論文の概要: AMLgentex: Mobilizing Data-Driven Research to Combat Money Laundering

• arxiv url: http://arxiv.org/abs/2506.13989v1
• Date: Tue, 03 Jun 2025 15:28:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-22 23:32:14.650829
• Title: AMLgentex: Mobilizing Data-Driven Research to Combat Money Laundering
• Title（参考訳）: AMLgentex: マネーロンダリングに対処するためのデータ駆動リサーチの安定化
• Authors: Johan Östman, Edvin Callisen, Anton Chen, Kristiina Ausmees, Emanuel Gårdh, Jovan Zamac, Jolanta Goldsteine, Hugo Wefer, Simon Whelan, Markus Reimegård,
• Abstract要約: マネーロンダリングは、不正な資金が合法的な経済に入ることを許すことによって組織犯罪を可能にする。 本稿では,AMLGentexについて述べる。AMLGentexは,リアルでベンチマーク可能なトランザクションデータと検出方法を生成するオープンソーススイートである。 主要な現実世界の課題を捉えた制御環境におけるマネーロンダリング防止システムの体系的評価を可能にする。
• 参考スコア（独自算出の注目度）: 1.8200934978381271
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Money laundering enables organized crime by allowing illicit funds to enter the legitimate economy. Although trillions of dollars are laundered each year, only a small fraction is ever uncovered. This stems from a range of factors, including deliberate evasion by launderers, the rarity of confirmed cases, and the limited visibility each financial institution has into the global transaction network. While several synthetic datasets are available, they fail to model the structural and behavioral complexity of real-world money laundering. In particular, they often overlook partial observability, sparse and uncertain labels, strategic behavior, temporal dynamics, class imbalance, and network-level dependencies. To address these limitations, we present AMLGentex, an open-source suite for generating realistic, configurable transaction data and benchmarking detection methods. It enables systematic evaluation of anti-money laundering (AML) systems in a controlled environment that captures key real-world challenges. We demonstrate how the framework can be used to rigorously evaluate methods under conditions that reflect the complexity of practical AML scenarios.
• Abstract（参考訳）: マネーロンダリングは、不正な資金が合法的な経済に入ることを許すことによって組織犯罪を可能にする。 毎年数兆ドルが洗浄されるが、わずかしか発見されていない。 これは、洗浄業者による故意の回避、確認されたケースの希少性、各金融機関がグローバル取引ネットワークに限定した可視性など、さまざまな要因に起因している。 いくつかの合成データセットが利用可能であるが、実際のマネーロンダリングの構造的および行動的複雑さをモデル化することができない。 特に、部分的な可観測性、スパースと不確実なラベル、戦略的振る舞い、時間的ダイナミクス、クラス不均衡、ネットワークレベルの依存関係を見落としていることが多い。 これらの制約に対処するため、AMLGentexはリアルで構成可能なトランザクションデータとベンチマーク検出方法を生成するオープンソーススイートである。 マネーロンダリング(英語版) (AML) システムを制御された環境で体系的に評価し、主要な現実世界の課題を捉えることができる。 本稿では,実践的なAMLシナリオの複雑さを反映した条件下で,このフレームワークを用いてメソッドを厳格に評価する方法を実証する。

関連論文リスト

• Are You Getting What You Pay For? Auditing Model Substitution in LLM APIs [60.881609323604685]
  ブラックボックスAPIを通じてアクセスされるLarge Language Models (LLM)は、信頼の課題をもたらす。 ユーザーは、宣伝されたモデル機能に基づいたサービスの料金を支払う。 プロバイダは、運用コストを削減するために、特定のモデルを安価で低品質の代替品に隠蔽的に置き換えることができる。 この透明性の欠如は、公正性を損なうとともに、信頼を損なうとともに、信頼性の高いベンチマークを複雑にする。
  論文  参考訳（メタデータ） (2025-04-07T03:57:41Z)
• 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)
• Beyond Static Datasets: A Behavior-Driven Entity-Specific Simulation to Overcome Data Scarcity and Train Effective Crypto Anti-Money Laundering Models [0.23020018305241333]
  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。
  論文  参考訳（メタデータ） (2025-01-01T06:58:05Z)
• 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)
• 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)
• 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)

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。