Amatriciana：利用时序图神经网络实现鲁棒高效的洗钱检测
密码学与安全
2025-06-10 v1 机器学习
摘要
洗钱是一种金融犯罪，对金融完整性和社会安全构成严重威胁。不断增长的交易数量使得使用辅助执法机构检测此类犯罪活动的自动化工具成为必然。在这项工作中，我们提出了 Amatriciana，一种基于图神经网络的新方法，通过考虑时间信息来检测交易图中的洗钱者。Amatriciana 使用完整的交易图而不将其分割为多个基于时间的子图，从而利用数据集中的所有关系信息。我们在公开数据集上的实验表明，该模型能够从有限的数据量中学习。此外，当有更多数据可用时，该模型的性能优于其他最先进的方法；特别是，Amatriciana 在检测到许多洗钱者的同时减少了误报数量。总而言之，Amatriciana 取得了 0.76 的 F1 分数。此外，与其他最先进的模型相比，它将误报率降低了 55%。
引用
@article{arxiv.2506.00654,
title = {Amatriciana: Exploiting Temporal GNNs for Robust and Efficient Money Laundering Detection},
author = {Marco Di Gennaro and Francesco Panebianco and Marco Pianta and Stefano Zanero and Michele Carminati},
journal= {arXiv preprint arXiv:2506.00654},
year = {2025}
}