Key points are not available for this paper at this time.
Objetivo: aumentar a eficácia do combate ao uso de esquemas típicos de lavagem de dinheiro criminal, identificando as vulnerabilidades tecnológicas e legais da infraestrutura DeFi: exchanges descentralizadas, pontes de blockchain, carteiras descentralizadas e moedas com aumento de privacidade. Métodos: métodos científicos gerais (análise e síntese, indução e dedução, modelagem teórica, interpretação legal) e métodos especiais de cognição científica (estrutural-funcional, construtivo, situacional, inovador, orientado a objetivos, programático e orientado a riscos). Resultados: as principais tendências no desenvolvimento da lavagem de dinheiro usando finanças descentralizadas foram delineadas; a importância determinante das características tecnológicas do DeFi na gênese da lavagem de dinheiro foi revelada; os principais tipos de lavagem de dinheiro utilizando finanças descentralizadas foram identificados; os esquemas de cometimento de crimes foram estudados e o potencial criminógeno da infraestrutura DeFi (exchanges descentralizadas, pontes de blockchain, mixers, tokens com aprimoramento de privacidade, etc.) foi avaliado. Novidade científica: propõe-se considerar a lavagem de dinheiro usando DeFi como um tipo especial de crime financeiro digital. O artigo propõe a tipologia autoral da lavagem de dinheiro, fundamenta a ideia de que a matriz da regulação financeira tradicional e os padrões AML não podem ser aplicados a finanças descentralizadas. Argumenta-se que a prevenção da lavagem de dinheiro usando finanças descentralizadas deve ser realizada em estreita conexão com a identificação de indicadores de risco e o desenvolvimento de medidas de controle eficazes nos pontos de entrada de rendas criminosas em exchanges centralizadas. Significado prático: a análise de mecanismos típicos de lavagem de dinheiro usando DeFi permite uma abordagem sistemática à organização da prevenção precoce de crimes e pode potencialmente se tornar a base para o desenvolvimento de recomendações para serviços de inteligência financeira e monitoramento.
E. L. Sidorenko (qui,) estudou essa questão.