論文の概要: StableAML: Machine Learning for Behavioral Wallet Detection in Stablecoin Anti-Money Laundering on Ethereum

• arxiv url: http://arxiv.org/abs/2602.17842v1
• Date: Thu, 19 Feb 2026 21:13:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-23 18:01:41.150305
• Title: StableAML: Machine Learning for Behavioral Wallet Detection in Stablecoin Anti-Money Laundering on Ethereum
• Title（参考訳）: StableAML:Ethereum上のStablecoinアンチモニー洗浄における動作ワレット検出のための機械学習
• Authors: Luciano Juvinski, Haochen Li, Alessio Brini,
• Abstract要約: 世界の違法なファンドフローは年間3.1兆ドルを超えており、流動性のために洗剤として好まれる。 本研究では、データセットを分析し、行動特徴を用いてロバストなAMLフレームワークを開発する。 高精度検出を自動化することにより、イノベーションを損なうことなく、経済的不作為の経済的コストを効果的に高めるアプローチを提案する。
• 参考スコア（独自算出の注目度）: 1.6492745888221318
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Global illicit fund flows exceed an estimated $3.1 trillion annually, with stablecoins emerging as a preferred laundering medium due to their liquidity. While decentralized protocols increasingly adopt zero-knowledge proofs to obfuscate transaction graphs, centralized stablecoins remain critical "transparent choke points" for compliance. Leveraging this persistent visibility, this study analyzes an Ethereum dataset and uses behavioral features to develop a robust AML framework. Our findings demonstrate that domain-informed tree ensemble models achieve higher Macro-F1 score, significantly outperforming graph neural networks, which struggle with the increasing fragmentation of transaction networks. The model's interpretability goes beyond binary detection, successfully dissecting distinct typologies: it differentiates the complex, high-velocity dispersion of cybercrime syndicates from the constrained, static footprints left by sanctioned entities. This framework aligns with the industry shift toward deterministic verification, satisfying the auditability and compliance expectations under regulations such as the EU's MiCA and the U.S. GENIUS Act while minimizing unjustified asset freezes. By automating high-precision detection, we propose an approach that effectively raises the economic cost of financial misconduct without stifling innovation.
• Abstract（参考訳）: 世界の違法なファンドフローは年間3.1兆ドルを超えており、流動性から洗剤として好まれる。 分散化されたプロトコルは、トランザクショングラフを難読化するためにゼロ知識証明を採用する傾向にあるが、集中型安定コインはコンプライアンスにとって重要な「透明チョークポイント」である。 この永続的な可視化を活用することで、Ethereumデータセットを分析し、行動機能を使用して堅牢なAMLフレームワークを開発する。 この結果から, ドメインインフォームツリーアンサンブルモデルでは, トランザクションネットワークの断片化に苦慮するグラフニューラルネットワークよりも, 高いマクロ-F1スコアが得られることがわかった。 サイバー犯罪シンジケートの複雑で高速な分散と、制裁されたエンティティによって残された制約された静的なフットプリントを区別する。 この枠組みは、不当な資産凍結を最小限に抑えつつ、EUのMiCAや米国ゲンイウス法などの規制の下での監査可能性とコンプライアンスの期待を満たす、決定論的検証への業界シフトと一致している。 高精度検出の自動化により,イノベーションを損なうことなく,金融不正行為の経済的コストを効果的に高めるアプローチを提案する。

関連論文リスト

• Algorithmic Compliance and Regulatory Loss in Digital Assets [0.0]
  実世界の規制効果を著しく過大に評価する上で, 強力な静的分類指標が有効であることを示す。 この中核的な失敗は、それぞれ予測精度を低下させるのではなく、決定ルールの誤校正によって生じる。
  論文  参考訳（メタデータ） (2026-03-04T17:48:17Z)
• Autonomous Chain-of-Thought Distillation for Graph-Based Fraud Detection [73.9189065770752]
  テキスト分散グラフ(TAG)上のグラフベースの不正検出には、リッチテキストセマンティクスとリレーショナル依存関係を共同でモデル化する必要がある。 我々は,自律型グラフ認識チェーン(CoT)推論とスケーラブルなLLM-GNN協調学習を通じて,TAGに基づく不正検出を促進する統一フレームワークであるFraudCoTを提案する。
  論文  参考訳（メタデータ） (2026-01-30T13:12:12Z)
• Optimistic TEE-Rollups: A Hybrid Architecture for Scalable and Verifiable Generative AI Inference on Blockchain [4.254924788681319]
  我々は制約を調和させるハイブリッド検証プロトコルであるOptimistic TEE-Rollups (OTR)を紹介する。 OTRは集中ベースラインのスループットの99%を達成している。
  論文  参考訳（メタデータ） (2025-12-23T09:16:41Z)
• 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)
• HyPV-LEAD: Proactive Early-Warning of Cryptocurrency Anomalies through Data-Driven Structural-Temporal Modeling [0.0]
  異常な暗号通貨取引は、金融の整合性にリスクをエスカレートさせる。 既存のアプローチは主にモデル中心であり、ポストホックである。 本稿では,データ駆動早期警告フレームワークHyPV-LEADを紹介する。
  論文  参考訳（メタデータ） (2025-09-03T12:23:38Z)
• 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)
• 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)
• A Label-Free Heterophily-Guided Approach for Unsupervised Graph Fraud Detection [60.09453163562244]
  本稿では,非教師付きGFDのための非教師付きグラフ不正検出手法(HUGE)を提案する。 推定モジュールでは、GFD の臨界グラフ特性をキャプチャする HALO と呼ばれる新しいラベルフリーなヘテロフィリー計量を設計する。 アライメントに基づく不正検出モジュールにおいて、ランキング損失と非対称アライメント損失を有する合同GNNアーキテクチャを開発する。
  論文  参考訳（メタデータ） (2025-02-18T22:07:36Z)
• Leveraging Ensemble-Based Semi-Supervised Learning for Illicit Account Detection in Ethereum DeFi Transactions [0.0]
  我々は,DeFiエコシステムを保護するための堅牢なソリューションを提案する。 我々は、初期検出に分離フォレストモデル、未ラベルアカウントに擬似ラベルを反復的に生成するための自己学習機構を使用する。 6,903,860のトランザクションとDeFiインタラクションの広範なカバレッジに関する実験は、SLEIDが教師付きベースラインと半教師付きベースラインを著しく上回ることを示した。
  論文  参考訳（メタデータ） (2024-12-03T12:03:13Z)
• Exact Certification of (Graph) Neural Networks Against Label Poisoning [50.87615167799367]
  グラフニューラルネットワーク(GNN)におけるラベルフリップの正確な認証手法を提案する。 本稿では,ノード分類タスクにおける広範囲なGNNアーキテクチャの認証に本手法を適用した。 私たちの研究は、ニューラルネットワークによって引き起こされた毒殺攻撃に対する最初の正確な認証を提示します。
  論文  参考訳（メタデータ） (2024-11-30T17:05:12Z)
• Facilitating Feature and Topology Lightweighting: An Ethereum Transaction Graph Compression Method for Malicious Account Detection [3.877894934465948]
  Bitcoinは暗号通貨の主要なグローバルプラットフォームの一つとなり、金融エコシステムの多様化を促進する上で重要な役割を果たしている。 従来の規制手法は通常、機能エンジニアリングや大規模トランザクショングラフマイニングを通じて悪意のあるアカウントを検出する。 本稿では,TGC4Ethというトランザクショングラフ圧縮手法を提案する。
  論文  参考訳（メタデータ） (2024-05-14T02:21:20Z)
• Transaction Fraud Detection via an Adaptive Graph Neural Network [64.9428588496749]
  本稿では,アダプティブサンプリングとアグリゲーションに基づくグラフニューラルネットワーク(ASA-GNN)を提案する。 ノイズの多いノードをフィルタリングし、不正なノードを補うために、隣のサンプリング戦略を実行する。 3つのファイナンシャルデータセットの実験により,提案手法のASA-GNNは最先端のデータセットよりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-07-11T07:48:39Z)
• 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。