論文の概要: Intelligent Anti-Money Laundering Solution Based upon Novel Community Detection in Massive Transaction Networks on Spark
- arxiv url: http://arxiv.org/abs/2501.09026v1
- Date: Wed, 08 Jan 2025 02:57:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-19 07:42:21.824897
- Title: Intelligent Anti-Money Laundering Solution Based upon Novel Community Detection in Massive Transaction Networks on Spark
- Title(参考訳): Spark上の大規模トランザクションネットワークにおける新しいコミュニティ検出に基づくインテリジェントなアンチモニー洗浄ソリューション
- Authors: Xurui Li, Xiang Cao, Xuetao Qiu, Jintao Zhao, Jianbin Zheng,
- Abstract要約: 関連するマネーロンダリングパターンに従ってコミュニティを検出するための時間方向ルービンアルゴリズムが提案されている。
このソリューションは、金融規制機関のマネーロンダリング防止作業の効率を大幅に向上させることができる。
- 参考スコア(独自算出の注目度): 5.230386823973596
- License:
- Abstract: Criminals are using every means available to launder the profits from their illegal activities into ostensibly legitimate assets. Meanwhile, most commercial anti-money laundering systems are still rule-based, which cannot adapt to the ever-changing tricks. Although some machine learning methods have been proposed, they are mainly focused on the perspective of abnormal behavior for single accounts. Considering money laundering activities are often involved in gang criminals, these methods are still not intelligent enough to crack down on criminal gangs all-sidedly. In this paper, a systematic solution is presented to find suspicious money laundering gangs. A temporal-directed Louvain algorithm has been proposed to detect communities according to relevant anti-money laundering patterns. All processes are implemented and optimized on Spark platform. This solution can greatly improve the efficiency of anti-money laundering work for financial regulation agencies.
- Abstract(参考訳): 犯罪者は、違法行為から得た利益を、目に見える正当な資産に洗浄するために、あらゆる手段を使用している。
一方、ほとんどの商用の反マネーロンダリングシステムは依然としてルールベースであり、変わらぬトリックには対応できない。
いくつかの機械学習手法が提案されているが、主に単一アカウントにおける異常な振る舞いの観点に焦点を当てている。
マネーロンダリング(マネーロンダリング)がしばしばギャング犯罪者に関係していることを考えると、これらの方法はいまだに犯罪ギャングを全面的に取り締まるほどの知性を持っていない。
本稿では、不審なマネーロンダリング・ギャングを見つけるための体系的な解決策を提案する。
関連するマネーロンダリングパターンに従ってコミュニティを検出するための時間方向ルービンアルゴリズムが提案されている。
すべてのプロセスはSparkプラットフォームで実装され、最適化されている。
このソリューションは、金融規制機関のマネーロンダリング防止作業の効率を大幅に向上させることができる。
関連論文リスト
- 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) - Cryptocurrency Portfolio Optimization by Neural Networks [81.20955733184398]
本稿では,これらの投資商品を活用するために,ニューラルネットワークに基づく効果的なアルゴリズムを提案する。
シャープ比を最大化するために、各アセットの割り当て重量を時間間隔で出力するディープニューラルネットワークを訓練する。
ネットワークの特定の資産に対するバイアスを規制する新たな損失項を提案し,最小分散戦略に近い割り当て戦略をネットワークに学習させる。
論文 参考訳(メタデータ) (2023-10-02T12:33:28Z) - 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) - 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) - Bandit Social Learning: Exploration under Myopic Behavior [58.75758600464338]
オンラインプラットフォーム上でのレビューによって動機付けられた社会学習のダイナミクスについて検討する。
エージェントはまとめて単純なマルチアームのバンディットプロトコルに従うが、各エージェントは探索を伴わずにミオプティカルに振る舞う。
このような振る舞いに対して,スターク学習の失敗を導出し,好意的な結果を提供する。
論文 参考訳(メタデータ) (2023-02-15T01:57:57Z) - Corruption-Robust Algorithms with Uncertainty Weighting for Nonlinear
Contextual Bandits and Markov Decision Processes [59.61248760134937]
本稿では,$tildeO(sqrtT+zeta)$を後悔するアルゴリズムを提案する。
提案アルゴリズムは、最近開発された線形文脈帯域からの不確実性重み付き最小二乗回帰に依存する。
本稿では,提案アルゴリズムをエピソディックなMDP設定に一般化し,まず汚職レベル$zeta$への付加的依存を実現する。
論文 参考訳(メタデータ) (2022-12-12T15:04:56Z) - 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) - 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) - 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) - Adversarial Attacks on Linear Contextual Bandits [87.08004581867537]
悪意のあるエージェントは、望ましい行動を実行するためにバンディットアルゴリズムを攻撃するインセンティブを持つ可能性がある。
悪意のあるエージェントは、線形コンテキストのバンドイットアルゴリズムに任意のアーム$T - o(T)$倍を$T$ステップで引き出すように強制することができる。
また,悪意のあるエージェントが単一コンテキストにおける帯域幅アルゴリズムの動作に影響を与えることに関心がある場合についても検討する。
論文 参考訳(メタデータ) (2020-02-10T15:04:09Z)
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。