移动交易反洗钱的深度学习方法：综述、框架与方向
机器学习
2025-03-14 v1 人工智能
密码学与安全
摘要
洗钱是一种金融犯罪，掩盖非法资金的来源，需要政府和企业制定和执行反洗钱（AML）政策。移动支付平台和智能物联网设备的普及使 AML 调查变得极为复杂。随着支付网络日益互联，需要高效实时检测来处理不同运营商（如数字货币、加密货币和基于账户的支付）在异构支付系统上产生的大量交易数据。这些移动支付网络大多由连接设备支持，其中许多被视为金融科技领域的物联网设备，不断生成数据。此外，这些网络上交易模式的日益复杂和不可预测性导致了更高的误报率。虽然机器学习解决方案有望提升检测效率，但其在 AML 中的应用面临独特挑战，如处理敏感金融数据相关的隐私问题，以及应对数据法规导致的数据可用性有限这一现实约束。AML 文献中的现有综述广泛回顾了用于洗钱检测的机器学习方法，但通常缺乏对先进深度学习技术的深入探索——这是一个具有巨大潜力的新兴领域。为弥补这一空白，本文对深度学习解决方案及其在 AML 中应用面临的挑战进行了全面综述。此外，我们提出了一种新颖的框架，通过整合机器学习技术、编码 AML 红旗指标以及采用账户画像来提供预测上下文，从而在数据可用性有限的情况下实现有效的欺诈检测，该框架应用了最小权限原则。
引用
@article{arxiv.2503.10058,
title = {Deep Learning Approaches for Anti-Money Laundering on Mobile Transactions: Review, Framework, and Directions},
author = {Jiani Fan and Lwin Khin Shar and Ruichen Zhang and Ziyao Liu and Wenzhuo Yang and Dusit Niyato and Bomin Mao and Kwok-Yan Lam},
journal= {arXiv preprint arXiv:2503.10058},
year = {2025}
}