論文の概要: Knowledge-Integrated Representation Learning for Crypto Anomaly Detection under Extreme Label Scarcity; Relational Domain-Logic Integration with Retrieval-Grounded Context and Path-Level Explanations

• arxiv url: http://arxiv.org/abs/2601.12839v1
• Date: Mon, 19 Jan 2026 08:51:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:22.818238
• Title: Knowledge-Integrated Representation Learning for Crypto Anomaly Detection under Extreme Label Scarcity; Relational Domain-Logic Integration with Retrieval-Grounded Context and Path-Level Explanations
• Title（参考訳）: 極小ラベル空洞における暗号異常検出のための知識統合型表現学習 : 検索コンテキストとパスレベル記述を用いた関係ドメイン論理の統合
• Authors: Gyuyeon Na, Minjung Park, Soyoun Kim, Jungbin Shin, Sangmi Chai,
• Abstract要約: ドメインロジック統合(RDLI)は、専門家の認識を表現内で識別可能な構造パターンとして組み込むフレームワークである。 極度のラベル不足(0.01%)下では、RDLIは芸術GNNのベースラインを28.9%上回っている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Detecting anomalous trajectories in decentralized crypto networks is fundamentally challenged by extreme label scarcity and the adaptive evasion strategies of illicit actors. While Graph Neural Networks (GNNs) effectively capture local structural patterns, they struggle to internalize multi hop, logic driven motifs such as fund dispersal and layering that characterize sophisticated money laundering, limiting their forensic accountability under regulations like the FATF Travel Rule. To address this limitation, we propose Relational Domain Logic Integration (RDLI), a framework that embeds expert derived heuristics as differentiable, logic aware latent signals within representation learning. Unlike static rule based approaches, RDLI enables the detection of complex transactional flows that evade standard message passing. To further account for market volatility, we incorporate a Retrieval Grounded Context (RGC) module that conditions anomaly scoring on regulatory and macroeconomic context, mitigating false positives caused by benign regime shifts. Under extreme label scarcity (0.01%), RDLI outperforms state of the art GNN baselines by 28.9% in F1 score. A micro expert user study further confirms that RDLI path level explanations significantly improve trustworthiness, perceived usefulness, and clarity compared to existing methods, highlighting the importance of integrating domain logic with contextual grounding for both accuracy and explainability.
• Abstract（参考訳）: 分散型暗号ネットワークにおける異常な軌跡の検出は、極端にラベルの不足と不正アクターの適応回避戦略に根本的な課題がある。 グラフニューラルネットワーク(GNN)は、局所的な構造パターンを効果的に捉える一方で、複数のホップ、資金分散のようなロジック駆動のモチーフ、高度なマネーロンダリングを特徴付ける階層化、FATFトラベルルールのような規則の下での法医学的説明責任の制限など、内部化に苦慮している。 この制限に対処するため、我々はRelational Domain Logic Integration (RDLI)を提案する。 静的なルールベースのアプローチとは異なり、RDLIは標準的なメッセージパッシングを回避する複雑なトランザクションフローの検出を可能にする。 市場のボラティリティを更に考慮するために、規制やマクロ経済の文脈で異常にスコア付けされた条件を規定する検索的接地コンテキスト(RGC)モジュールを組み込み、良心的な体制シフトによる偽陽性を緩和する。 極度のラベル不足(0.01%)下では、RDLIは最先端のGNNベースラインを28.9%上回っている。 マイクロエキスパートによるユーザスタディでは、RDLIパスレベルの説明は既存の手法と比較して信頼性、有用性、明確性を大幅に向上させ、正確性と説明可能性の両方にドメインロジックを統合することの重要性を強調している。

関連論文リスト

• Fault Cause Identification across Manufacturing Lines through Ontology-Guided and Process-Aware FMEA Graph Learning with LLMs [1.9563024477582351]
  本研究では,製造領域の概念化とグラフニューラルネットワーク(GNN)推論を組み合わせることにより,FMEA再利用性を高めるプロセス認識フレームワークを提案する。 自動車用圧力センサ組立ラインのケーススタディでは,提案手法が最先端の検索強化生成(RAG)ベースラインより優れていることが示された。
  論文  参考訳（メタデータ） (2025-10-17T08:35:47Z)
• EReLiFM: Evidential Reliability-Aware Residual Flow Meta-Learning for Open-Set Domain Generalization under Noisy Labels [85.78886153628663]
  Open-Set Domain Generalizationは、ディープラーニングモデルが新しいドメインで目に見えないカテゴリを認識できるようにすることを目的としている。 ラベルノイズは、ソースドメインの知識を損なうことによって、オープンセットドメインの一般化を妨げる。 本稿では,ドメインギャップを埋めるために,Evidential Reliability-Aware Residual Flow Meta-Learning (EReLiFM)を提案する。
  論文  参考訳（メタデータ） (2025-10-14T16:23:11Z)
• NASP-T: A Fuzzy Neuro-Symbolic Transformer for Logic-Constrained Aviation Safety Report Classification [0.0]
  本稿では, 航空安全報告システム(ASRS)コーパス上でのトランスフォーマーに基づく学習と, ASP(Answer Set Programming)を統合したハイブリッド型ニューロシンボリックフレームワークを提案する。 提案手法は, マイクロF1スコアとマクロF1スコアを改善し, ASRSテストセットのルール違反を最大86%低減する。
  論文  参考訳（メタデータ） (2025-10-06T23:33:09Z)
• Learning Efficient and Generalizable Graph Retriever for Knowledge-Graph Question Answering [75.12322966980003]
  大規模言語モデル(LLM)は、様々な領域にわたって強い帰納的推論能力を示している。 既存のRAGパイプラインのほとんどは非構造化テキストに依存しており、解釈可能性と構造化推論を制限する。 近年,知識グラフ解答のための知識グラフとLLMの統合について検討している。 KGQAにおける効率的なグラフ検索のための新しいフレームワークであるRAPLを提案する。
  論文  参考訳（メタデータ） (2025-06-11T12:03:52Z)
• GARG-AML against Smurfing: A Scalable and Interpretable Graph-Based Framework for Anti-Money Laundering [5.4807970361321585]
  本稿では, 効率的なアンチマネーロンダリング(AML)のためのグラフベースの新しいGARG-AMLを提案する。 ネットワーク内の各ノードに1つの解釈可能なスコアを与えることで、一般的なマネーロンダリング手法であるスマーフィングリスクを定量化する。 提案手法は, 計算効率, 検出能力, 透明性のバランスをとる。
  論文  参考訳（メタデータ） (2025-06-04T11:30:37Z)
• Revisiting LRP: Positional Attribution as the Missing Ingredient for Transformer Explainability [53.21677928601684]
  階層的関連性伝播は、ディープラーニングにおける説明可能性に対する最も有望なアプローチの1つである。 そこで我々は,様々な位置符号化手法にまたがる属性の伝播を目的とした,理論的なLRP規則を提案する。 本手法は,視力とNLP説明可能性の両面において,最先端の課題を著しく上回っている。
  論文  参考訳（メタデータ） (2025-06-02T18:07:55Z)
• Advancing Neural Network Verification through Hierarchical Safety Abstract Interpretation [52.626086874715284]
  我々は、安全でない出力の階層構造を検証する抽象的DNN検証と呼ばれる新しい問題定式化を導入する。 出力到達可能な集合に関する抽象的解釈と推論を活用することにより,形式的検証プロセスにおいて,複数の安全性レベルを評価することができる。 我々の貢献には、新しい抽象的安全性の定式化と既存のアプローチとの関係を理論的に探求することが含まれる。
  論文  参考訳（メタデータ） (2025-05-08T13:29:46Z)
• Integrating Fuzzy Logic into Deep Symbolic Regression [3.0846824529023382]
  クレジットカード不正検出は金融機関にとって重要な問題であり、非接触支払い技術の台頭によって強化されている。 本稿では,ファジィ論理の深部シンボリック回帰への統合について検討し,不正検出における性能と説明可能性の両立を図った。
  論文  参考訳（メタデータ） (2024-11-01T07:55:17Z)
• Uncertainty-Aware Consistency Regularization for Cross-Domain Semantic Segmentation [63.75774438196315]
  Unsupervised Domain adapt (UDA) は、未ラベルのデータのみを持つ新しいターゲットドメインにソースドメインの既存のモデルを適用することを目的としている。 既存のほとんどの手法は、エラーを起こしやすい識別器ネットワークまたは不合理な教師モデルから生じる顕著な負の伝達に悩まされている。 ドメイン間セマンティックセグメンテーションのための不確実性を考慮した整合性正規化手法を提案する。
  論文  参考訳（メタデータ） (2020-04-19T15:30:26Z)
• Unsupervised Domain Adaptation via Discriminative Manifold Embedding and Alignment [23.72562139715191]
  教師なしドメイン適応は、ソースドメインから教師なしターゲットドメインへの豊富な情報を活用するのに効果的である。 対象領域のハードアサインされた擬似ラベルは、本質的なデータ構造に危険である。 一貫した多様体学習フレームワークは、一貫した伝達可能性と識別可能性を達成するために提案される。
  論文  参考訳（メタデータ） (2020-02-20T11:06:41Z)

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。