論文の概要: FlowShield: cryptocurrency anti-money laundering with transaction semantics parsing and fund flow tracking
- arxiv url: http://arxiv.org/abs/2608.17355v1
- Date: Tue, 18 Aug 2026 04:21:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-19 21:40:53.217125
- Title: FlowShield: cryptocurrency anti-money laundering with transaction semantics parsing and fund flow tracking
- Title（参考訳）: FlowShield:トランザクションのセマンティクス解析と資金フロー追跡による暗号通貨の反マネーロンダリング
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 46.45233269509415
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cryptocurrency anti-money laundering (Crypto AML) is increasingly challenged by sophisticated laundering behaviors that rapidly fragment stolen assets through diverse semantics and across multiple blockchains. Existing Crypto AML methods often simplify transaction semantics, rely on topology-centric signals, or output isolated detection labels. In this paper, we present \textsc{FlowShield}, a Crypto AML framework for transaction-level laundering detection and investigator-facing report generation. \textsc{FlowShield} first recovers behavior-level semantics from observable relations, making laundering intents explicit. To trace value provenance and redistribution, \textsc{FlowShield} reconstructs fund-flow subgraphs from three complementary perspectives. It then employs a text--structure fusion mechanism, enabling the interplay between large language model (LLM)-encoded semantics and flow texts with graph convolutional network (GCN)-encoded structure. Beyond mere detection, \textsc{FlowShield} further generates readable suspicious activity reports (SARs), offering investigators concise summaries and explainable red flags. To address the data scarcity in multi-chain detection, we construct and open-source \textit{BybitML}, the first public multi-chain laundering dataset. We evaluate \textsc{FlowShield} on \textit{BybitML} and two public laundering datasets and experimental results demonstrate that \textsc{FlowShield} achieves the best overall performance, with an average F1 score of 98.0\%. Further behavior and SAR analyses demonstrate that \textsc{FlowShield} can reveal diverse laundering strategies and produce readable reports for investigating complex multi-hop fund flows.
- Abstract（参考訳）: 暗号通貨のアンチマネーロンダリング(Crypto AML)は、さまざまなセマンティクスと複数のブロックチェーンを通じて、盗まれた資産を迅速に断片化する高度なマネーロンダリング行動によって、ますます困難になってきている。
既存のCrypto AMLメソッドは、トランザクションのセマンティクスを単純化したり、トポロジ中心の信号に依存したり、孤立した検出ラベルを出力したりすることが多い。
本稿では,トランザクションレベルの洗浄検知と調査対象レポート生成のためのCrypto AMLフレームワークであるtextsc{FlowShield}を提案する。
\textsc{FlowShield} はまず、観測可能な関係から振る舞いレベルのセマンティクスを回復し、洗浄の意図を明確にする。
価値の証明と再分配をトレースするために、 \textsc{FlowShield} 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成する。
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。
単に検出するだけでなく、 \textsc{FlowShield} はさらに読みやすい不審な活動報告 (SAR) を生成し、調査員は簡潔な要約と説明可能な赤旗を提供する。
マルチチェーン検出におけるデータの不足に対処するため、最初の公開マルチチェーン洗浄データセットであるtextit{BybitML}を構築し、オープンソース化する。
我々は, \textit{BybitML} 上の \textsc{FlowShield} と2つの公開マネーダリングデータセットを評価し, 実験結果から, 平均 F1 スコア98.0\% で, \textsc{FlowShield} が最高性能を達成することを示す。
さらに振舞いとSAR分析により,‘textsc{FlowShield} は多様な洗浄戦略を明らかにし,複雑なマルチホップファンドフローを調査するための可読性レポートを作成できることを示した。
関連論文リスト
- Temporal Motif-aware Graph Test-time Adaptation for OOD Blockchain Anomaly Detection [55.18577006122169]
textbfTEmporal textbfMotif-aware textbfGraph textbfTest-textbfTime textbfAdaptation (textbfTEMG-TTA) という新しいフレームワークを提案する。
まず、効率的な計算機構を用いて、各アクティブアドレスの3ノードの時間的モチーフ分布を包括的にキャプチャする。
第2に、トレーニングとテストグラフ間の共通パターンの共有を容易にするための、シンプルで効果的なテスト時間適応戦略を設計する。
論文 参考訳（メタデータ） (2026-05-28T07:43:20Z) - Learn from your own latents and not from tokens: A sample-complexity theory [53.5821824211418]
本研究では,関連するビューやマスキング領域の潜在表現を予測するために訓練されたネットワークについて検討する。
潜在予測は、対数的要因まで、多くのサンプルを$L$で表すことでこれを達成できることを示す。
これは、H-JEPAのような明示的な積み重ねがほとんど冗長であることを示している。
論文 参考訳（メタデータ） (2026-05-26T22:16:42Z) - 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) - UniDetect: LLM-Driven Universal Fraud Detection across Heterogeneous Blockchains [9.89047849878308]
大規模言語モデル(LLM)に基づくマルチチェーン暗号通貨不正アカウント検出手法UniDetectを導入する。
具体的には、ドメイン知識を用いてLLMをガイドし、異種ブロックチェーンアカウントに適用可能な一般的なトランザクション要約テキストを生成する。
複数のブロックチェーンの実験によると、UniDetectはKolmogorov-Smirnov(KS)で既存のメソッド5.57%から7.58%を上回っている。
論文 参考訳（メタデータ） (2026-04-14T06:04:37Z) - Context Tokens are Anchors: Understanding the Repetition Curse in dMLLMs from an Information Flow Perspective [40.28551750991027]
キャッシュ機構は、しばしば望ましくない反復的なテキスト生成を導入する。
我々は情報フローのレンズを通して繰り返し生成を分析する。
繰り返しを緩和するプラグイン・アンド・プレイ方式である textbfCoTA を提案する。
論文 参考訳（メタデータ） (2026-01-28T11:54:42Z) - 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) - MPOCryptoML: Multi-Pattern based Off-Chain Crypto Money Laundering Detection [2.2530496464901106]
本稿では,暗号通貨取引における複数のマネーロンダリングパターンを効果的に検出するMPOCryptoMLを提案する。
MPOCryptoMLは、ランダムな洗浄パターンを識別するマルチソースパーソナライズされたPageRankアルゴリズムの開発を含む。
一貫性のあるパフォーマンス向上を示し、精度が9.13%、リコールが10.16%、F1スコアが7.63%、精度が10.19%まで向上した。
論文 参考訳（メタデータ） (2025-08-18T06:06:32Z) - 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) - Don't Get Lost in the Trees: Streamlining LLM Reasoning by Overcoming Tree Search Exploration Pitfalls [83.89771461061903]
検証者による木探索アルゴリズムの最近の進歩は、大規模言語モデル(LLM)の推論能力を大幅に向上させた。
検証者による木探索アルゴリズムの最近の進歩は、大規模言語モデル(LLM)の推論能力を大幅に向上させた。
意味論的に等価なコンテンツを持つ冗長な状態による$textitover-Exploration$と、検証器のスコアリングにおける高いばらつきに起因する$textitunder-Exploration$である。
各種木探索アルゴリズムに適合するフレキシブルなプラグアンドプレイシステムであるFETCHを提案する。
論文 参考訳（メタデータ） (2025-02-16T16:12:01Z) - MIETT: Multi-Instance Encrypted Traffic Transformer for Encrypted Traffic Classification [59.96233305733875]
トラフィックの分類は、セキュリティの脅威を検出し、ネットワーク管理を最適化するために不可欠である。
トークンレベルとパケットレベルの両方の関係をキャプチャするMulti-Instance Encrypted Traffic Transformer (MIETT)を提案する。
MIETTは5つのデータセットにまたがって結果を達成し、暗号化されたトラフィックの分類と複雑なネットワーク動作の理解の有効性を示す。
論文 参考訳（メタデータ） (2024-12-19T12:52:53Z) - 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) - 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。