論文の概要: Detection of Crowdsourcing Cryptocurrency Laundering via Multi-Task Collaboration

• arxiv url: http://arxiv.org/abs/2512.02534v1
• Date: Tue, 02 Dec 2025 08:58:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-03 21:04:45.792473
• Title: Detection of Crowdsourcing Cryptocurrency Laundering via Multi-Task Collaboration
• Title（参考訳）: マルチタスク協調によるクラウドソーシング暗号洗浄の検出
• Authors: Guang Li, Litong Sun, Jieying Zhou, Weigang Wu,
• Abstract要約: クラウドソーシングによる資金洗浄は、新しいタイプの資金洗浄である。 クラウドソーシングによるマネーロンダリングトランザクションは、さまざまなパターンと多中心構造を示す。 マルチタスク協調型クラウドソーシング雷検出フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 6.593202318405946
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: USDT, a stablecoin pegged to dollar, has become a preferred choice for money laundering due to its stability, anonymity, and ease of use. Notably, a new form of money laundering on stablecoins -- we refer to as crowdsourcing laundering -- disperses funds through recruiting a large number of ordinary individuals, and has rapidly emerged as a significant threat. However, due to the refined division of labor, crowdsourcing laundering transactions exhibit diverse patterns and a polycentric structure, posing significant challenges for detection. In this paper, we introduce transaction group as auxiliary information, and propose the Multi-Task Collaborative Crowdsourcing Laundering Detection (MCCLD) framework. MCCLD employs an end-to-end graph neural network to realize collaboration between laundering transaction detection and transaction group detection tasks, enhancing detection performance on diverse patterns within crowdsourcing laundering group. These two tasks are jointly optimized through a shared classifier, with a shared feature encoder that fuses multi-level feature embeddings to provide rich transaction semantics and potential group information. Extensive experiments on both crowdsourcing and general laundering demonstrate MCCLD's effectiveness and generalization. To the best of our knowledge, this is the first work on crowdsourcing laundering detection.
• Abstract（参考訳）: USDTは、その安定性、匿名性、使いやすさから、資金洗浄の選択肢として好まれている。 クラウドソーシングによる資金洗浄は、多くの一般市民を雇い入れて資金を分散させ、急速に大きな脅威になってきた」と述べた。 しかし、労働の細分化により、クラウドソーシングによるマネーロンダリング取引は多様なパターンと多心構造を示し、検出に重大な課題を生んでいる。 本稿では,トランザクショングループを補助情報として紹介し,Multi-Task Collaborative Crowdsourcing Laundering Detection (MCCLD) フレームワークを提案する。 MCCLDは、クラスタリングトランザクション検出とトランザクショングループ検出タスクの協調を実現するために、エンドツーエンドのグラフニューラルネットワークを使用している。 これらの2つのタスクは、共有分類器によって共同で最適化される。共有機能エンコーダは、リッチなトランザクションセマンティクスと潜在的なグループ情報を提供するために、多レベルの機能埋め込みを融合する。 クラウドソーシングと一般洗浄の両方に関する大規模な実験は、MCCLDの有効性と一般化を実証している。 私たちの知る限りでは、これはクラウドソーシングによる洗浄検知に関する最初の研究である。

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)
• MPOCryptoML: Multi-Pattern based Off-Chain Crypto Money Laundering Detection [2.2530496464901106]
  本稿では,暗号通貨取引における複数のマネーロンダリングパターンを効果的に検出するMPOCryptoMLを提案する。 MPOCryptoMLは、ランダムな洗浄パターンを識別するマルチソースパーソナライズされたPageRankアルゴリズムの開発を含む。 一貫性のあるパフォーマンス向上を示し、精度が9.13%、リコールが10.16%、F1スコアが7.63%、精度が10.19%まで向上した。
  論文  参考訳（メタデータ） (2025-08-18T06:06:32Z)
• 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)
• Pure Exploration in Asynchronous Federated Bandits [57.02106627533004]
  マルチアームバンディットとリニアバンディットのフェデレートされた純粋な探索問題について検討し、M$エージェントが中央サーバとの通信を通じて最適なアームを協調的に識別する方法について検討した。 信頼度を固定した純粋探索のための非同期マルチアームバンディットおよび線形バンディットアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-10-17T06:04:00Z)
• 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)
• Identifying contributors to supply chain outcomes in a multi-echelon setting: a decentralised approach [47.00450933765504]
  本稿では,推定貢献の分散計算における説明可能な人工知能の利用を提案する。 このアプローチは、サプライチェーンアクターにデータ共有を説得する必要性を緩和する。 その結果,集中型アプローチと比較して,品質変化の源泉を検出する方法の有効性が示された。
  論文  参考訳（メタデータ） (2023-07-22T20:03:16Z)
• Catch Me If You Can: Semi-supervised Graph Learning for Spotting Money Laundering [0.4159343412286401]
  マネーロンダリング(英: Money laundering)とは、犯罪者が違法な資金を追跡不可能な場所に移すために金融サービスを利用するプロセスである。 反マネーロンダリング(AML)を施行するためには、これらの活動を正確かつ確実に特定することが極めて重要である。 本稿では,金融取引のグラフに対する半教師付きグラフ学習手法を用いて,マネーロンダリングに関連するノードを特定する。
  論文  参考訳（メタデータ） (2023-02-23T09:34:19Z)
• 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)
• Characterizing and Detecting Money Laundering Activities on the Bitcoin Network [8.212945859699406]
  我々はBitcoinネットワーク全体で発生した資金洗浄活動の展望を探る。 3年以上にわたって収集されたデータを用いて、トランザクショングラフを作成し、さまざまなグラフ特性を分析して、マネーロンダリングトランザクションと通常のトランザクションを区別します。 資金洗浄とレギュラー取引を分類するために,4種類のグラフ特徴に基づく分類器のセットを提案し,評価する。
  論文  参考訳（メタデータ） (2019-12-27T11:34:41Z)

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。