論文の概要: Inspection-L: Practical GNN-Based Money Laundering Detection System for Bitcoin

• arxiv url: http://arxiv.org/abs/2203.10465v1
• Date: Sun, 20 Mar 2022 06:19:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-26 10:55:25.760514
• Title: Inspection-L: Practical GNN-Based Money Laundering Detection System for Bitcoin
• Title（参考訳）: Inspection-L:Bitcoinの実用的なGNNマネーロンダリング検知システム
• Authors: Wai Weng Lo, Siamak Layeghy and Marius Portmann
• Abstract要約: 本稿では,自己教師型ディープグラフ情報マックス(DGI)に基づくグラフニューラルネットワーク(GNN)フレームワークであるInspection-Lを提案する。 私たちの知る限りでは、BitcoinにおけるAMLの問題に自己監督型GNNを適用するのは、私たちの提案が初めてです。 提案手法は楕円型データセットを用いて評価され,本手法が重要な分類基準の点において最先端の手法よりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Criminals have become increasingly experienced in using cryptocurrencies, such as Bitcoin, for money laundering. The use of cryptocurrencies can hide criminal identities and transfer hundreds of millions of dollars of dirty funds through their criminal digital wallets. However, this is considered a paradox because cryptocurrencies are gold mines for open-source intelligence, allowing law enforcement agencies to have more power in conducting forensic analyses. This paper proposed Inspection-L, a graph neural network (GNN) framework based on self-supervised Deep Graph Infomax (DGI), with Random Forest (RF), to detect illicit transactions for Anti-Money laundering (AML). To the best of our knowledge, our proposal is the first of applying self-supervised GNNs to the problem of AML in Bitcoin. The proposed method has been evaluated on the Elliptic dataset and shows that our approach outperforms the state-of-the-art in terms of key classification metrics, which demonstrates the potential of self-supervised GNN in cryptocurrency illicit transaction detection.
• Abstract（参考訳）: 犯罪者はビットコインなどの暗号通貨をマネーロンダリングに利用する経験が増えている。 暗号通貨を利用することで、犯罪者の身元を隠し、犯罪デジタルウォレットを通じて何億ドルもの汚い資金を送ることができる。 しかし、暗号通貨はオープンソースインテリジェンスのための金鉱であり、法執行機関が法医学的な分析を行うのにより多くの権限を持つことができるため、これはパラドックスであると考えられている。 本稿では,自己教師付きディープグラフインフォマックス(dgi)とランダムフォレスト(rf)を用いた,アンチマネーロンダリング(aml)のための不正取引検出のためのグラフニューラルネットワーク(gnn)フレームワークであるinspective-lを提案する。 私たちの知る限りでは、BitcoinにおけるAMLの問題に自己監督型GNNを適用するのは、私たちの提案が初めてです。 提案手法はEllipticデータセットを用いて評価され,暗号不正取引検出における自己教師型GNNの可能性を示すキー分類指標を用いて,最先端の手法よりも優れていることを示す。

関連論文リスト

• ELEGANT: Certified Defense on the Fairness of Graph Neural Networks [94.10433608311604]
  グラフニューラルネットワーク(GNN)は,グラフベースのタスクにおいて,目立ったグラフ学習モデルとして登場した。 悪意のある攻撃者は、入力グラフデータに摂動を追加することで、予測の公平度を容易に損なうことができる。 本稿では, ELEGANT というフレームワークを提案し, GNN の公正度レベルにおける認証防御の新たな課題について検討する。
  論文  参考訳（メタデータ） (2023-11-05T20:29:40Z)
• Transaction Fraud Detection via an Adaptive Graph Neural Network [64.9428588496749]
  本稿では,アダプティブサンプリングとアグリゲーションに基づくグラフニューラルネットワーク(ASA-GNN)を提案する。 ノイズの多いノードをフィルタリングし、不正なノードを補うために、隣のサンプリング戦略を実行する。 3つのファイナンシャルデータセットの実験により,提案手法のASA-GNNは最先端のデータセットよりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-07-11T07:48:39Z)
• Chainlet Orbits: Topological Address Embedding for the Bitcoin Blockchain [15.099255988459602]
  匿名性のある取引を可能にするBitcoinのような暗号通貨の台頭は、さまざまな不正行為の急増につながっている。 トランザクションにおけるそのトポロジ的特性を活用して,Bitcoinアドレスを埋め込む,Chainlet Orbitsという効果的なソリューションを導入する。 当社のアプローチでは,Bitcoinトランザクションネットワーク上で,解釈可能かつ説明可能なマシンラーニングモデルを,ほとんどの日において15分以内で使用することが可能です。
  論文  参考訳（メタデータ） (2023-05-18T21:16:59Z)
• Motif-aware temporal GCN for fraud detection in signed cryptocurrency trust networks [8.82136716762572]
  グラフ畳み込みネットワーク(GCN)はグラフとして表現可能なデータ処理に使用される。 本研究では,暗号ネットワークの進化的性質を考察し,局所構造とバランス理論を用いてトレーニングプロセスの導出を行う。 bitcoin-alphaとbitcoin-otcデータセットの実験的結果は、提案されたモデルが文献上のモデルより優れていることを示している。
  論文  参考訳（メタデータ） (2022-11-22T02:03:27Z)
• Detecting Anomalous Cryptocurrency Transactions: an AML/CFT Application of Machine Learning-based Forensics [5.617291981476445]
  本論文は,さまざまな手法を用いて,有向グラフネットワークとして表現されるBitcoinトランザクションの現実的なデータセットを解析する。 これは、Graph Convolutional Networks(GCN)とGraph Attention Networks(GAT)として知られるニューラルネットワークタイプが、有望なAML/CFTソリューションであることを示している。
  論文  参考訳（メタデータ） (2022-06-07T16:22:55Z)
• GuiltyWalker: Distance to illicit nodes in the Bitcoin network [1.7550798084784973]
  本稿では,マネーロンダリングを検出する機械学習手法の性能を高めるために,グラフと過去のラベルの構造に基づく新機能を提案する。 我々の手法であるGuiltyWalkerは、bitcoinトランザクショングラフのランダムウォークを実行し、不正なトランザクションまでの距離に基づいて特徴を計算します。
  論文  参考訳（メタデータ） (2021-02-10T10:29:13Z)
• Quantum Multi-Solution Bernoulli Search with Applications to Bitcoin's Post-Quantum Security [67.06003361150228]
  作業の証明(英: proof of work、PoW)は、当事者が計算タスクの解決にいくらかの労力を費やしたことを他人に納得させることができる重要な暗号構造である。 本研究では、量子戦略に対してそのようなPoWの連鎖を見つけることの難しさについて検討する。 我々は、PoWs問題の連鎖が、マルチソリューションBernoulliサーチと呼ばれる問題に還元されることを証明し、量子クエリの複雑さを確立する。
  論文  参考訳（メタデータ） (2020-12-30T18:03:56Z)
• Enhancing Graph Neural Network-based Fraud Detectors against Camouflaged Fraudsters [78.53851936180348]
  近年の実証研究,すなわち特徴カモフラージュと関係カモフラージュの2種類のカモフラージュを紹介した。 既存のGNNはこれらの2つのカモフラージュに対処していない。 カモフラージュ抵抗型GNN(CARE-GNN)と呼ばれる新しいモデルを提案し、カモフラージュに対する3つのユニークなモジュールを用いたGNN集約プロセスを強化する。
  論文  参考訳（メタデータ） (2020-08-19T22:33:12Z)
• Machine learning methods to detect money laundering in the Bitcoin blockchain in the presence of label scarcity [1.7499351967216341]
  我々は、教師なし異常検出手法を用いた既存の最先端ソリューションが、実際のBitcoinトランザクションデータセットにおける不正なパターンを検出するのに不十分であることを示す。 提案するアクティブラーニングソリューションは, 5%のラベルを用いて, 完全に教師付きベースラインの性能を一致させることができる。
  論文  参考訳（メタデータ） (2020-05-29T15:52:48Z)
• Pump and Dumps in the Bitcoin Era: Real Time Detection of Cryptocurrency Market Manipulations [50.521292491613224]
  インターネット上のコミュニティによって組織されたポンプとダンプの詳細な分析を行う。 これらのコミュニティがどのように組織化され、どのように詐欺を行うかを観察します。 本研究では,不正行為をリアルタイムに検出する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-04T21:36:18Z)
• Defending against Backdoor Attack on Deep Neural Networks [98.45955746226106]
  トレーニングデータの一部にバックドアトリガーを注入する、いわゆるテキストバックドア攻撃について検討する。 実験の結果,本手法は攻撃成功率を効果的に低減し,クリーン画像の分類精度も高いことがわかった。
  論文  参考訳（メタデータ） (2020-02-26T02:03:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。