yang andal lebih menyerupai kerajinan atau bahkan "alkimia" yang mengandalkan intuisi dan trial-and-error, daripada ilmu pengetahuan murni yang sistematis. Peningkatan keandalan seringkali dicapai dengan menekan "tingkat kesalahan per interval waktu" dalam sistem agen AI. **"Harness" Vertikal dan "Mil Terakhir":** Dubois berpendapat bahwa jika model saat ini "dibekukan" dan fokus dialihkan ke pengembangan *harness* (sistem orkestrasi) yang matang untuk domain spesifik, banyak bidang sudah dapat merasakan fungsi seperti AGI (Kecerdasan Buatan Umum). **Tantangan sebenarnya bukan pada kecerdasan model, tetapi pada "mil terakhir"**—yaitu mengintegrasikan AI dengan sistem yang ada, mengatur izin akses, konektor data, dan alur kerja bisnis tertentu. Inilah peluang besar bagi pengembang dan startup. **Tantangan Masa Depan: Pembelajaran Berkelanjutan (Continual Learning):** Meski memiliki titik awal yang tinggi, model AI saat ini kesulitan untuk terus belajar dan beradaptasi dari pengalaman spesifik di lingkungan barunya seperti manusia. Membentuk kurva pembelajaran AI yang terus naik, bukan mendatar, adalah salah satu masalah terpenting berikutnya.

marsbit2j yang lalu

Anthropic Memprediksi secara Global, OpenAI Telah Melampaui "Ambang Keandalan": Akselerasi Mandiri AI Telah Dimulai

marsbit2j yang lalu

Trading

Spot
Futures
活动图片