Chainalysis contraatacó a Binance después de que el exchange publicara un análisis que utilizó sus datos para afirmar que el volumen de comercio ilícito en los siete exchanges de criptomonedas más grandes se situó entre el 0,018% y el 0,023%.
En el análisis, Binance afirmó que las cifras de Chainalysis y TRM Labs mostraban que el exchange gestionaba flujos de criptomonedas mucho mayores, manteniendo al mismo tiempo una baja exposición a la delincuencia. Según el material proporcionado, Chainalysis indicó que el análisis no provino de su equipo ni incluyó las principales categorías de delitos tracen sus conjuntos de datos.
Dos días después de la publicación, Binance actualizó el análisis para indicar que, en realidad, fue realizado internamente por el propio exchange, utilizando los conjuntos de datos sin procesar de Chainalysis y TRM Labs. El exchange también añadió detalles sobre cómo calculó los vínculos directos entre las billeteras ilícitas y la actividad comercial.
Chainalysis ahora dice que todas esas cifras no incluían fondos vinculados a ransomware o hackeos, y que el método ignoró cualquier movimiento que pasara por una billetera personal intermedia antes de llegar a Binance .
Chainalysis publicó un mensaje público en X indicando que estaba recibiendo numerosas consultas sobre el uso de sus datos. La empresa declaró: «Este análisis fue realizado por Binance con base en datos seleccionados de Chainalysis. Chainalysis no realizó el análisis».
El mensaje también decía que “los datos que Binance utilizó para su análisis no parecen incluir todas las categorías de actividad ilícita”, señalando el ransomware y los fondos robados como ejemplos.
Chainalysis luego dijo que “el Binance indica que se basa únicamente en la exposición directa”, lo que significa que se excluyeron los fondos vinculados al delito que pasaron por una billetera personal.
La empresa no cuestionó el uso de sus conjuntos de datos. La cuestión radicaba en qué partes se seleccionaron y qué categorías se excluyeron. La aclaración llegó en un momento en que Binance trabajaba para demostrar a los reguladores y a la industria de las criptomonedas que se toma en serio los riesgos de la delincuencia.
La bolsa afirmó que mantenía las cifras publicadas en su blog y que su actualización del 19 de noviembre brindaba detalles más claros sobre cómo se midió la exposición.
La disputa se produjo en un período en el que Binance todavía estaba lidiando con las consecuencias de su acuerdo de culpabilidad de 2023 en los Estados Unidos después de que admitió fallas contra el lavado de dinero, transmisión de dinero sin licencia y violaciones de sanciones, y pagó una multa de $ 4.3 mil millones.
, Changpeng "CZ" Zhao, dimitió tras la declaración de culpabilidad y posteriormente cumplió una condena de cuatro meses de prisión por no mantener un programa de cumplimiento eficaz. En octubre, Cryptopolitan informó que CZ recibió un dent presidencial de Trump.
Binance afirmó que, entre enero de 2023 y junio de 2025, redujo la exposición a fondos ilícitos entre un 96% y un 98%, mientras procesaba más de 90 mil millones de dólares por día y alrededor de 217 millones de transacciones diarias.
El mercado de valores describió una amplia plantilla de personal de cumplimiento y gestión de riesgos. Añadió que 1280 especialistas, que representan el 22 % de sus empleados, trabajan en riesgos, cumplimiento e investigaciones. Añadió que gestionó 240 000 solicitudes de las fuerzas del orden e impartió 400 sesiones de formación para investigadores de todo el mundo.
También destacó su colaboración con Beacon Network y el programa T3+ con Tether, TRONy TRM Labs paradenty congelar fondos ilícitos. La plataforma también afirmó que utiliza sistemas de inteligencia artificial para reducir las falsas alertas y mejorar la detección de flujos sospechosos.
Cryptopolitan señaló que Chainalysis no cuestionó esas afirmaciones operativas internas en su publicación.
¿Quieres que tu proyecto esté presente en las mentes más brillantes del mundo de las criptomonedas? Preséntalo en nuestro próximo informe del sector, donde los datos se combinan con el impacto.