論文の概要: LaundroGraph: Self-Supervised Graph Representation Learning for
Anti-Money Laundering
- arxiv url: http://arxiv.org/abs/2210.14360v1
- Date: Tue, 25 Oct 2022 21:58:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-27 13:48:11.625131
- Title: LaundroGraph: Self-Supervised Graph Representation Learning for
Anti-Money Laundering
- Title（参考訳）: LaundroGraph: アンチモニー洗浄のための自己監督型グラフ表現学習
- Authors: M\'ario Cardoso, Pedro Saleiro, Pedro Bizarro
- Abstract要約: LaundroGraphは、新しい教師付きグラフ表現学習アプローチである。
マネーロンダリング防止プロセスを支援するための洞察を提供する。
我々の知る限りでは、これはAML検出の文脈における最初の完全自己教師システムである。
- 参考スコア（独自算出の注目度）: 5.478764356647437
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Anti-money laundering (AML) regulations mandate financial institutions to
deploy AML systems based on a set of rules that, when triggered, form the basis
of a suspicious alert to be assessed by human analysts. Reviewing these cases
is a cumbersome and complex task that requires analysts to navigate a large
network of financial interactions to validate suspicious movements.
Furthermore, these systems have very high false positive rates (estimated to be
over 95\%). The scarcity of labels hinders the use of alternative systems based
on supervised learning, reducing their applicability in real-world
applications.
In this work we present LaundroGraph, a novel self-supervised graph
representation learning approach to encode banking customers and financial
transactions into meaningful representations. These representations are used to
provide insights to assist the AML reviewing process, such as identifying
anomalous movements for a given customer. LaundroGraph represents the
underlying network of financial interactions as a customer-transaction
bipartite graph and trains a graph neural network on a fully self-supervised
link prediction task. We empirically demonstrate that our approach outperforms
other strong baselines on self-supervised link prediction using a real-world
dataset, improving the best non-graph baseline by $12$ p.p. of AUC. The goal is
to increase the efficiency of the reviewing process by supplying these
AI-powered insights to the analysts upon review. To the best of our knowledge,
this is the first fully self-supervised system within the context of AML
detection.
- Abstract（参考訳）: 反マネーロンダリング(AML)規制は、金融機関に対して、人的アナリストによって評価される疑わしい警告の基盤となる一連のルールに基づいて、AMLシステムの展開を義務付ける。
これらのケースをレビューするのは面倒で複雑な作業であり、アナリストは不審な動きを検証するために、大きな金融相互作用のネットワークをナビゲートする必要がある。
さらに、これらのシステムは非常に高い偽陽性率を持つ(95\%以上と推定される)。
ラベルの不足は、教師付き学習に基づく代替システムの使用を妨げるため、現実のアプリケーションへの適用性が低下する。
本稿では、銀行顧客と金融取引を意味のある表現にエンコードする、新しい自己教師付きグラフ表現学習手法laundrographを提案する。
これらの表現は、ある顧客に対する異常な動きを特定するなど、AMLレビュープロセスを支援する洞察を提供するために使用される。
laundrographは、金融相互作用の基盤となるネットワークを顧客取引2部グラフとして表現し、完全に自己教師付きリンク予測タスクでグラフニューラルネットワークを訓練する。
実世界のデータセットを用いた自己教師型リンク予測において,我々のアプローチが他の強力なベースラインよりも優れていることを実証的に証明し,AUCの12ドルpで最高の非グラフベースラインを改善した。
目標は、レビュー中のアナリストにこれらのAIによる洞察を提供することで、レビュープロセスの効率を高めることである。
我々の知る限りでは、これはAML検出の文脈における最初の完全自己教師システムである。
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て、バックドアを含む有毒な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) - Graph Transductive Defense: a Two-Stage Defense for Graph Membership Inference Attacks [50.19590901147213]
グラフニューラルネットワーク(GNN)は、さまざまな現実世界のアプリケーションにおいて、強力なグラフ学習機能を提供する。
GNNは、メンバーシップ推論攻撃(MIA)を含む敵攻撃に対して脆弱である
本稿では,グラフトランスダクティブ学習特性に合わせて,グラフトランスダクティブ・ディフェンス(GTD)を提案する。
論文 参考訳（メタデータ） (2024-06-12T06:36:37Z) - Advancing Anomaly Detection: Non-Semantic Financial Data Encoding with LLMs [49.57641083688934]
本稿では,Large Language Models (LLM) 埋め込みを用いた財務データにおける異常検出の新しい手法を提案する。
実験により,LLMが異常検出に有用な情報をもたらし,モデルがベースラインを上回っていることが確認された。
論文 参考訳（メタデータ） (2024-06-05T20:19:09Z) - Network Analytics for Anti-Money Laundering -- A Systematic Literature Review and Experimental Evaluation [1.7119723306387908]
本稿では、アンチマネーロンダリング(AML)のためのNA(Network Analytics)に関する文献を網羅し、体系的にレビューする。
Web of Science と Scopus データベースの97論文を特定し分析した結果,Bockel-Rickermann らによる不正分析フレームワークによるアプローチの分類が得られた。
このフレームワークは一般公開されているEllipticデータセットに適用され、手動機能エンジニアリング、ランダムウォークベースのメソッド、ディープラーニングGNNを実装している。
論文 参考訳（メタデータ） (2024-05-29T08:48:52Z) - 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) - 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) - Anti-Money Laundering Alert Optimization Using Machine Learning with
Graphs [0.769672852567215]
マネーロンダリング(英: Money laundering)は、重大通貨からの収益(毎年1.7-4兆ユーロ)の合法化に関する世界的な問題である。
本稿では,ルールベースシステムを補完し,警告のリスクを正確に予測する機械学習トリアージモデルを提案する。
実世界の銀行のデータセット上で、我々のモデルを検証し、トリアージモデルが真正の90%以上を検出しながら、偽正の数を80%削減できることを示す。
論文 参考訳（メタデータ） (2021-12-14T16:12:30Z) - 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) - Supporting Financial Inclusion with Graph Machine Learning and Super-App
Alternative Data [63.942632088208505]
スーパーアプリは、ユーザーとコマースの相互作用についての考え方を変えました。
本稿では,スーパーアプリ内のユーザ間のインタラクションの違いが,借り手行動を予測する新たな情報源となるかを検討する。
論文 参考訳（メタデータ） (2021-02-19T15:13:06Z) - A Semi-supervised Graph Attentive Network for Financial Fraud Detection [30.645390612737266]
本稿では,多視点ラベル付きおよびラベルなしデータを不正検出に用いる半教師付き減衰型グラフニューラルネットワークSemiSemiGNNを提案する。
ソーシャルリレーションとユーザ属性を利用することで,2つのタスクにおける最先端手法と比較して精度が向上する。
論文 参考訳（メタデータ） (2020-02-28T10:35:25Z) - Adversarial Attacks on Machine Learning Systems for High-Frequency
Trading [55.30403936506338]
逆機械学習の観点から,アルゴリズム取引のバリュエーションモデルについて検討する。
攻撃コストを最小限に抑えるサイズ制約で、このドメインに特有の新たな攻撃を導入する。
本稿では、金融モデルのロバスト性について研究・評価するための分析ツールとして、これらの攻撃がどのように利用できるかについて論じる。
論文 参考訳（メタデータ） (2020-02-21T22:04:35Z)
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。