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/2506.04292v2
• Date: Thu, 02 Oct 2025 12:29:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-03 19:26:07.852349
• 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: 本稿では, 効率的なアンチマネーロンダリング(AML)のためのグラフベースの新しいGARG-AMLを提案する。 ネットワーク内の各ノードに1つの解釈可能なスコアを与えることで、一般的なマネーロンダリング手法であるスマーフィングリスクを定量化する。 提案手法は, 計算効率, 検出能力, 透明性のバランスをとる。
• 参考スコア（独自算出の注目度）: 5.4807970361321585
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Purpose: This paper introduces a novel graph-based method, GARG-AML, for efficient and effective anti-money laundering (AML). It quantifies smurfing risk, a popular money laundering method, by providing each node in the network with a single interpretable score. The proposed method strikes a balance among computational efficiency, detection power and transparency. Different versions of GARG-AML are introduced for undirected and directed networks. Methodology: GARG-AML constructs the adjacency matrix of a node's second-order neighbourhood in a specific way. This allows us to use the density of different blocks in the adjacency matrix to express the neighbourhood's resemblance to a pure smurfing pattern. GARG-AML is extended using a decision tree and gradient-boosting classifier to increase its performance even more. The methods are tested on synthetic and on open-source data against the current state-of-the-art in AML. Findings: We find that GARG-AML obtains state-of-the-art performance on all datasets. We illustrate that GARG-AML scales well to massive transactions graphs encountered at financial institutions. 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. Originality: This paper uses only basic network features and expert knowledge on smurfing to construct a performant AML system. The originality lies in the translation of smurfing detection to these features and network representation. Our proposed method is built around the real business needs of scalability and interpretability. It therefore provides a solution that can be easily implemented at financial institutions or incorporated in existing AML solutions.
• Abstract（参考訳）: 目的: 本論文では, 効率的な対マネーロンダリング(AML)のためのグラフベースの新しい手法であるGARG-AMLを提案する。 ネットワーク内の各ノードに1つの解釈可能なスコアを与えることで、一般的なマネーロンダリング手法であるスマーフィングリスクを定量化する。 提案手法は, 計算効率, 検出能力, 透明性のバランスをとる。 GARG-AMLの異なるバージョンは、非指向型および指向型ネットワークに導入された。 方法論: GARG-AML はノードの2階近傍の隣接行列を特定の方法で構築する。 これにより、隣接行列内の異なるブロックの密度を用いて、近傍の純粋なシャーフリングパターンとの類似性を表現できる。 GARG-AMLは決定木と勾配ブースティング分類器を使用して拡張され、さらに性能が向上する。 これらの方法は、AMLの現在の最先端技術に対して、合成およびオープンソースデータ上でテストされる。 Findings: GARG-AMLはすべてのデータセットで最先端のパフォーマンスを得る。 本稿では、GARG-AMLが金融機関で遭遇した大規模取引グラフに匹敵する規模であることを示す。 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。 原点: 本論文では, 性能のよいAMLシステムを構築するために, 基礎的なネットワーク機能と, シュマーフィングに関する専門知識のみを用いる。 その独創性は、これらの特徴とネットワーク表現へのシャーフリング検出の翻訳にある。 提案手法は,スケーラビリティと解釈可能性の実際のビジネスニーズに基づいて構築されている。 そのため、金融機関や既存のAMLソリューションに簡単に組み込めるソリューションを提供する。

関連論文リスト

• Detecting Fraud in Financial Networks: A Semi-Supervised GNN Approach with Granger-Causal Explanations [5.407319151576265]
  金融業界の粗悪な活動は毎年何十億ドルもの費用がかかる。 本稿では、金融インタラクションネットワークのためのグランガー因果説明を用いた半教師付きグラフニューラルネットワーク(GNN)に基づくアプローチであるSAGE-FINを提案する。 実世界のデータセットであるBipartite Edge-And-Node Attributed Financial Network (Elliptic++)上でのSAGE-FINの良好な性能を実証的に検証し,ネットワーク構造を前提とせずに識別された不正項目についてグランガー因果説明を行った。
  論文  参考訳（メタデータ） (2025-06-25T12:04:40Z)
• NDCG-Consistent Softmax Approximation with Accelerated Convergence [67.10365329542365]
  本稿では,ランキングの指標と直接一致した新たな損失定式化を提案する。 提案したRG損失を高効率な Alternating Least Squares (ALS) 最適化手法と統合する。 実世界のデータセットに対する実証的な評価は、我々のアプローチが同等または上位のパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2025-06-11T06:59:17Z)
• 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)
• Optimization Guarantees of Unfolded ISTA and ADMM Networks With Smooth Soft-Thresholding [57.71603937699949]
  我々は,学習エポックの数の増加とともに,ほぼゼロに近いトレーニング損失を達成するための最適化保証について検討した。 トレーニングサンプル数に対する閾値は,ネットワーク幅の増加とともに増加することを示す。
  論文  参考訳（メタデータ） (2023-09-12T13:03:47Z)
• 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。