AMLNet：一种基于知识的多智能体框架，用于生成和检测真实的洗钱交易
人工智能
2025-09-16 v1 计算工程、金融与科学
密码学与安全
机器学习
多智能体系统
摘要
反洗钱（AML）研究受限于缺乏可公开共享且与法规对齐的交易数据集。本文提出 AMLNet，一个基于知识的多智能体框架，包含两个协调单元：一个法规感知的交易生成器和一个集成检测流水线。生成器产生 1,090,173 笔合成交易（约 0.16% 为洗钱阳性），涵盖核心洗钱阶段（放置、分层、整合）和高级类型（如结构化、自适应阈值行为）。法规对齐度达到 75%（基于 AUSTRAC 规则覆盖，第 4.2 节），综合技术保真度得分为 0.75，涵盖时间、结构和行为真实性分量（第 4.4 节）。检测集成在 AMLNet 内部测试分区上达到 F1 值 0.90（精确率 0.84，召回率 0.97），并能适配外部 SynthAML 数据集，表明架构在不同合成生成范式间的泛化能力。本文提供多维评估（法规、时间、网络、行为），并发布数据集（版本 1.0，https://doi.org/10.5281/zenodo.16736515），以推动可复现且符合法规的 AML 实验研究。
引用
@article{arxiv.2509.11595,
title = {AMLNet: A Knowledge-Based Multi-Agent Framework to Generate and Detect Realistic Money Laundering Transactions},
author = {Sabin Huda and Ernest Foo and Zahra Jadidi and MA Hakim Newton and Abdul Sattar},
journal= {arXiv preprint arXiv:2509.11595},
year = {2025}
}