論文の概要: Becoming Suspicious Across Borders: Algorithmic Extraterritoriality and AI-Driven Financial Surveillance
- arxiv url: http://arxiv.org/abs/2610.03425v1
- Date: Fri, 02 Oct 2026 15:09:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-06 00:14:30.436349
- Title: Becoming Suspicious Across Borders: Algorithmic Extraterritoriality and AI-Driven Financial Surveillance
- Title（参考訳）: 国境を越えて注目される - アルゴリズムの領域外性とAIによる財務監視
- Abstract要約: スパイ行為は、反マネーロンダリングと対テロ資金における重要な概念である。
本稿では,データ基盤を介する規制力の一形態として理解された,アルゴリズムの領域外性の概念を発展させる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Suspicion is an important, yet elusive concept in anti-money laundering and counter-terrorist financing (AML/CFT), which allows for intervention below the threshold of proof. In its traditional form, suspicion can be understood as a situated legal judgement by human actors within identifiable jurisdictions. It is argued that this understanding is no longer adequate. As artificial intelligence (AI) becomes an integral part of financial surveillance, suspicion is increasingly produced through data-driven processes. This transformation is epistemic, but also spatial. Since AI-driven financial surveillance operates through transnational data infrastructures, regulatory reach is less a matter of where conduct occurs than a question of whether such conduct becomes visible within data systems. This article develops the concept of algorithmic extraterritoriality, understood as a form of regulatory power mediated by data infrastructures rather than formal assertions of jurisdiction. Moreover, since individuals are increasingly constituted as datafied subjects of suspicion, they are rendered governable through dispersed and opaque processes of evaluation. This constitutes a challenge for accountability and contestability because suspicion becomes more difficult to locate, explain or contest.
- Abstract（参考訳）: 偽証は、証拠のしきい値以下の介入を可能にする、反マネーロンダリングと対テロ資金(英語版)(AML/CFT)において重要な、しかし思い起こされる概念である。
従来の形態では、疑念は、特定された司法管轄区域内の人間俳優による位置する法的判断として理解することができる。
この理解はもはや適切ではないと論じられている。
人工知能(AI)が金融監視の不可欠な部分となるにつれ、データ駆動プロセスを通じて疑いが生まれつつある。
この変換はてんかんであるが、空間的でもある。
AIによる金融監視は、国際的データ基盤を通じて行われるため、規制の到達範囲は、その行為がデータシステム内で見えるようになるかどうかという問題よりも、どこで実行されるのかという問題である。
本稿では,法域の形式的主張ではなく,データ基盤を介する規制力の一形態として理解された,アルゴリズム的領域外性の概念を発展させる。
さらに、個人はますます、疑わしい疑念に満ちたデータ処理対象として構成されているため、分散された不透明な評価プロセスによって、統治可能となる。
これは、疑念がより見つけ、説明し、争うのが難しくなるため、説明責任と競争可能性に対する挑戦となる。
関連論文リスト
- Validity, Reliability, and Transparency in Artificial Intelligence Regulation [2.588958866512272]
記事は、現代のAIは、構築の妥当性、欠点、代表性、流通のシフト、公正なトレードオフに関する懸念を提起している。
我々は、比例評価とデプロイメント承認の前提条件として推論が機能すべきであると主張している。
論文 参考訳（メタデータ） (2026-08-06T09:36:15Z) - Frontier AI Auditing: Toward Rigorous Third-Party Assessment of Safety and Security Practices at Leading AI Companies [57.521647436515785]
私たちはフロンティアAIの監査を、フロンティアAI開発者の安全とセキュリティに関する主張の厳格な第三者による検証として定義しています。
本稿では,AI保証レベル(AAL-1からAAL-4)について紹介する。
論文 参考訳（メタデータ） (2026-01-16T18:44:09Z) - The AI-Fraud Diamond: A Novel Lens for Auditing Algorithmic Deception [0.0]
本稿では,従来のフラッド・トライアングルの拡張であるAI-フラッド・ダイアモンドを紹介し,圧力,機会,合理化とともに,技術的不透明度を第4条件として追加する。
従来の詐欺とは異なり、AI対応の詐欺は明確な人間の意図を伴わないが、不透明なモデル行動、欠陥のあるトレーニングデータ、規制されていないデプロイメントプラクティスといったシステムレベルの特徴から生じる可能性がある。
論文 参考訳（メタデータ） (2025-08-19T16:21:44Z) - Artificial Intelligence in Government: Why People Feel They Lose Control [44.99833362998488]
行政における人工知能の利用は急速に拡大している。
AIはより効率と応答性を約束するが、政府機能への統合は公正性、透明性、説明責任に関する懸念を提起する。
この記事では、デリゲートの特別事例として、AI導入に関するプリンシパル・エージェント理論を適用します。
論文 参考訳（メタデータ） (2025-05-02T07:46:41Z) - 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) - A Law Reasoning Benchmark for LLM with Tree-Organized Structures including Factum Probandum, Evidence and Experiences [76.73731245899454]
本稿では,階層的なファクトラム,証拠,暗黙的な経験に富む透明な法理推論スキーマを提案する。
このスキーマにインスパイアされた課題は、テキストのケース記述を取り込み、最終決定を正当化する階層構造を出力する。
このベンチマークは、Intelligent Courtにおける透明で説明可能なAI支援法推論の道を開く」。
論文 参考訳（メタデータ） (2025-03-02T10:26:54Z) - Aiding Humans in Financial Fraud Decision Making: Toward an XAI-Visualization Framework [6.040452803295326]
金融詐欺捜査員は、大量の構造化されていない情報を手動で合成するという課題に直面している。
現在のVisual Analyticsシステムは、主にこのプロセスの独立した側面をサポートしている。
本稿では,金融不正調査のあらゆる段階において,VAシステムが意思決定者を支援する枠組みを提案する。
論文 参考訳（メタデータ） (2024-08-26T18:10:07Z) - Coordinated Flaw Disclosure for AI: Beyond Security Vulnerabilities [1.3225694028747144]
本稿では,機械学習(ML)問題の複雑度に合わせたコーディネート・フレーバー開示フレームワークを提案する。
本フレームワークは,拡張モデルカード,ダイナミックスコープ拡張,独立適応パネル,自動検証プロセスなどのイノベーションを導入している。
CFDはAIシステムに対する公的な信頼を著しく向上させる可能性があると我々は主張する。
論文 参考訳（メタデータ） (2024-02-10T20:39:04Z) - Transparency and Privacy: The Role of Explainable AI and Federated
Learning in Financial Fraud Detection [0.9831489366502302]
本研究は,これらの課題に対処するために,FL(Federated Learning)とXAI(Explainable AI)を用いた新しいアプローチを提案する。
FLは、金融機関が顧客データを直接共有することなく、不正取引を検出するモデルを協調的に訓練することを可能にする。
XAIは、モデルによってなされた予測が人間の専門家によって理解され解釈され、システムに透明性と信頼のレイヤを追加することを保証します。
論文 参考訳（メタデータ） (2023-12-20T18:26:59Z) - Generating Plausible Counterfactual Explanations for Deep Transformers
in Financial Text Classification [33.026285180536036]
本稿では,実証可能な対実的説明を創出するための新しい手法を提案する。
また、FinTechのドメインにおける言語モデルに対する敵対的トレーニングの正規化の利点についても検討している。
論文 参考訳（メタデータ） (2020-10-23T16:29:26Z)
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。