論文の概要: TransXion: A High-Fidelity Graph Benchmark for Realistic Anti-Money Laundering
- arxiv url: http://arxiv.org/abs/2604.17420v1
- Date: Sun, 19 Apr 2026 13:02:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-21 21:52:52.517751
- Title: TransXion: A High-Fidelity Graph Benchmark for Realistic Anti-Money Laundering
- Title（参考訳）: TransXion: 現実的なアンチモニー洗浄のための高忠実なグラフベンチマーク
- Authors: Keyang Chen, Mingxuan Jiang, Yongsheng Zhao, Zeping Li, Zaiyuan Chen, Weiqi Luo, Zhixin Li, Sen Liu, Yinan Jing, Guangnan Ye, Xihong Wu, Hongfeng Chai,
- Abstract要約: マネーロンダリングはグローバルな金融システムに深刻なリスクをもたらし、トランザクション監視に機械学習が広く採用されている。
既存のトランザクショングラフデータセットには2つの制限がある。
我々は,反モニー洗浄研究のためのベンチマークエコシステムであるTransXionを提案する。
- 参考スコア（独自算出の注目度）: 23.412985636416163
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Money laundering poses severe risks to global financial systems, driving the widespread adoption of machine learning for transaction monitoring. However, progress remains stifled by the lack of realistic benchmarks. Existing transaction-graph datasets suffer from two pervasive limitations: (i) they provide sparse node-level semantics beyond anonymized identifiers, and (ii) they rely on template-driven anomaly injection, which biases benchmarks toward static structural motifs and yields overly optimistic assessments of model robustness. We propose TransXion, a benchmark ecosystem for Anti-Money Laundering (AML) research that integrates profile-aware simulation of normal activity with stochastic, non-template synthesis of illicit subgraphs.TransXion jointly models persistent entity profiles and conditional transaction behavior, enabling evaluation of "out-of-character" anomalies where observed activity contradicts an entity's socio-economic context. The resulting dataset comprises approximately 3 million transactions among 50,000 entities, each endowed with rich demographic and behavioral attributes. Empirical analyses show that TransXion reproduces key structural properties of payment networks, including heavy-tailed activity distributions and localized subgraph structure. Across a diverse array of detection models spanning multiple algorithmic paradigms, TransXion yields substantially lower detection performance than widely used benchmarks, demonstrating increased difficulty and realism. TransXion provides a more faithful testbed for developing context-aware and robust AML detection methods. The dataset and code are publicly available at https://github.com/chaos-max/TransXion.
- Abstract（参考訳）: マネーロンダリングはグローバルな金融システムに深刻なリスクをもたらし、トランザクション監視に機械学習が広く採用されている。
しかし、現実的なベンチマークの欠如によって、進歩はいまだに弱まっている。
既存のトランザクショングラフデータセットには,2つの制限がある。
(i)匿名化識別子以外の疎度ノードレベルのセマンティクスを提供し、
i) 静的構造モチーフに偏り、モデルロバスト性に対する過度に楽観的な評価をもたらすテンプレート駆動型異常注入に依存している。
本研究では,通常の活動のプロファイル・アウェア・シミュレーションと不正部分グラフの確率的,非テンポレートな合成を統合した反モニー洗浄(AML)研究のためのベンチマークエコシステムであるTransXionを提案する。TransXionは,永続的なエンティティプロファイルと条件付きトランザクションの挙動を共同でモデル化し,観察されたアクティビティがエンティティの社会経済的文脈に矛盾する「文字外」異常の評価を可能にする。
結果として得られたデータセットは5万のエンティティ間で約300万トランザクションで構成され、それぞれに豊かな人口統計と行動特性が与えられている。
実証分析により、TransXionは、重み付きアクティビティ分布や局所化サブグラフ構造を含む、支払いネットワークの重要な構造特性を再現することが示された。
複数のアルゴリズムパラダイムにまたがるさまざまな検出モデル全体で、TransXionは広く使用されているベンチマークよりも検出性能が大幅に低く、難易度とリアリズムが増大している。
TransXionは、コンテキスト認識と堅牢なAML検出方法を開発するための、より忠実なテストベッドを提供する。
データセットとコードはhttps://github.com/chaos-max/TransXion.comで公開されている。
関連論文リスト
- Extracting Money Laundering Transactions from Quasi-Temporal Graph Representation [0.17188280334580197]
マネーロンダリングは世界中の金融機関にとって永続的な課題である。
従来のマネーロンダリングのアプローチは、主に事前に定義されたリスクベースのルールに依存している。
金融データセットにおけるマネーロンダリング(あるいは不審な)トランザクションを検出するための高度な教師付き学習手法であるExSTraQtを提案する。
論文 参考訳（メタデータ） (2026-04-03T09:14:39Z) - Detecting Complex Money Laundering Patterns with Incremental and Distributed Graph Modeling [0.15293427903448023]
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。
論文 参考訳（メタデータ） (2026-04-01T18:40:58Z) - 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) - AgentProcessBench: Diagnosing Step-Level Process Quality in Tool-Using Agents [50.481033105867205]
我々はAgentProcessBenchを紹介した。AgentProcessBenchは、現実的なツール拡張トラジェクトリにおけるステップレベルの有効性を評価するための最初のベンチマークである。
ベンチマークは、1,000の多様な軌跡と8,509の人間ラベル付きステップアノテーションと89.1%のアノテーション間合意で構成されている。
探索をキャプチャする3つのラベリングスキームと、ラベルのあいまいさを減らすためのエラー伝搬ルールを備えている。
論文 参考訳（メタデータ） (2026-03-15T16:13:58Z) - StableAML: Machine Learning for Behavioral Wallet Detection in Stablecoin Anti-Money Laundering on Ethereum [1.6492745888221318]
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。
論文 参考訳（メタデータ） (2026-02-19T21:13:39Z) - Generate Aligned Anomaly: Region-Guided Few-Shot Anomaly Image-Mask Pair Synthesis for Industrial Inspection [53.137651284042434]
異常検査は製造業において重要な役割を担っているが、異常サンプルの不足は既存の方法の有効性を制限している。
本稿では,GAA (Generate grained Anomaly) を提案する。
GAAは少数のサンプルのみを用いて現実的で多様で意味的に整合した異常を発生させる。
論文 参考訳（メタデータ） (2025-07-13T12:56:59Z) - Advanced fraud detection using machine learning models: enhancing financial transaction security [0.3370543514515051]
本研究では、現実世界のデータを用いて、クレジットカード取引異常や不正を検知するエンドツーエンドで機能豊富な機械学習フレームワークを提案する。
論文 参考訳（メタデータ） (2025-06-12T15:59:25Z) - Application of Deep Generative Models for Anomaly Detection in Complex Financial Transactions [6.168094458060399]
本研究では,大規模支払フローにおける疑わしい行動を検出するアルゴリズムを提案する。
GAN(Generative Adversarial Networks)と可変オートエンコーダ(VAE)を組み合わせることで、金融取引における異常な振る舞いを検出するように設計されている。
論文 参考訳（メタデータ） (2025-04-21T23:49:10Z) - Advancing Anomaly Detection: Non-Semantic Financial Data Encoding with LLMs [49.57641083688934]
本稿では,Large Language Models (LLM) 埋め込みを用いた財務データにおける異常検出の新しい手法を提案する。
実験により,LLMが異常検出に有用な情報をもたらし,モデルがベースラインを上回っていることが確認された。
論文 参考訳（メタデータ） (2024-06-05T20:19:09Z) - Blockchain Large Language Models [65.7726590159576]
本稿では,異常なブロックチェーントランザクションを検出するための動的,リアルタイムなアプローチを提案する。
提案するツールであるBlockGPTは、ブロックチェーンアクティビティのトレース表現を生成し、大規模な言語モデルをスクラッチからトレーニングして、リアルタイム侵入検出システムとして機能させる。
論文 参考訳（メタデータ） (2023-04-25T11:56:18Z)
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。