پیاده‌سازی و اعتبارسنجی یک مدل جرم‌شناسی دیجیتال برای پایش پیشگیرانه‌ی پولشویی در شبکه‌های رمزارزی

پولشویی در شبکه‌های رمزارزی به‌عنوان یکی از پیچیده‌ترین اشکال جرائم مالی نوین، چالش‌های اساسی برای نظام‌های حقوقی و سیاست‌های جنایی در عصر تحول دیجیتال ایجاد کرده است. ویژگی‌های ساختاری رمزارزها از قبیل غیرمتمرکز بودن، فرامرزی بودن تراکنش‌ها، سرعت بالای نقل‌وانتقال و امکان کاهش قابلیت ردیابی هویت، زمینه شکل‌گیری الگوهای نوین پولشویی را فراهم ساخته است؛ به‌گونه‌ای که ابزارهای سنتی کنترل و نظارت کیفری، کارایی خود را تا حد زیادی از دست داده‌اند. پژوهش حاضر با رویکردی توصیفی–تحلیلی و با بهره‌گیری از مبانی جرم‌شناسی دیجیتال و سیاست جنایی پیشگیرانه، به طراحی و اعتبارسنجی یک مدل مفهومی برای پایش پیشگیرانه پولشویی در شبکه‌های رمزارزی می‌پردازد. مدل پیشنهادی مبتنی بر تلفیق تنظیم‌گری هوشمند، تحلیل داده‌های بلاک‌چین، ارزیابی ریسک جرم‌شناختی و مداخله تدریجی است و امکان شناسایی زودهنگام رفتارهای پرخطر را فراهم می‌کند. نتایج پژوهش نشان می‌دهد که استقرار یک نظام پایش داده‌محور و هوشمند می‌تواند با افزایش هزینه ارتکاب جرم و کاهش فرصت‌های بزهکارانه، نقش موثری در پیشگیری از پولشویی رمزارزی ایفا کند و زمینه ارتقای کارآمدی سیاست جنایی در بستر اقتصاد دیجیتال را فراهم سازد.

implementation and validation of a digital criminology model for preventive monitoring of money laundering in cryptocurrency networks

money laundering in cryptocurrency networks, as one of the most complex forms of emerging financial crime, has posed fundamental challenges to legal systems and criminal policies in the era of digital transformation. the structural characteristics of cryptocurrencies—such as decentralization, cross-border transactions, high transfer speed, and the potential for reduced identity traceability—have facilitated the emergence of new money laundering patterns, rendering traditional tools of criminal control and supervision largely ineffective. this study, adopting a descriptive-analytical approach and drawing upon the foundations of digital criminology and preventive criminal policy, designs and validates a conceptual model for the preventive monitoring of money laundering in cryptocurrency networks. the proposed model integrates intelligent regulation, blockchain data analytics, criminological risk assessment, and graduated intervention, enabling the early identification of high-risk behaviors. the findings indicate that the implementation of a data-driven and intelligent monitoring system can play an effective role in preventing cryptocurrency money laundering by increasing the cost of crime and reducing criminal opportunities, thereby contributing to the enhanced efficacy of criminal policy within the digital economy.