論文の概要: Graph-Driven Cross-Industry Real-Time Monitoring Framework for Anti-Money Laundering Detection in Converged Mobility-Energy Supply Chain Networks

• arxiv url: http://arxiv.org/abs/2605.18844v1
• Date: Wed, 13 May 2026 05:10:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-20 15:03:08.661872
• Title: Graph-Driven Cross-Industry Real-Time Monitoring Framework for Anti-Money Laundering Detection in Converged Mobility-Energy Supply Chain Networks
• Title（参考訳）: コンバージド・モビリティ・エナジー・チェーンネットワークにおける反モニー洗浄検出のためのグラフ駆動クロス産業リアルタイムモニタリングフレームワーク
• Authors: Rong Liu, Xiaojun Xiao, Zhanqing Su,
• Abstract要約: 業界横断サプライチェーン金融は、隠れマネーロンダリング事件のリスクの高い分野となっている。 本研究は,エネルギー供給チェーンネットワーク統合のための,グラフ駆動型産業間リアルタイムマネーロンダリング監視フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 2.2755732465679697
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the deep integration of the travel and energy industries, cross-industry supply chain finance has gradually become a high-risk field of hidden money laundering incidents. For this reason, this work proposes a graph-driven cross-industry real-time anti-money laundering monitoring framework (GCRMF) for integrated travel - energy supply chain networks. First, a cross-industry heterogeneous graph (CIHG) covering new energy vehicle rental platforms, energy suppliers, fintech institutions, etc., is constructed, and industry semantics are integrated through temporarily Dual-GAT (Temporal Dual-Graph Attention Network), dynamically encoding capital flow paths and evolution features over time. Subsequently, in order to identify the structural fraud behavior together produced by colluding subjects, a meta-path subgraph reasoning module based on contrastive learning and hierarchical graph sampling is proposed to enhance the discrimination capability of cross-industry recurring money laundering behavior. Meanwhile, a self-supervised online learning mechanism is adopted for real-time adaptation and continuous optimization to new money laundering strategies. The experimental results show that compared with existing graph neural network methods in cross-industry scenarios, GCRMF improves the performance by more than 17.8% of F1 score and greatly reduces the false positive rate.
• Abstract（参考訳）: 旅行とエネルギー産業の深い統合により、産業間サプライチェーン金融は、徐々に隠れマネーロンダリング事件のリスクの高い分野になりつつある。 そこで本研究では,グラフ駆動型産業間リアルタイムマネーロンダリング監視フレームワーク(GCRMF)を提案する。 まず、新しいエネルギー車レンタルプラットフォーム、エネルギーサプライヤー、フィンテック機関などを網羅した産業間不均質グラフ(CIHG)を構築し、一時的にDual-GAT(Temporal Dual-Graph Attention Network)を通じて業界セマンティクスを統合し、時間とともに資本フローパスと進化的特徴を動的に符号化する。 その後, コントラスト学習と階層グラフサンプリングに基づくメタパスサブグラフ推論モジュールを提案することにより, 産業間で繰り返し発生するマネーロンダリング行動の識別能力を向上する。 一方,新たなマネーロンダリング戦略へのリアルタイム適応と継続的な最適化のために,自己指導型オンライン学習機構が採用されている。 実験結果から, 産業間シナリオにおける既存のグラフニューラルネットワーク手法と比較して, GCRMFはF1スコアの17.8%以上の性能を向上し, 偽陽性率を大幅に低減することがわかった。

関連論文リスト

• 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)
• 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)
• Power Grid Control with Graph-Based Distributed Reinforcement Learning [60.49805771047161]
  この作業は、リアルタイムでスケーラブルなグリッド管理のためのグラフベースの分散強化学習フレームワークを前進させる。 グラフニューラルネットワーク(GNN)を使用して、ネットワークのトポロジ情報を単一の低レベルエージェントの観測内にエンコードする。 Grid2Opシミュレーション環境での実験は、このアプローチの有効性を示している。
  論文  参考訳（メタデータ） (2025-09-02T22:17:25Z)
• Temporal-Aware Graph Attention Network for Cryptocurrency Transaction Fraud Detection [2.1161810694525807]
  本稿では,検出性能を向上させるための拡張時間対応グラフ注意ネットワーク(ATGAT)を提案する。 Elliptic++暗号データセットの実験では、ATGATが0.9130のAUCを達成した。
  論文  参考訳（メタデータ） (2025-06-26T15:34:06Z)
• 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)
• Channel Fingerprint Construction for Massive MIMO: A Deep Conditional Generative Approach [65.47969413708344]
  CF双生児の概念を導入し、条件付き生成拡散モデル(CGDM)を設計する。 本研究では, 粗粒CFに条件付き観測された細粒CFの対数分布に対するエビデンスローバウンド(ELBO)を導出するために, 変分推論手法を用いる。 提案手法は, ベースラインと比較して, 復元性能が著しく向上していることを示す。
  論文  参考訳（メタデータ） (2025-05-12T01:36:06Z)
• 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)
• Graph Network Models To Detect Illicit Transactions In Block Chain [0.0]
  暗号通貨は マネーロンダリングのような違法な活動を 増加させています 残差ネットワーク型アーキテクチャ(GAT-ResNet)を用いたグラフアテンションネットワークの適用により,この問題に対処する新しい手法を提案する。 以上の結果から,GAT-ResNetモデルが既存のグラフネットワークモデルよりも精度,信頼性,スケーラビリティに優れる可能性が示唆された。
  論文  参考訳（メタデータ） (2024-09-23T04:38:44Z)
• Finding Money Launderers Using Heterogeneous Graph Neural Networks [0.0]
  本稿では,大規模なヘテロジニアスネットワーク内のマネーロンダリング活動を特定するために,グラフニューラルネットワーク(GNN)アプローチを提案する。 我々は、MPNN(Message Passing Neural Network)と呼ばれる同種GNN法を拡張し、異種グラフ上で効果的に動作させる。 本研究は,異種グラフにおける情報の組み合わせにおいて,適切なGNNアーキテクチャを用いることの重要性を強調した。
  論文  参考訳（メタデータ） (2023-07-25T13:49:15Z)
• IBP Regularization for Verified Adversarial Robustness via Branch-and-Bound [85.6899802468343]
  IBP-Rは, どちらも簡便なトレーニングアルゴリズムである。 また、$beta$-CROWNに基づく新しいロバスト性であるUPBを提示し、最先端の分岐アルゴリズムのコストを削減する。
  論文  参考訳（メタデータ） (2022-06-29T17:13:25Z)

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。