論文の概要: Detecting Complex Money Laundering Patterns with Incremental and Distributed Graph Modeling

• arxiv url: http://arxiv.org/abs/2604.01315v1
• Date: Wed, 01 Apr 2026 18:40:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-03 14:21:09.768344
• Title: Detecting Complex Money Laundering Patterns with Incremental and Distributed Graph Modeling
• Title（参考訳）: インクリメンタル・分散グラフモデリングによる複雑なマネーロンダリングパターンの検出
• Authors: Haseeb Tariq, Alen Kaja, Marwan Hassani,
• Abstract要約: マネーロンダラーは、金融フットプリントを偽りの方法で隠すことによって、既存の検出アプローチを活用する。 本稿では,ReDiRect(Reduce,DIstribute,RECTify)と呼ばれるフレームワークを提案する。 我々のフレームワークは、既存の技術や最先端技術と比較して優れたパフォーマンスを実現している。
• 参考スコア（独自算出の注目度）: 0.15293427903448023
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Money launderers take advantage of limitations in existing detection approaches by hiding their financial footprints in a deceitful manner. They manage this by replicating transaction patterns that the monitoring systems cannot easily distinguish. As a result, criminally gained assets are pushed into legitimate financial channels without drawing attention. Algorithms developed to monitor money flows often struggle with scale and complexity. The difficulty of identifying such activities is further intensified by the (persistent) inability of current solutions to control the excessive number of false positive signals produced by rigid, risk-based rules systems. We propose a framework called ReDiRect (REduce, DIstribute, and RECTify), specifically designed to overcome these challenges. The primary contribution of our work is a novel framing of this problem in an unsupervised setting; where a large transaction graph is fuzzily partitioned into smaller, manageable components to enable fast processing in a distributed manner. In addition, we define a refined evaluation metric that better captures the effectiveness of exposed money laundering patterns. Through comprehensive experimentation, we demonstrate that our framework achieves superior performance compared to existing and state-of-the-art techniques, particularly in terms of efficiency and real-world applicability. For validation, we used the real (open source) Libra dataset and the recently released synthetic datasets by IBM Watson. Our code and datasets are available at https://github.com/mhaseebtariq/redirect.
• Abstract（参考訳）: マネーロンダラーは、金融フットプリントを偽りの方法で隠すことによって、既存の検出アプローチの制限を利用する。 監視システムが容易に区別できないトランザクションパターンを複製することで、これを管理する。 その結果、刑事的に得た資産は、注意を引かずに合法的な金融チャネルに押し込まれる。 資金の流れを監視するために開発されたアルゴリズムは、しばしばスケールと複雑さに苦しむ。 このような活動を特定することの難しさは、厳密なリスクベースのルールシステムによって生成される偽陽性信号の過剰な数を制御するために、現在の解が(持続的に)できないことによってさらに強調される。 本稿では,ReDiRect(Reduce,DIstribute,RECTify)というフレームワークを提案する。 大規模なトランザクショングラフは、分散的に高速な処理を可能にするために、小さな管理可能なコンポーネントにファジィに分割される。 さらに,露出マネーロンダリングパターンの有効性をよりよく把握する改良された評価指標を定義した。 総合的な実験を通じて,我々のフレームワークは,既存の技術や最先端技術,特に効率性や実世界の適用性において,優れた性能を達成できることを実証した。 検証には、実(オープンソース)のLibraデータセットと、IBM Watsonが最近リリースした合成データセットを使用しました。 私たちのコードとデータセットはhttps://github.com/mhaseebtariq/redirect.comで公開されています。

関連論文リスト

• Dynamic analysis enhances issue resolution [53.50448142467294]
  DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。 テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。 Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
  論文  参考訳（メタデータ） (2026-03-23T14:48:54Z)
• IMMACULATE: A Practical LLM Auditing Framework via Verifiable Computation [49.796717294455796]
  経済的なモチベーションのある逸脱を検出するための実践的な監査フレームワークIMMACULATEを提案する。 IMMACULATEは、検証可能な計算を用いて少数のリクエストを選択的に監査し、暗号オーバーヘッドを償却しながら強力な検出保証を達成する。
  論文  参考訳（メタデータ） (2026-02-26T07:21:02Z)
• ACT-Tensor: Tensor Completion Framework for Financial Dataset Imputation [2.3404331106562677]
  本稿では,アダプティブ・クラスタベースのテンソルスムージング・テンソル・コンプリート・フレームワーク(ACT-Tensor)を導入する。 ACT-Tensorは、欠落するデータレシスタンスの範囲で、計算精度の点で、最先端のベンチマークを一貫して上回っている。 その結果、ACT-Tensorは価格の誤差を減らすだけでなく、構築されたポートフォリオのリスク調整されたリターンを大幅に改善することがわかった。
  論文  参考訳（メタデータ） (2025-08-03T17:28:57Z)
• AMLgentex: Mobilizing Data-Driven Research to Combat Money Laundering [1.6830247282478483]
  マネーロンダリングは、不正資金を合法経済に移すことによって組織犯罪を可能にする。 ラダーダラーは監視を逃れる 確認されたケースは稀で 組織はグローバル取引ネットワークの 断片しか見ていない
  論文  参考訳（メタデータ） (2025-06-03T15:28:09Z)
• Are You Getting What You Pay For? Auditing Model Substitution in LLM APIs [71.7892165868749]
  LLM(Commercial Large Language Model) APIは基本的な信頼の問題を生み出します。 ユーザーは特定のモデルに課金するが、プロバイダが忠実に提供できることを保証することはない。 我々は,このモデル置換問題を定式化し,現実的な逆条件下での検出方法を評価する。 我々は,信頼された実行環境(TEE)を実用的で堅牢なソリューションとして使用し,評価する。
  論文  参考訳（メタデータ） (2025-04-07T03:57:41Z)
• 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)
• Distributed Monitoring for Data Distribution Shifts in Edge-ML Fraud Detection [0.6445605125467574]
  エッジデバイスのネットワーク上でのデータ分散シフトを継続的に監視する新しいフレームワークを提案する。 本システムは,エッジデバイスの分散ネットワーク上でのKS(Kolmogorov-Smirnov)テストの革新的な計算を含む。 実世界の金融取引データセットと合成金融取引データセットを併用したフレームワークの評価を行った。
  論文  参考訳（メタデータ） (2024-01-10T15:38:00Z)
• Topology-Agnostic Detection of Temporal Money Laundering Flows in Billion-Scale Transactions [0.03626013617212666]
  本稿では,シーケンシャルトランザクションの時間グラフを効率的に構築するフレームワークを提案する。 我々は,不審な取引フローを検出するための2つの最先端ソリューションに対するフレームワークのスケーラビリティと有効性を評価する。
  論文  参考訳（メタデータ） (2023-09-24T15:11:58Z)
• 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)

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。