論文の概要: Anti-Money Laundering Systems Using Deep Learning

• arxiv url: http://arxiv.org/abs/2509.19359v1
• Date: Thu, 18 Sep 2025 14:06:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-25 20:53:19.508847
• Title: Anti-Money Laundering Systems Using Deep Learning
• Title（参考訳）: ディープラーニングを用いた反モニー洗浄システム
• Authors: Mashkhal Abdalwahid Sidiq, Yimamu Kirubel Wondaferew,
• Abstract要約: 本稿では,世界金融産業におけるアンチ・モニー・ロンダリング(AML)の活動が果たす重要な役割について考察する。 これらの課題に対処するために,深層学習技術を用いたリンク解析を活かした高度なAMLシステムを提案する。 このシステムの中心には、Degree Centrality、Closeness Centrality、Interferness Centrality、PageRankといった中央集権アルゴリズムの利用がある。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we focused on using deep learning methods for detecting money laundering in financial transaction networks, in order to demonstrate that it can be used as a complement or instead of the more commonly used rule-based systems and conventional Anti-Money Laundering (AML) systems. The paper explores the pivotal role played by Anti-Money Laundering (AML) activities in the global financial industry. It underscores the drawbacks of conventional AML systems, which exhibit high rates of false positives and lack the sophistication to uncover intricate money laundering schemes. To tackle these challenges, the paper proposes an advanced AML system that capitalizes on link analysis using deep learning techniques. At the heart of this system lies the utilization of centrality algorithms like Degree Centrality, Closeness Centrality, Betweenness Centrality, and PageRank. These algorithms enhance the system's capability to identify suspicious activities by examining the influence and interconnections within networks of financial transactions. The significance of Anti-Money Laundering (AML) efforts within the global financial sector is discussed in this paper. It highlights the limitations of traditional AML systems. The results showed the practicality and superiority of the new implementation of the GCN model, which is a preferable method for connectively structured data, meaning that a transaction or account is analyzed in the context of its financial environment. In addition, the paper delves into the prospects of Anti-Money Laundering (AML) efforts, proposing the integration of emerging technologies such as deep learning and centrality algorithms. This integration holds promise for enhancing the effectiveness of AML systems by refining their capabilities.
• Abstract（参考訳）: 本稿では,金融取引網におけるマネーロンダリングの深層学習手法を用いて,より一般的なルールベースシステムや従来のアンチ・モニー・ロンダリング(AML)システムに代えて,補完的あるいは代用できることを示す。 本稿では,世界金融産業におけるアンチ・モニー・ロンダリング(AML)の活動が果たす重要な役割について考察する。 従来のAMLシステムの欠点は、偽陽性の頻度が高く、複雑なマネーロンダリングスキームを明らかにするための洗練が欠如している点である。 これらの課題に対処するために,深層学習技術を用いたリンク解析を活かした高度なAMLシステムを提案する。 このシステムの中心には、Degree Centrality、Closeness Centrality、Interferness Centrality、PageRankといった中央集権アルゴリズムの利用がある。 これらのアルゴリズムは、金融取引ネットワーク内の影響や相互関係を調べることにより、不審な活動を特定する能力を高める。 本稿では,世界金融セクターにおけるマネーロンダリング対策(AML)の意義について論じる。 従来のAMLシステムの制限を強調します。 その結果,GCNモデルの新たな実装の実用性と優位性を示した。これは接続型データに好適な手法であり,トランザクションや口座は財務環境の文脈で分析される。 さらに、この論文は、深層学習や中央集権アルゴリズムといった新興技術の統合を提唱する反モニー洗浄(AML)の取り組みの展望を掘り下げている。 この統合は、AMLシステムの能力を改善することで、AMLシステムの有効性を高めることを約束している。

関連論文リスト

• RiskTagger: An LLM-based Agent for Automatic Annotation of Web3 Crypto Money Laundering Behaviors [65.80108147440863]
  RiskTaggerは、Web3における暗号洗浄行動の自動アノテーションのための、大言語モデルベースのエージェントである。 RiskTaggerは、複雑な構造化されていないレポートからヒントを抽出し、マルチチェーントランザクションパスを推論し、監査者フレンドリな説明を生成する、という3つの重要な課題に対処することによって、人間のアノテータを置き換えたり、補完するように設計されている。
  論文  参考訳（メタデータ） (2025-10-12T08:54:28Z)
• Parallel and Multi-Stage Knowledge Graph Retrieval for Behaviorally Aligned Financial Asset Recommendations [46.90931293070464]
  本稿では,FLARKOの検索拡張であるRAG-FLARKOを紹介する。 マルチステージおよび並列KG検索プロセスによるスケーラビリティと妥当性の課題を克服する。 実世界の金融取引データセットに関する実証的な評価は、RAG-FLARKOが推奨品質を大幅に向上することを示している。
  論文  参考訳（メタデータ） (2025-10-08T20:42:53Z)
• 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)
• Improving LLM Reasoning for Vulnerability Detection via Group Relative Policy Optimization [45.799380822683034]
  大規模言語モデル(LLM)のためのRLベースファインタニング技術の進歩を目的とした広範な研究を提案する。 一般的に採用されているLSMには,特定の脆弱性を過度に予測する傾向があり,他の脆弱性を検出できない,といった,重要な制限が強調される。 この課題に対処するために、構造化されたルールベースの報酬を通してLLMの振る舞いを導くための最近の政策段階的手法であるグループ相対政策最適化(GRPO)について検討する。
  論文  参考訳（メタデータ） (2025-07-03T11:52:45Z)
• GARG-AML against Smurfing: A Scalable and Interpretable Graph-Based Framework for Anti-Money Laundering [1.9461779294968458]
  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。
  論文  参考訳（メタデータ） (2025-06-04T11:30:37Z)
• Advances in Continual Graph Learning for Anti-Money Laundering Systems: A Comprehensive Review [6.1141481450958315]
  我々は、アンチマネーロンダリングアプリケーションのための最先端の連続グラフ学習アプローチを批判的に評価する。 分析の結果,連続学習は,過度のクラス不均衡や不正パターンの進化に直面して,モデルの堅牢性と適応性を向上することが示された。
  論文  参考訳（メタデータ） (2025-03-31T16:06:47Z)
• 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)
• CAML: Collaborative Auxiliary Modality Learning for Multi-Agent Systems [38.20651868834145]
  我々は,新しいマルチモーダル・マルチエージェント・フレームワークである協調補助モダリティ学習(CAML)を提案する。 事故検出においてCAMLが最大で$bf 58.1%の改善を達成していることを示す。 また,コラボレーティブセマンティックセグメンテーションのための実世界の地上ロボットデータ上でCAMLを検証する。
  論文  参考訳（メタデータ） (2025-02-25T03:59:40Z)
• Deep Learning for Cross-Border Transaction Anomaly Detection in Anti-Money Laundering Systems [14.439233916969748]
  本稿では,クロスボーダーAMLシステムにおける教師なし学習モデルの応用について検討する。 基本畳み込みニューラルネットワーク(CNN)からハイブリッドCNNGRUアーキテクチャまでの5つのディープラーニングモデルが設計およびテストされた。 その結果、モデル複雑性が増加するにつれて、システムの検出精度と応答性も向上することが示された。
  論文  参考訳（メタデータ） (2024-11-21T03:55:41Z)
• Automated Phishing Detection Using URLs and Webpages [35.66275851732625]
  LLMエージェントフレームワークの開発により,従来の参照型フィッシング検出の制約に対処する。 このエージェントは、Large Language Modelsを利用して、積極的にオンライン情報を取得し、活用する。 我々の手法は0.945の精度で達成され、既存の解(DynaPhish)を0.445で大幅に上回っている。
  論文  参考訳（メタデータ） (2024-08-03T05:08:27Z)
• 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)
• Vulnerability of Machine Learning Approaches Applied in IoT-based Smart Grid: A Review [51.31851488650698]
  機械学習(ML)は、IoT(Internet-of-Things)ベースのスマートグリッドでの使用頻度が高まっている。 電力信号に注入された逆方向の歪みは システムの正常な制御と操作に大きな影響を及ぼす 安全クリティカルパワーシステムに適用されたMLsgAPPの脆弱性評価を行うことが不可欠である。
  論文  参考訳（メタデータ） (2023-08-30T03:29:26Z)
• 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)
• A Time-Frequency based Suspicious Activity Detection for Anti-Money Laundering [0.0]
  マネーロンダリングは、犯罪者が犯罪の収益を金融システムに注入するために使う重要なメカニズムである。 これらの機関の現在のシステムのほとんどはルールベースであり、非効率である。 本稿では、金融取引の2次元表現を利用した時間周波数分析に基づく新しい特徴セットを提案する。
  論文  参考訳（メタデータ） (2020-11-17T08:01:50Z)

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。