論文の概要: Blockchain Network Analysis using Quantum Inspired Graph Neural Networks & Ensemble Models

• arxiv url: http://arxiv.org/abs/2508.09237v1
• Date: Tue, 12 Aug 2025 12:11:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-14 20:42:00.645586
• Title: Blockchain Network Analysis using Quantum Inspired Graph Neural Networks & Ensemble Models
• Title（参考訳）: 量子インスパイアされたグラフニューラルネットワークとアンサンブルモデルを用いたブロックチェーンネットワーク解析
• Authors: Luigi D'Amico, Daniel De Rosso, Ninad Dixit, Raul Salles de Padua, Samuel Palmer, Samuel Mugel, Román Orús, Holger Eble, Ali Abedi,
• Abstract要約: 本研究では,量子インスパイアされたグラフニューラルネットワーク(QI-GNN)と,QBoostやRandom Forrestのような古典モデルを用いたエンサンブルモデルの選択の柔軟性を組み合わせた新しいアプローチを提案する。 このシステムを設計するための手法は,グラフニューラルネットワークフレームワークに新しいコンポーネントであるCP(Canonical Polyadic)分解層を組み込み,複雑なデータ構造を効率的に処理・解析する能力を向上させる。
• 参考スコア（独自算出の注目度）: 0.32045605556635065
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the rapidly evolving domain of financial technology, the detection of illicit transactions within blockchain networks remains a critical challenge, necessitating robust and innovative solutions. This work proposes a novel approach by combining Quantum Inspired Graph Neural Networks (QI-GNN) with flexibility of choice of an Ensemble Model using QBoost or a classic model such as Random Forrest Classifier. This system is tailored specifically for blockchain network analysis in anti-money laundering (AML) efforts. Our methodology to design this system incorporates a novel component, a Canonical Polyadic (CP) decomposition layer within the graph neural network framework, enhancing its capability to process and analyze complex data structures efficiently. Our technical approach has undergone rigorous evaluation against classical machine learning implementations, achieving an F2 score of 74.8% in detecting fraudulent transactions. These results highlight the potential of quantum-inspired techniques, supplemented by the structural advancements of the CP layer, to not only match but potentially exceed traditional methods in complex network analysis for financial security. The findings advocate for a broader adoption and further exploration of quantum-inspired algorithms within the financial sector to effectively combat fraud.
• Abstract（参考訳）: 急速に発展する金融技術の領域では、ブロックチェーンネットワーク内の不正なトランザクションの検出は依然として重要な課題であり、堅牢でイノベーティブなソリューションを必要としている。 本研究では、量子インスパイアされたグラフニューラルネットワーク(QI-GNN)と、QBoostやRandom Forrest Classifierのような古典モデルを用いたエンサンブルモデルの選択の柔軟性を組み合わせた新しいアプローチを提案する。 このシステムは、アンチマネーロンダリング(AML)におけるブロックチェーンネットワーク分析に特化している。 このシステムを設計するための手法は,グラフニューラルネットワークフレームワークに新しいコンポーネントであるCP(Canonical Polyadic)分解層を組み込み,複雑なデータ構造を効率的に処理・解析する能力を向上させる。 我々の技術的アプローチは、古典的な機械学習の実装に対して厳格な評価を受けており、不正取引の検出においてF2スコア74.8%を達成している。 これらの結果は、CP層の構造的進歩によって補われる量子インスパイアされた技術の可能性を強調し、金融セキュリティのための複雑なネットワーク分析における従来の手法に適合するだけでなく、潜在的に超越する可能性がある。 この発見は、詐欺と効果的に戦うために金融セクター内で量子インスパイアされたアルゴリズムを広く採用し、さらに探究することを提唱している。

関連論文リスト

• FD4QC: Application of Classical and Quantum-Hybrid Machine Learning for Financial Fraud Detection A Technical Report [36.1999598554273]
  本稿では、古典的、量子的、量子ハイブリッドな機械学習モデルによる不正な金融活動のバイナリな行動分類の有効性について検討・比較する。 我々は、IBM Anti-Money Laundering (AML)データセット上で、さまざまなモデルを実装し、評価する。 実世界展開用に設計された実用的なAPI駆動システムアーキテクチャであるFD4QC(Fraud Detection for Quantum Computing)を提案する。
  論文  参考訳（メタデータ） (2025-07-25T16:08:22Z)
• Review of blockchain application with Graph Neural Networks, Graph Convolutional Networks and Convolutional Neural Networks [0.0]
  本稿では、ブロックチェーン技術におけるグラフニューラルネットワーク(GNN)、グラフ畳み込みニューラルネットワーク(GCN)、および畳み込みニューラルネットワーク(CNN)の適用についてレビューする。
  論文  参考訳（メタデータ） (2024-10-01T17:11:22Z)
• Quantum neural network with ensemble learning to mitigate barren plateaus and cost function concentration [0.0]
  本稿では,量子ニューラルネットワーク構築における新しいアプローチ,特にVGとCFCの問題に対処する手法を提案する。 本手法では,複数の量子回路の同時展開を提唱するアンサンブル学習を用いる。 提案モデルの有効性を,従来構築したQNNとの比較分析により評価する。
  論文  参考訳（メタデータ） (2024-02-08T19:57:57Z)
• Financial Fraud Detection using Quantum Graph Neural Networks [0.0]
  量子グラフニューラルネットワーク(QGNN)を用いた新たな金融不正検出手法を提案する。 QGNNは、グラフ構造化データを処理するニューラルネットワークの一種であり、量子コンピューティング(QC)のパワーを活用して、古典的なニューラルネットワークよりも効率的に計算を行うことができる。 我々の研究はQGNNの可能性を浮き彫りにしており、QGNNは金融詐欺検出を改善するための有望な新しいアプローチであることを示唆している。
  論文  参考訳（メタデータ） (2023-09-03T09:42:49Z)
• Problem-Dependent Power of Quantum Neural Networks on Multi-Class Classification [83.20479832949069]
  量子ニューラルネットワーク(QNN)は物理世界を理解する上で重要なツールとなっているが、その利点と限界は完全には理解されていない。 本稿では,多クラス分類タスクにおけるQCの問題依存力について検討する。 我々の研究はQNNの課題依存力に光を当て、その潜在的なメリットを評価するための実践的なツールを提供する。
  論文  参考訳（メタデータ） (2022-12-29T10:46:40Z)
• Quantization-aware Interval Bound Propagation for Training Certifiably Robust Quantized Neural Networks [58.195261590442406]
  我々は、逆向きに頑健な量子化ニューラルネットワーク(QNN)の訓練と証明の課題について検討する。 近年の研究では、浮動小数点ニューラルネットワークが量子化後の敵攻撃に対して脆弱であることが示されている。 本稿では、堅牢なQNNをトレーニングするための新しい方法であるQA-IBP(quantization-aware interval bound propagation)を提案する。
  論文  参考訳（メタデータ） (2022-11-29T13:32:38Z)
• Robust Training and Verification of Implicit Neural Networks: A Non-Euclidean Contractive Approach [64.23331120621118]
  本稿では,暗黙的ニューラルネットワークのトレーニングとロバスト性検証のための理論的および計算的枠組みを提案する。 組込みネットワークを導入し、組込みネットワークを用いて、元のネットワークの到達可能な集合の超近似として$ell_infty$-normボックスを提供することを示す。 MNISTデータセット上で暗黙的なニューラルネットワークをトレーニングするためにアルゴリズムを適用し、我々のモデルの堅牢性と、文献における既存のアプローチを通じてトレーニングされたモデルを比較する。
  論文  参考訳（メタデータ） (2022-08-08T03:13:24Z)
• Robustness Certificates for Implicit Neural Networks: A Mixed Monotone Contractive Approach [60.67748036747221]
  暗黙のニューラルネットワークは、競合性能とメモリ消費の削減を提供する。 入力逆流の摂動に関して、それらは不安定なままである。 本稿では,暗黙的ニューラルネットワークのロバスト性検証のための理論的および計算的枠組みを提案する。
  論文  参考訳（メタデータ） (2021-12-10T03:08:55Z)

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。