論文の概要: GARG-AML against Smurfing: A Scalable and Interpretable Graph-Based Framework for Anti-Money Laundering

• arxiv url: http://arxiv.org/abs/2506.04292v1
• Date: Wed, 04 Jun 2025 11:30:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-06 21:53:49.333157
• Title: GARG-AML against Smurfing: A Scalable and Interpretable Graph-Based Framework for Anti-Money Laundering
• Title（参考訳）: Smurfingに対するGARG-AML - アンチモニー洗浄のためのスケーラブルで解釈可能なグラフベースのフレームワーク
• Authors: Bruno Deprez, Bart Baesens, Tim Verdonck, Wouter Verbeke,
• Abstract要約: マネーロンダリングは世界のGDPの2%-5%を占めると見積もられている。 GARG-AMLは、単一の解釈可能なメートル法によってシャムリングリスクを定量化する新しいグラフベースの手法である。
• 参考スコア（独自算出の注目度）: 1.9461779294968458
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Money laundering poses a significant challenge as it is estimated to account for 2%-5% of the global GDP. This has compelled regulators to impose stringent controls on financial institutions. One prominent laundering method for evading these controls, called smurfing, involves breaking up large transactions into smaller amounts. Given the complexity of smurfing schemes, which involve multiple transactions distributed among diverse parties, network analytics has become an important anti-money laundering tool. However, recent advances have focused predominantly on black-box network embedding methods, which has hindered their adoption in businesses. In this paper, we introduce GARG-AML, a novel graph-based method that quantifies smurfing risk through a single interpretable metric derived from the structure of the second-order transaction network of each individual node in the network. Unlike traditional methods, GARG-AML strikes an effective balance among computational efficiency, detection power and transparency, which enables its integration into existing AML workflows. To enhance its capabilities, we combine the GARG-AML score calculation with different tree-based methods and also incorporate the scores of the node's neighbours. An experimental evaluation on large-scale synthetic and open-source networks demonstrate that the GARG-AML outperforms the current state-of-the-art smurfing detection methods. By leveraging only the adjacency matrix of the second-order neighbourhood and basic network features, this work highlights the potential of fundamental network properties towards advancing fraud detection.
• Abstract（参考訳）: マネーロンダリングは世界GDPの2%-5%を占めると見積もられているため、大きな課題となっている。 これにより、規制当局は金融機関に厳格な規制を課せざるを得なくなった。 シャーフリング(smurfing)と呼ばれる、これらの制御を回避するための有名な洗浄方法の一つは、大きなトランザクションを小さな量に分割することである。 多様なパーティに分散された複数のトランザクションを含むマーフィングスキームの複雑さを考えると、ネットワーク分析は重要なマネーロンダリングツールとなっている。 しかし、近年の進歩は、主にブラックボックスネットワークの埋め込みに焦点を合わせており、企業における導入を妨げている。 本稿では,ネットワーク内の各ノードの2階トランザクションネットワークの構造から導かれる1つの解釈可能なメトリックを用いて,シャフリングリスクを定量化する新しいグラフベースのGARG-AMLを提案する。 従来の方法とは異なり、GARG-AMLは計算効率、検出能力、透明性のバランスを保ち、既存のAMLワークフローとの統合を可能にする。 そこで我々は,GARG-AMLスコア計算と異なる木に基づく手法を組み合わせるとともに,ノード近傍のスコアを組み込む。 GARG-AMLは、大規模合成およびオープンソースネットワークの実験評価により、現在の最先端スマーフィング検出法よりも優れた性能を示した。 本研究は,第2次地区の隣接行列と基本ネットワークの特徴のみを活用することにより,不正検出の進展に向けた基本ネットワーク特性の可能性を明らかにする。

関連論文リスト

• Deep Learning Approaches for Anti-Money Laundering on Mobile Transactions: Review, Framework, and Directions [51.43521977132062]
  マネーロンダリング(英: Money laundering)は、不正資金の起源を隠蔽する金融犯罪である。 モバイル決済プラットフォームとスマートIoTデバイスの普及は、マネーロンダリング対策をかなり複雑にしている。 本稿では,AMLにおけるディープラーニングソリューションとその利用に関する課題について,包括的レビューを行う。
  論文  参考訳（メタデータ） (2025-03-13T05:19:44Z)
• A Label-Free Heterophily-Guided Approach for Unsupervised Graph Fraud Detection [60.09453163562244]
  本稿では,非教師付きGFDのための非教師付きグラフ不正検出手法(HUGE)を提案する。 推定モジュールでは、GFD の臨界グラフ特性をキャプチャする HALO と呼ばれる新しいラベルフリーなヘテロフィリー計量を設計する。 アライメントに基づく不正検出モジュールにおいて、ランキング損失と非対称アライメント損失を有する合同GNNアーキテクチャを開発する。
  論文  参考訳（メタデータ） (2025-02-18T22:07:36Z)
• Privacy-Preserving Graph-Based Machine Learning with Fully Homomorphic Encryption for Collaborative Anti-Money Laundering [4.1964397179107085]
  本研究では、協調機械学習のための新しいプライバシー保護手法を提案する。 プライバシと規制の遵守を維持しながら、機関や国境を越えたセキュアなデータ共有を容易にする。 この研究は2つの重要なプライバシー保護パイプラインに貢献している。
  論文  参考訳（メタデータ） (2024-11-05T09:13:53Z)
• Topology-Agnostic Detection of Temporal Money Laundering Flows in Billion-Scale Transactions [0.03626013617212666]
  本稿では,シーケンシャルトランザクションの時間グラフを効率的に構築するフレームワークを提案する。 我々は,不審な取引フローを検出するための2つの最先端ソリューションに対するフレームワークのスケーラビリティと有効性を評価する。
  論文  参考訳（メタデータ） (2023-09-24T15:11:58Z)
• 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)
• LaundroGraph: Self-Supervised Graph Representation Learning for Anti-Money Laundering [5.478764356647437]
  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。
  論文  参考訳（メタデータ） (2022-10-25T21:58:02Z)
• IBP Regularization for Verified Adversarial Robustness via Branch-and-Bound [85.6899802468343]
  IBP-Rは, どちらも簡便なトレーニングアルゴリズムである。 また、$beta$-CROWNに基づく新しいロバスト性であるUPBを提示し、最先端の分岐アルゴリズムのコストを削減する。
  論文  参考訳（メタデータ） (2022-06-29T17:13:25Z)

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。