論文の概要: AI Application in Anti-Money Laundering for Sustainable and Transparent Financial Systems
- arxiv url: http://arxiv.org/abs/2512.06240v1
- Date: Sat, 06 Dec 2025 01:37:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-09 22:03:54.255235
- Title: AI Application in Anti-Money Laundering for Sustainable and Transparent Financial Systems
- Title（参考訳）: 持続的で透明な金融システムのためのアンチモニー洗浄におけるAI応用
- Authors: Chuanhao Nie, Yunbo Liu, Chao Wang,
- Abstract要約: マネーロンダリング(マネーロンダリング)と金融詐欺(金融詐欺)は、世界の金融安定にとって大きな脅威であり、年間数兆ドルを犠牲にし、規制の監督に挑戦している。
本稿では,人工知能(AI)アプリケーションが検出精度の向上,偽陽性率の低減,手動による調査の運用負担軽減により,アンチモニー洗浄(AML)の近代化を実現する方法について述べる。
- 参考スコア（独自算出の注目度）: 1.9426782472131299
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Money laundering and financial fraud remain major threats to global financial stability, costing trillions annually and challenging regulatory oversight. This paper reviews how artificial intelligence (AI) applications can modernize Anti-Money Laundering (AML) workflows by improving detection accuracy, lowering false-positive rates, and reducing the operational burden of manual investigations, thereby supporting more sustainable development. It further highlights future research directions including federated learning for privacy-preserving collaboration, fairness-aware and interpretable AI, reinforcement learning for adaptive defenses, and human-in-the-loop visualization systems to ensure that next-generation AML architectures remain transparent, accountable, and robust. In the final part, the paper proposes an AI-driven KYC application that integrates graph-based retrieval-augmented generation (RAG Graph) with generative models to enhance efficiency, transparency, and decision support in KYC processes related to money-laundering detection. Experimental results show that the RAG-Graph architecture delivers high faithfulness and strong answer relevancy across diverse evaluation settings, thereby enhancing the efficiency and transparency of KYC CDD/EDD workflows and contributing to more sustainable, resource-optimized compliance practices.
- Abstract（参考訳）: マネーロンダリング(マネーロンダリング)と金融詐欺(金融詐欺)は、世界の金融安定にとって大きな脅威であり、年間数兆ドルを犠牲にし、規制の監督に挑戦している。
本稿では、人工知能(AI)アプリケーションが検出精度を改善し、偽陽性率を下げ、手動による調査の運用負担を軽減し、より持続可能な開発を支援することにより、アンチモニー洗浄(AML)ワークフローを近代化する方法についてレビューする。
さらに、プライバシ保護コラボレーションのためのフェデレーション学習、公正意識と解釈可能なAI、適応防御のための強化学習、次世代のAMLアーキテクチャが透明で説明責任を持ち、堅牢であることを保証するためのヒューマン・イン・ザ・ループ・ビジュアライゼーションシステムなど、今後の研究の方向性を強調している。
最終部では、資金洗浄検出に関連するKYCプロセスの効率性、透明性、意思決定支援を高めるため、グラフベースの検索強化生成(RAG Graph)を生成モデルに統合するAI駆動型KYCアプリケーションを提案する。
実験結果から,RAG-Graphアーキテクチャは多様な評価設定にまたがって高い忠実性と強い回答関連性を提供し,これにより,KYC CDD/EDDワークフローの効率性と透明性を高め,より持続的でリソース最適化されたコンプライアンスプラクティスに寄与することが示された。
関連論文リスト
- Agentic AI for Financial Crime Compliance [0.0]
本稿では、デジタルネイティブ金融プラットフォームにおける金融犯罪コンプライアンス(FCC)のためのエージェントAIシステムの設計と展開について述べる。
このコントリビューションには、リファレンスアーキテクチャ、現実世界のプロトタイプ、およびAgentic AIが規制下で再構成できる方法に関する洞察が含まれている。
論文 参考訳（メタデータ） (2025-09-16T14:53:51Z) - Co-Investigator AI: The Rise of Agentic AI for Smarter, Trustworthy AML Compliance Narratives [2.7295959384567356]
Co-Investigator AIは、SAR(Suspicious Activity Reports)の作成に最適化されたエージェントフレームワークであり、従来の方法よりも大幅に高速で精度が高い。
我々は、SARの草案作成を効率化し、物語を規制上の期待と一致させ、コンプライアンスチームが高次の分析作業に集中できるようにする能力を示します。
論文 参考訳（メタデータ） (2025-09-10T08:16:04Z) - White-Basilisk: A Hybrid Model for Code Vulnerability Detection [45.03594130075282]
我々は、優れた性能を示す脆弱性検出の新しいアプローチであるWhite-Basiliskを紹介する。
White-Basiliskは、パラメータ数2億の脆弱性検出タスクで結果を得る。
この研究は、コードセキュリティにおける新しいベンチマークを確立し、コンパクトで効率的に設計されたモデルが、特定のタスクにおいてより大きなベンチマークよりも優れているという実証的な証拠を提供する。
論文 参考訳（メタデータ） (2025-07-11T12:39:25Z) - ORMind: A Cognitive-Inspired End-to-End Reasoning Framework for Operations Research [56.961539386979354]
ORMindは認知にインスパイアされたフレームワークで、反ファクト推論を通じて最適化を強化する。
提案手法は,要求を数学的モデルや実行可能なコードに変換するエンド・ツー・エンドのワークフローを実装し,人間の認識をエミュレートする。
現在はLenovoのAIアシスタントで内部でテストされており、ビジネスとコンシューマの両方の最適化機能を強化する予定である。
論文 参考訳（メタデータ） (2025-06-02T05:11:21Z) - The Real Barrier to LLM Agent Usability is Agentic ROI [110.31127571114635]
大規模言語モデル(LLM)エージェントは、人間とAIの相互作用において有望な変化を示す。
我々は、需要の高いマスマーケットアプリケーションにおいて、重要なユーザビリティギャップを強調します。
論文 参考訳（メタデータ） (2025-05-23T11:40:58Z) - 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) - 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) - Enhancing the Efficiency and Accuracy of Underlying Asset Reviews in Structured Finance: The Application of Multi-agent Framework [3.022596401099308]
AIは、ローンアプリケーションと銀行のステートメント間の情報の検証を効果的に自動化できることを示します。
この研究は、手動エラーを最小限に抑え、デューディリジェンスを合理化するAIの可能性を強調し、財務文書分析とリスク管理におけるAIの幅広い応用を示唆している。
論文 参考訳（メタデータ） (2024-05-07T13:09:49Z)
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。