跨国资金转移时序网络中的异常检测
社会与信息网络
2024-02-20 v2 计算工程、金融与科学
信息检索
摘要
本文通过时序网络分析探索异常检测。与许多依赖基于规则的算法或通用机器学习方法的传统方法不同，我们的方法利用时序网络中演化的结构与关系，其可用于建模金融交易。聚焦于稳定生态系统（如大型国际金融机构中所见）中的微小变化，我们的方法利用网络中心性测度来洞察单个节点。通过监测基于中心性的节点排序的时序演化，我们的方法有效识别特定节点角色的突变，从而提示领域专家进一步调查。为证明其有效性，我们的方法应用于反金融犯罪（AFC）领域，分析包含超过 8000 万笔跨国电汇的大型金融数据集。目标是 pinpoint 可能参与恶意活动的离群点，以符合金融监管。该方法作为迈向 AFC 与反洗钱（AML）流程自动化的初步步伐，为 AFC 官员提供自上而下的全景视图以强化其工作。它克服了当前主流范式的诸多局限，对金融数据全景提供整体解读，并解决了对无法通过单节点或窄焦点交易方法有效估计的现象的潜在盲区。
引用
@article{arxiv.2311.14778,
title = {Anomaly detection in cross-country money transfer temporal networks},
author = {Salvatore Vilella and Arthur Thomas Edward Capozzi Lupi and Marco Fornasiero and Dario Moncalvo and Valeria Ricci and Silvia Ronchiadin and Giancarlo Ruffo},
journal= {arXiv preprint arXiv:2311.14778},
year = {2024}
}