論文の概要: Tracing the Shadows: Automatic Tracking and Analysis of Crypto Money Laundering via Transaction Semantic Analysis

• arxiv url: http://arxiv.org/abs/2607.18869v1
• Date: Tue, 21 Jul 2026 09:00:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-22 19:05:05.377757
• Title: Tracing the Shadows: Automatic Tracking and Analysis of Crypto Money Laundering via Transaction Semantic Analysis
• Title（参考訳）: シャドウの追跡:トランザクションセマンティック分析によるマネーロンダリングの自動追跡と分析
• Abstract要約: マネーロンダリングの手法は、DeFiトランザクションのセマンティックな複雑さに対処するのに苦労する。 アカウントベースのブロックチェーンのための意味認識型AMLフレームワークであるAMLGuardを提案する。 AMLGuardが82件の現実世界のマネーロンダリング事件に対して有効であることを評価する。
• 参考スコア（独自算出の注目度）: 36.26120394341506
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the rapid advancement of decentralized finance (DeFi), security incidents related to cryptocurrency have become increasingly prevalent. After such incidents, attackers typically attempt to rapidly move stolen assets, concealing the origin of illicit funds and ultimately converting them into fiat currency. However, existing anti-money laundering (AML) methods struggle to cope with the semantic complexity of DeFi transactions. They either rely heavily on low-level token transfers, or perform protocol-agnostic money flow analysis, failing to capture the high-level intent of transactions. In this paper, we propose AMLGuard, a semantic-aware AML framework for account-based blockchains. AMLGuard tracks illicit fund flows from known malicious addresses by performing semantic analysis on complex DeFi transactions, enabling accurate and continuous laundering tracking. Given a complex transaction, AMLGuard combines static rule-based analysis with retrieval-augmented large language model (LLM) reasoning to infer implicit DeFi semantics, transforming raw transaction data into high-level semantic representations. Furthermore, for cross-chain transactions where laundering intent is not explicitly exposed, AMLGuard parses transaction parameters and performs argument parsing to recover cross-chain semantics, enabling seamless tracking across ledgers. Based on the inferred semantics, AMLGuard abstracts each transaction into a DeFi Semantic Unit (DSU). We evaluate the effectiveness of AMLGuard on 82 real-world laundering cases, involving illicit assets worth over $1 billion. Specifically, AMLGuard reconstructs compact illicit fund-flow topologies with destination precision of 94.4% and 87.6%, while achieving the highest address recall of 98.4% and 95.8% and destination recall of 94.1% and 93.8% on single-chain and cross-chain datasets.
• Abstract（参考訳）: 分散型金融(DeFi)の急速な進歩により、暗号通貨に関するセキュリティインシデントがますます広まりつつある。 このような事件の後、攻撃者は盗難した資産を素早く移動させ、違法な資金の起源を隠蔽し、最終的にはフィアット通貨に転換しようとする。 しかし、既存のアンチマネーロンダリング(AML)メソッドは、DeFiトランザクションのセマンティックな複雑さに対処するのに苦労している。 彼らは低レベルのトークン転送に大きく依存するか、プロトコルに依存しないマネーフロー分析を実行し、トランザクションの高レベルの意図を捉えていない。 本稿では,アカウントベースのブロックチェーンのための意味認識型AMLフレームワークであるAMLGuardを提案する。 AMLGuardは、複雑なDeFiトランザクションのセマンティック分析を実行することで、既知の悪意のあるアドレスからの不正なファンドフローを追跡する。 複雑なトランザクションが与えられたAMLGuardは、静的なルールベースの分析と、暗黙的なDeFiセマンティクスを推論する検索強化された大言語モデル(LLM)の推論を組み合わせることで、生のトランザクションデータを高レベルのセマンティクス表現に変換する。 さらに、ランダリングインテントが明示的に公開されていないクロスチェーントランザクションでは、AMLGuardはトランザクションパラメータを解析し、引数解析を実行してクロスチェーンセマンティクスを回復し、台帳間のシームレスなトラッキングを可能にする。 推論セマンティクスに基づいて、AMLGuardは各トランザクションをDSU(DeFi Semantic Unit)に抽象化する。 AMLGuardが82件の現実世界のマネーロンダリング事件に対して有効であることを評価する。 具体的には、AMLGuardは、宛先精度94.4%と87.6%でコンパクトな不正なファンドフロートポロジを再構築し、宛先リコールは98.4%と95.8%、宛先リコールは94.1%と93.8%である。

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)
• An AI Security Agent for Banking: Multi-Vector Fraud and AML Detection Across Retail and Corporate Accounts [0.0]
  銀行は同時に署名に基づく詐欺と行動的金融犯罪に直面している。 ブルートフォースや高速なイベントを確実にキャッチする静的ルールエンジンは、ビジネスメールの妥協に対して構造的に盲目である。 本稿では,このギャップに対処する小売・コーポレートバンキングのためのAIセキュリティエージェントを提案する。
  論文  参考訳（メタデータ） (2026-06-16T05:58:40Z)
• GoAT-X: A Graph of Auditing Thoughts for Securing Token Transactions in Cross-Chain Contracts [52.51342355102833]
  マルチチェーンエコシステムの重要な基盤であるクロスチェーンブリッジは、攻撃者にとって主要なターゲットとなっている。 バイトコードレベルの静的解析のような既存の防御は、チェーン間の相互作用のセマンティックな複雑さを扱うには不十分である。 パターンマッチングから体系的な第一原理検証へ自動的なクロスチェーンスマートコントラクト監査を移行するフレームワークであるGoAT-Xを提案する。
  論文  参考訳（メタデータ） (2026-04-27T11:34:21Z)
• 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)
• 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)
• 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)
• Catch Me If You Can: Semi-supervised Graph Learning for Spotting Money Laundering [0.4159343412286401]
  マネーロンダリング(英: Money laundering)とは、犯罪者が違法な資金を追跡不可能な場所に移すために金融サービスを利用するプロセスである。 反マネーロンダリング(AML)を施行するためには、これらの活動を正確かつ確実に特定することが極めて重要である。 本稿では,金融取引のグラフに対する半教師付きグラフ学習手法を用いて,マネーロンダリングに関連するノードを特定する。
  論文  参考訳（メタデータ） (2023-02-23T09:34:19Z)
• CubeFlow: Money Laundering Detection with Coupled Tensors [39.26866956921283]
  マネーロンダリング(英: Money laundering、ML)とは、不正な活動によって達成された資金源を隠す行動である。 既存のほとんどの手法はグラフやテンソルの密度の高いブロックを検知するが、これは貨幣がしばしば中間口座を通じて転送されるという事実を考慮しない。 この論文で提案されているCubeFlowは、大量のトランザクションから不正を見つけるためのスケーラブルでフローベースのアプローチである。
  論文  参考訳（メタデータ） (2021-03-23T09:24:31Z)

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。