論文の概要: Clue-Guided Money Laundering Group Discovery

• arxiv url: http://arxiv.org/abs/2606.26189v1
• Date: Wed, 24 Jun 2026 13:57:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 18:46:32.026093
• Title: Clue-Guided Money Laundering Group Discovery
• Title（参考訳）: クローズガイドのマネーロンダリンググループディスカバリー
• Abstract要約: Money Laundering Group Discoveryは、隠れた犯罪グループを特定し、大規模な金融ネットワークでその完全な構造を回復することを目的としている。 既存のグラフ異常検出手法は主にノードレベルのリスク警告を生成するが、グローバルグループ発見手法はネットワーク全体に不審なグループを受動的に探索する。 提案するClue-Guided Group Discovery (CGGD) では, アナリストのインタラクションを通じて, 初期手掛かりから洗浄グループを段階的に回収する。
• 参考スコア（独自算出の注目度）: 9.863591636558047
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Money Laundering Group Discovery (MLGD) aims to identify hidden criminal groups and recover their complete structures in large-scale financial networks. Existing graph anomaly detection methods mainly produce node-level risk alerts, while global group discovery methods passively search for suspicious groups over the whole network. Both are mismatched with real Anti-money-laundering (AML) investigations, where analysts usually start from a concrete clue and gradually expand the investigation to recover the responsible group. To address this gap, we propose Clue-Guided Group Discovery (CGGD), where a laundering group is progressively recovered from an initial clue set through analyst interaction. We further propose Clue2Group, a framework that first constructs a compact local investigation context to reduce noise and preserve chain-like and cycle-like laundering structures. It then estimates a clue-conditioned local risk field with a multi-semantic local-temporal GNN, and finally integrates risk, structural, and prior-pattern evidence to recover a coherent laundering group. Experiments on two large-scale AML benchmarks show that Clue2Group provides a practical clue-driven analysis framework for AML investigations, offering a feasible step toward bridging the gap between graph-based AML research and real investigation workflows.
• Abstract（参考訳）: マネーロンダリンググループディスカバリー(MLGD)は、隠れた犯罪集団を特定し、大規模な金融ネットワークでその完全な構造を回復することを目的としている。 既存のグラフ異常検出手法は主にノードレベルのリスク警告を生成するが、グローバルグループ発見手法はネットワーク全体に不審なグループを受動的に探索する。 どちらも、実際の反マネーロンダリング(AML)調査と一致していない。アナリストは通常、具体的な手がかりから始まり、徐々に調査を拡張して責任あるグループを回復する。 このギャップに対処するため、私たちはClue-Guided Group Discovery (CGGD)を提案する。 さらに,音を低減し,チェーンライクでサイクルライクな洗浄構造を維持するために,まずコンパクトな局所的な調査コンテキストを構築するフレームワークであるClue2Groupを提案する。 そして、複数の意味のある局所的GNNを持つ手がかり条件付き局所的リスクフィールドを推定し、最後にリスク、構造、および事前パターンのエビデンスを統合して、コヒーレントな洗浄グループを回復する。 2つの大規模なAMLベンチマークの実験によると、Clue2Groupは、AML調査のための実践的な手掛かり駆動分析フレームワークを提供し、グラフベースのAML研究と実際の調査ワークフローのギャップを埋めるための実行可能なステップを提供する。

関連論文リスト

• FlowShield: cryptocurrency anti-money laundering with transaction semantics parsing and fund flow tracking [46.45233269509415]
  textscFlowShieldは、トランザクションレベルの洗浄検知と調査対象のレポート生成のためのCrypto AMLフレームワークである。 textscFlowShieldは3つの相補的な視点からファンドフローのサブグラフを再構築する。 次に、大きな言語モデル(LLM)エンコードされたセマンティクスと、グラフ畳み込みネットワーク(GCN)エンコードされた構造を持つフローテキストとの相互作用を可能にする、テキスト構造融合機構を使用する。
  論文  参考訳（メタデータ） (2026-08-18T04:21:19Z)
• Graph-Driven Cross-Industry Real-Time Monitoring Framework for Anti-Money Laundering Detection in Converged Mobility-Energy Supply Chain Networks [2.2755732465679697]
  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。
  論文  参考訳（メタデータ） (2026-05-13T05:10:47Z)
• CodaRAG: Connecting the Dots with Associativity Inspired by Complementary Learning [50.98972985136333]
  CodaRAGは、受動的検索からアクティブな連想発見へと進化するフレームワークである。 CodaRAGは、検索リコールで7-10%、生成精度で3-11%という絶対的なゲインを達成する。
  論文  参考訳（メタデータ） (2026-04-12T02:50:40Z)
• 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)
• Chaining the Evidence: Robust Reinforcement Learning for Deep Search Agents with Citation-Aware Rubric Rewards [60.0970117192627]
  強化学習(Reinforcement Learning, RL)は, LLMに基づくディープサーチエージェントの強化に重要な手法である。 既存のアプローチは主にバイナリ結果の報酬に依存しており、エージェントの推論プロセスの包括性と事実性を捉えていない。 ディープサーチエージェントのための微粒化報酬フレームワークである textbfCitation-aware RL Rewards (CaRR) を提案する。
  論文  参考訳（メタデータ） (2026-01-09T18:57:53Z)
• Detection of Crowdsourcing Cryptocurrency Laundering via Multi-Task Collaboration [6.593202318405946]
  クラウドソーシングによる資金洗浄は、新しいタイプの資金洗浄である。 クラウドソーシングによるマネーロンダリングトランザクションは、さまざまなパターンと多中心構造を示す。 マルチタスク協調型クラウドソーシング雷検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-02T08:58:11Z)
• 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)
• 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)
• 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)
• Network Analytics for Anti-Money Laundering -- A Systematic Literature Review and Experimental Evaluation [1.7119723306387908]
  本稿では,Web of Science and Scopus の97論文をもとに,広範囲かつユニークな文献レビューを行う。 我々は、ほとんどの研究はエキスパートベースのルールと手動の機能に依存していると結論付け、ディープラーニングの手法は勢いを増している。
  論文  参考訳（メタデータ） (2024-05-29T08:48:52Z)
• Enhancing Infrared Small Target Detection Robustness with Bi-Level Adversarial Framework [61.34862133870934]
  本稿では,異なる汚職の存在下での検出の堅牢性を促進するために,二段階の対向的枠組みを提案する。 我々の手法は広範囲の汚職で21.96%のIOUを著しく改善し、特に一般ベンチマークで4.97%のIOUを推進している。
  論文  参考訳（メタデータ） (2023-09-03T06:35:07Z)
• Fighting Money Laundering with Statistics and Machine Learning [95.42181254494287]
  反マネーロンダリングのための統計的および機械学習手法に関する科学的文献はほとんどない。 本研究では,クライアントのリスクプロファイリングと疑わしい行動フラグングという2つの中心的要素を持つ統一用語を提案する。
  論文  参考訳（メタデータ） (2022-01-11T21:31:18Z)

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。