論文の概要: Detecting Anomalous Cryptocurrency Transactions: an AML/CFT Application
of Machine Learning-based Forensics
- arxiv url: http://arxiv.org/abs/2206.04803v3
- Date: Sat, 18 Mar 2023 14:41:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-24 04:07:11.773659
- Title: Detecting Anomalous Cryptocurrency Transactions: an AML/CFT Application
of Machine Learning-based Forensics
- Title(参考訳): 異常暗号通貨のトランザクション検出:機械学習に基づく鑑識のaml/cft応用
- Authors: Nadia Pocher, Mirko Zichichi, Fabio Merizzi, Muhammad Zohaib Shafiq
and Stefano Ferretti
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 5.617291981476445
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In shaping the Internet of Money, the application of blockchain and
distributed ledger technologies (DLTs) to the financial sector triggered
regulatory concerns. Notably, while the user anonymity enabled in this field
may safeguard privacy and data protection, the lack of identifiability hinders
accountability and challenges the fight against money laundering and the
financing of terrorism and proliferation (AML/CFT). As law enforcement agencies
and the private sector apply forensics to track crypto transfers across
ecosystems that are socio-technical in nature, this paper focuses on the
growing relevance of these techniques in a domain where their deployment
impacts the traits and evolution of the sphere. In particular, this work offers
contextualized insights into the application of methods of machine learning and
transaction graph analysis. Namely, it analyzes a real-world dataset of Bitcoin
transactions represented as a directed graph network through various
techniques. The modeling of blockchain transactions as a complex network
suggests that the use of graph-based data analysis methods can help classify
transactions and identify illicit ones. Indeed, this work shows that the neural
network types known as Graph Convolutional Networks (GCN) and Graph Attention
Networks (GAT) are a promising AML/CFT solution. Notably, in this scenario GCN
outperform other classic approaches and GAT are applied for the first time to
detect anomalies in Bitcoin. Ultimately, the paper upholds the value of
public-private synergies to devise forensic strategies conscious of the spirit
of explainability and data openness.
- Abstract(参考訳): マネーのインターネットの形成において、ブロックチェーンと分散台帳技術(DLT)の金融セクターへの応用が規制上の懸念を引き起こした。
この分野で有効になっているユーザの匿名性は、プライバシとデータ保護を保護する可能性があるが、識別性の欠如は説明責任を妨げ、マネーロンダリングとテロと拡散(AML/CFT)の資金提供との戦いに挑戦する。
法執行機関と民間部門は、本質的に社会技術である生態系間の暗号転送を追跡するために法医学を適用するため、これらの技術が、その展開が球体の特性や進化に影響を及ぼす領域における、その重要性の増大に焦点を当てる。
特にこの研究は、機械学習とトランザクショングラフ分析の手法の適用に関するコンテキスト化された洞察を提供する。
すなわち、さまざまなテクニックを通じて、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実際のデータセットを分析する。
複雑なネットワークとしてのブロックチェーントランザクションのモデリングは、グラフベースのデータ分析手法がトランザクションの分類と不正なトランザクションの識別に役立つことを示唆している。
実際、この研究はグラフ畳み込みネットワーク(gcn)とグラフアテンションネットワーク(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。
特に、このシナリオではGCNは他の古典的なアプローチよりも優れており、Bitcoinの異常を検出するために初めてGATが適用される。
最終的に、この論文は、説明可能性とデータのオープンさの精神を意識した法医学的戦略を考案する公共私的シナジーの価値を裏付けるものである。
関連論文リスト
- Provable Robustness of (Graph) Neural Networks Against Data Poisoning and Backdoor Attacks [50.87615167799367]
グラフニューラルネットワーク(GNN)は、特定のグラフのノード特徴をターゲットとした中毒やバックドア攻撃に対して認証する。
コンボリューションベースのGNNとPageRankベースのGNNの最悪の動作におけるグラフ構造の役割とその接続性に関する基本的な知見を提供する。
論文 参考訳(メタデータ) (2024-07-15T16:12:51Z) - The Shape of Money Laundering: Subgraph Representation Learning on the Blockchain with the Elliptic2 Dataset [6.209290101460395]
サブグラフ表現学習(Subgraph representation learning)は、複雑なネットワーク内の局所構造(または形状)を分析する技術である。
Bitcoinクラスタの122Kラベルのサブグラフを含むグラフデータセットであるElliptic2を紹介する。
このアプローチの即時的な実用価値と、暗号通貨における反マネーロンダリングと法医学的分析における新しい標準の可能性を見出す。
論文 参考訳(メタデータ) (2024-04-29T21:19:41Z) - Enhancing Trust and Privacy in Distributed Networks: A Comprehensive Survey on Blockchain-based Federated Learning [51.13534069758711]
ブロックチェーンのような分散型アプローチは、複数のエンティティ間でコンセンサスメカニズムを実装することで、魅力的なソリューションを提供する。
フェデレートラーニング(FL)は、参加者がデータのプライバシを保護しながら、協力的にモデルをトレーニングすることを可能にする。
本稿では,ブロックチェーンのセキュリティ機能とFLのプライバシ保護モデルトレーニング機能の相乗効果について検討する。
論文 参考訳(メタデータ) (2024-03-28T07:08:26Z) - Finding Money Launderers Using Heterogeneous Graph Neural Networks [0.0]
本稿では,大規模なヘテロジニアスネットワーク内のマネーロンダリング活動を特定するために,グラフニューラルネットワーク(GNN)アプローチを提案する。
我々は、MPNN(Message Passing Neural Network)と呼ばれる同種GNN法を拡張し、異種グラフ上で効果的に動作させる。
本研究は,異種グラフにおける情報の組み合わせにおいて,適切なGNNアーキテクチャを用いることの重要性を強調した。
論文 参考訳(メタデータ) (2023-07-25T13:49:15Z) - 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) - Blockchain Large Language Models [65.7726590159576]
本稿では,異常なブロックチェーントランザクションを検出するための動的,リアルタイムなアプローチを提案する。
提案するツールであるBlockGPTは、ブロックチェーンアクティビティのトレース表現を生成し、大規模な言語モデルをスクラッチからトレーニングして、リアルタイム侵入検出システムとして機能させる。
論文 参考訳(メタデータ) (2023-04-25T11:56:18Z) - 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) - Blockchain Phishing Scam Detection via Multi-channel Graph
Classification [1.6980621769406918]
フィッシング詐欺検出方法は、被害者を保護し、より健全なブロックチェーンエコシステムを構築する。
ユーザのためのトランザクションパターングラフを定義し,フィッシング詐欺検出をグラフ分類タスクに変換する。
提案したマルチチャネルグラフ分類モデル(MCGC)は,対象ユーザのトランザクションパターンの特徴を抽出することにより,潜在的なフィッシングを検出することができる。
論文 参考訳(メタデータ) (2021-08-19T02:59:55Z) - Relational Graph Neural Networks for Fraud Detection in a Super-App
environment [53.561797148529664]
スーパーアプリケーションの金融サービスにおける不正行為防止のための関係グラフ畳み込みネットワーク手法の枠組みを提案する。
我々は,グラフニューラルネットワークの解釈可能性アルゴリズムを用いて,ユーザの分類タスクに対する最も重要な関係を判定する。
以上の結果から,Super-Appの代替データと高接続性で得られるインタラクションを利用するモデルには,付加価値があることが示唆された。
論文 参考訳(メタデータ) (2021-07-29T00:02:06Z) - Identity Inference on Blockchain using Graph Neural Network [5.5927440285709835]
アカウントのアイデンティティに関する事前推論を目的としたアイデンティティ推論は、ブロックチェーンセキュリティにおいて重要な役割を果たします。
本稿では,id推論タスクをグラフ分類パターンに変換するトランザクションサブグラフの観点から,ユーザの行動を解析するための新しい手法を提案する。
また、$textI2 textBGNN$という汎用的なエンドツーエンドグラフニューラルネットワークモデルを提案し、サブグラフを入力として受け入れ、トランザクションサブグラフパターンをアカウントアイデンティティにマッピングする関数を学ぶことができる。
論文 参考訳(メタデータ) (2021-04-14T00:15:38Z) - Graph Backdoor [53.70971502299977]
GTAはグラフニューラルネットワーク(GNN)に対する最初のバックドア攻撃である。
GTAは、トポロジカル構造と記述的特徴の両方を含む特定の部分グラフとしてトリガーを定義する。
トランスダクティブ(ノード分類など)とインダクティブ(グラフ分類など)の両方のタスクに対してインスタンス化することができる。
論文 参考訳(メタデータ) (2020-06-21T19:45:30Z)
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。