論文の概要: Beyond Static Datasets: A Behavior-Driven Entity-Specific Simulation to Overcome Data Scarcity and Train Effective Crypto Anti-Money Laundering Models
- arxiv url: http://arxiv.org/abs/2501.00757v1
- Date: Wed, 01 Jan 2025 06:58:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-05 17:14:43.196801
- Title: Beyond Static Datasets: A Behavior-Driven Entity-Specific Simulation to Overcome Data Scarcity and Train Effective Crypto Anti-Money Laundering Models
- Title（参考訳）: 静的データセットを超えて - データスカシティを克服し、効果的な暗号化アンチモニー洗浄モデルをトレーニングするための振る舞い駆動エンティティ特有なシミュレーション
- Authors: Dinesh Srivasthav P, Manoj Apte,
- Abstract要約: マネーロンダリングは、他の違法行為からの資金移動を停止するために緩和される重要な犯罪である。
暗号通貨取引におけるマネーロンダリングの特定は非常に困難になっている。
本稿では,個人固有のマネーロンダリングのような行動シミュレーションを提案する。
- 参考スコア（独自算出の注目度）: 0.23020018305241333
- License:
- Abstract: For different factors/reasons, ranging from inherent characteristics and features providing decentralization, enhanced privacy, ease of transactions, etc., to implied external hardships in enforcing regulations, contradictions in data sharing policies, etc., cryptocurrencies have been severely abused for carrying out numerous malicious and illicit activities including money laundering, darknet transactions, scams, terrorism financing, arm trades. However, money laundering is a key crime to be mitigated to also suspend the movement of funds from other illicit activities. Billions of dollars are annually being laundered. It is getting extremely difficult to identify money laundering in crypto transactions owing to many layering strategies available today, and rapidly evolving tactics, and patterns the launderers use to obfuscate the illicit funds. Many detection methods have been proposed ranging from naive approaches involving complete manual investigation to machine learning models. However, there are very limited datasets available for effectively training machine learning models. Also, the existing datasets are static and class-imbalanced, posing challenges for scalability and suitability to specific scenarios, due to lack of customization to varying requirements. This has been a persistent challenge in literature. In this paper, we propose behavior embedded entity-specific money laundering-like transaction simulation that helps in generating various transaction types and models the transactions embedding the behavior of several entities observed in this space. The paper discusses the design and architecture of the simulator, a custom dataset we generated using the simulator, and the performance of models trained on this synthetic data in detecting real addresses involved in money laundering.
- Abstract（参考訳）: さまざまな要因や理由から、分散化、プライバシー強化、取引の容易化、規制の強化、データ共有ポリシーの矛盾など、外的困難を示唆する外的困難から、マネーロンダリング、ダークネット取引、詐欺、テロリズムファイナンス、武器取引など、多くの悪意ある不正な活動を実行するために、暗号通貨が悪用されている。
しかし、マネーロンダリングは、他の違法行為からの資金移動を停止させるために緩和される重要な犯罪である。
毎年数十億ドルが洗浄されている。
暗号通貨取引におけるマネーロンダリング(マネーロンダリング)の特定は、今日の多くの階層化戦略や急速に進化する戦術や、マネーロンダラーが不正な資金を難なくするために使用するパターンにより、非常に困難になっている。
完全な手作業による調査から機械学習モデルまで,多くの検出手法が提案されている。
しかし、機械学習モデルを効果的にトレーニングするためのデータセットは非常に限られています。
また、既存のデータセットは静的でクラス不均衡であり、さまざまな要件に対するカスタマイズの欠如により、特定のシナリオに対するスケーラビリティと適合性の課題を提起している。
これは文学における永続的な挑戦である。
本稿では,この空間で観測された複数のエンティティの振る舞いを埋め込んだトランザクションをモデル化し,様々なトランザクションタイプの生成を支援する,行動埋め込み型エンティティ特異的マネーロンダリングのようなトランザクションシミュレーションを提案する。
本稿では,シミュレータの設計とアーキテクチャ,シミュレータを用いて作成したカスタムデータセット,およびマネーロンダリングに関わる実際のアドレスを検出するために,この合成データに基づいて訓練されたモデルの性能について論じる。
関連論文リスト
- STORM: A Spatio-Temporal Factor Model Based on Dual Vector Quantized Variational Autoencoders for Financial Trading [55.02735046724146]
金融取引では、ファクターモデルが資産の価格設定や過大なリターンの獲得に広く利用されている。
双対ベクトル量子化変分オートエンコーダを用いた時空間ファクトラーモデルSTORMを提案する。
ストームは時間的および空間的な視点からストックの特徴を抽出し、これらの特徴を微細で意味的なレベルで融合し整列させ、その要素を多次元の埋め込みとして表現する。
論文 参考訳（メタデータ） (2024-12-12T17:15:49Z) - A Review on Cryptocurrency Transaction Methods for Money Laundering [2.1711205684359243]
マネーロンダリングに使われている現在の暗号通貨に基づく手法の特徴付けは、物理的およびデジタルマネーの流通フローを理解する上で最重要である。
本稿は、今後不正マネーロンダリング活動を防止するための効率的な戦略を設計するのに役立つかもしれない。
論文 参考訳（メタデータ） (2023-11-28T20:17:11Z) - Segue: Side-information Guided Generative Unlearnable Examples for
Facial Privacy Protection in Real World [64.4289385463226]
生成不可能な例としては、Segue: Side-information guided Generative unlearnable Exampleを提案する。
転送性を向上させるために,真のラベルや擬似ラベルなどの側面情報を導入する。
JPEG圧縮、敵対的トレーニング、およびいくつかの標準的なデータ拡張に抵抗することができる。
論文 参考訳（メタデータ） (2023-10-24T06:22:37Z) - From Asset Flow to Status, Action and Intention Discovery: Early Malice
Detection in Cryptocurrency [9.878712887719978]
理想的な検出モデルは, (I) 早期検出, (II) 良好な解釈性, (III) 様々な不正行為に対する汎用性の3つの重要な特性をすべて達成できることが期待される。
Intention-Monitor for early malice detection in Bitcoin (BTC)では、特定のアドレスのオンチェーンレコードデータが他の暗号通貨プラットフォームよりもはるかに少ない。
我々のモデルは高度に解釈可能であり、様々な違法な活動を検出することができる。
論文 参考訳（メタデータ） (2023-09-26T07:12:59Z) - 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) - Realistic Synthetic Financial Transactions for Anti-Money Laundering
Models [2.3802629107286046]
マネーロンダリング(英: Money laundering)とは、不正な資金が彼らの起源を隠蔽する動きである。
国連の推計では、世界のGDPの2-5%、すなわち0.8ドルから2.0兆ドルは毎年世界規模で洗浄されている。
本稿では、合成金融トランザクションデータセット生成器と合成生成されたAMLデータセットのセットに貢献する。
論文 参考訳（メタデータ） (2023-06-22T10:32:51Z) - 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) - Enhancing Multiple Reliability Measures via Nuisance-extended
Information Bottleneck [77.37409441129995]
トレーニングデータに制限がある現実的なシナリオでは、データ内の多くの予測信号は、データ取得のバイアスからより多く得る。
我々は,相互情報制約の下で,より広い範囲の摂動をカバーできる敵の脅威モデルを考える。
そこで本研究では,その目的を実現するためのオートエンコーダベーストレーニングと,提案したハイブリッド識別世代学習を促進するための実用的なエンコーダ設計を提案する。
論文 参考訳（メタデータ） (2023-03-24T16:03:21Z) - Catch Me If You Can: Semi-supervised Graph Learning for Spotting Money
Laundering [0.4159343412286401]
マネーロンダリング(英: Money laundering)とは、犯罪者が違法な資金を追跡不可能な場所に移すために金融サービスを利用するプロセスである。
反マネーロンダリング(AML)を施行するためには、これらの活動を正確かつ確実に特定することが極めて重要である。
本稿では,金融取引のグラフに対する半教師付きグラフ学習手法を用いて,マネーロンダリングに関連するノードを特定する。
論文 参考訳（メタデータ） (2023-02-23T09:34:19Z) - Fighting Money Laundering with Statistics and Machine Learning [95.42181254494287]
反マネーロンダリングのための統計的および機械学習手法に関する科学的文献はほとんどない。
本研究では,クライアントのリスクプロファイリングと疑わしい行動フラグングという2つの中心的要素を持つ統一用語を提案する。
論文 参考訳（メタデータ） (2022-01-11T21:31:18Z) - Adversarial Attacks on Deep Models for Financial Transaction Records [13.331136078870527]
トランザクションレコードを入力として使用する機械学習モデルは、金融機関の間で人気がある。
ディープラーニングモデルは敵の攻撃に対して脆弱であり、入力のわずかな変更はモデルの出力を損なう。
本研究では,取引記録データに対する敵攻撃と,これらの攻撃からの防御について検討する。
論文 参考訳（メタデータ） (2021-06-15T18:15:26Z)
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。