論文の概要: Extracting Illicit-Rich Subgraph from Transaction Networks via Feed-Guided Shortest Paths
- arxiv url: http://arxiv.org/abs/2610.13280v1
- Date: Fri, 09 Oct 2026 09:29:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-13 04:06:29.506502
- Title: Extracting Illicit-Rich Subgraph from Transaction Networks via Feed-Guided Shortest Paths
- Title（参考訳）: フィード誘導短絡経路によるトランザクションネットワークからのIllicit-Rich部分グラフの抽出
- Abstract要約: 最短経路ネットワーク探索アルゴリズム(SPNSA)を用いたアンチモニー洗浄(AML)トランザクショングラフの探索的部分グラフ抽出について検討する。
SPNSAはフィード選択に非常に敏感であるため,モチーフに基づくコヒーレントフィード選択法を提案する。
IBM-AMLベンチマークとElliptic Bitcoinトランザクショングラフの実験により、提案した戦略が抽出されたサブグラフにおいて著しく高い不正率をもたらすことが示された。
- 参考スコア（独自算出の注目度）: 0.41292255339309664
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study investigative subgraph extraction for Anti-Money Laundering (AML) transaction graphs using the Shortest Paths Network Search Algorithm (SPNSA), which aggregates shortest paths among a small input feed of entities. Since SPNSA is highly sensitive to the feed choice, we evaluate several graph-only feed selection strategies and propose a motif-based coherent feed selection method. Experiments on the IBM-AML benchmark (HI-Small, LI-Small, HI-Medium) and the Elliptic Bitcoin transaction graph show that the proposed strategy yields markedly higher illicit ratios in the extracted subgraph than random and degree-based heuristics on Elliptic and the IBM-AML HI variants, while keeping the output compact.
- Abstract（参考訳）: 我々は,最小経路ネットワーク探索アルゴリズム (SPNSA) を用いたアンチモニー・ラダーリング (AML) トランザクショングラフの探索的部分グラフ抽出について検討した。
SPNSAはフィード選択に非常に敏感であるため、グラフのみのフィード選択戦略を評価し、モチーフに基づくコヒーレントフィード選択法を提案する。
IBM-AMLベンチマーク(HI-Small, LI-Small, HI-Medium)とElliptic Bitcoinトランザクショングラフの実験により,提案手法は抽出したサブグラフにおいて,出力をコンパクトに保ちながら,楕円型およびIBM-AML HIの変種に対するランダムおよび次数に基づくヒューリスティックスよりも明らかに高い不正比が得られることを示した。
関連論文リスト
- An Exposition of Pathfinding Strategies Within Lightning Network Clients [4.926283917321645]
Lightning Networkは、Bitcoinのスケーラビリティ問題に対処するために設計されたピアツーピアネットワークである。
本稿では,Lightning Network ノード実装におけるパスフィンディング戦略の違いについて検討する。
成功率,手数料,パス長,タイムロックなど,さまざまなパスフィニング戦略の有効性を評価した。
論文 参考訳（メタデータ） (2024-10-17T17:21:45Z) - Identifying Money Laundering Subgraphs on the Blockchain [5.377744640870357]
反マネーロンダリングには、金融活動におけるマネーロンダリング犯罪の特定が含まれる。
最近の研究では、グラフベースの機械学習のレンズを通してAMLが進歩している。
RevTrackはグラフベースのフレームワークで、低コストで高精度な大規模AML分析を可能にする。
論文 参考訳（メタデータ） (2024-10-10T22:01:14Z) - FastGAS: Fast Graph-based Annotation Selection for In-Context Learning [53.17606395275021]
インコンテキスト学習(ICL)は、大規模言語モデル(LLM)に対して、一連のトレーニングインスタンスをプロンプトとして使用することにより、新しいタスクに対処する権限を与える。
既存の手法では、アノテーションのラベルなし例のサブセットを選択する方法が提案されている。
本稿では,高品質なインスタンスを効率的に識別するグラフベースの選択手法であるFastGASを提案する。
論文 参考訳（メタデータ） (2024-06-06T04:05:54Z) - Minimally Supervised Learning using Topological Projections in
Self-Organizing Maps [55.31182147885694]
自己組織化マップ(SOM)におけるトポロジカルプロジェクションに基づく半教師付き学習手法を提案する。
提案手法は,まずラベル付きデータ上でSOMを訓練し,最小限のラベル付きデータポイントをキーベストマッチングユニット(BMU)に割り当てる。
提案した最小教師付きモデルが従来の回帰手法を大幅に上回ることを示す。
論文 参考訳（メタデータ） (2024-01-12T22:51:48Z) - Provably Convergent Subgraph-wise Sampling for Fast GNN Training [122.68566970275683]
収束保証,すなわちローカルメッセージ補償(LMC)を用いた新しいサブグラフワイズサンプリング手法を提案する。
LMCは、後方パスのメッセージパスの定式化に基づいて、後方パスで破棄されたメッセージを検索する。
大規模ベンチマーク実験により、LCCは最先端のサブグラフワイドサンプリング法よりもはるかに高速であることが示された。
論文 参考訳（メタデータ） (2023-03-17T05:16:49Z) - LMC: Fast Training of GNNs via Subgraph Sampling with Provable Convergence [8.630426703200541]
収束保証,すなわちローカルメッセージ補償(LMC)を用いた新しいサブグラフワイズサンプリング手法を提案する。
LMCは、後方パスのメッセージパスの定式化に基づいて、後方パスで破棄されたメッセージを検索する。
LMCは、効率の点で最先端のサブグラフワイドサンプリング法を著しく上回っている。
論文 参考訳（メタデータ） (2023-02-02T07:52:34Z) - LSDAT: Low-Rank and Sparse Decomposition for Decision-based Adversarial
Attack [74.5144793386864]
LSDATは、入力サンプルのスパース成分と対向サンプルのスパース成分によって形成される低次元部分空間における摂動を加工する。
LSDは画像ピクセル領域で直接動作し、スパース性などの非$ell$制約が満たされることを保証します。
論文 参考訳（メタデータ） (2021-03-19T13:10:47Z)
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。