面向金融取证的深度集合分类器：一种检测洗钱的应用
密码学与安全
2023-03-10 v2
摘要
金融取证在金融领域中对于检测和调查洗钱等金融相关犯罪的发生具有重要作用。然而，与其他形式的犯罪活动一样，对此类活动的取证分析是一项复杂的工作，对手不断试图提升其规避检测的能力。此外，金融活动或交易的规模与复杂性进一步使金融取证任务复杂化。机器学习或人工智能算法可用于应对此类复杂性。然而，带有标签的数据集尤其是涉及欺诈活动的数据集可用量有限，这一挑战限制了开发高效算法的手段。此外，定义规避性欺诈交易的精确搜索模式的复杂性进一步加剧了这一挑战。在本文中，我们开发了一种基于元学习的新型深度集合分类器算法，并将其应用于处理在有限标签交易样本中推导关注模式的复杂性，以检测欺诈性加密货币洗钱交易。我们采用了一种独特的方法，通过逐步提供样本来训练模型，测试结果超过了领先的研究算法。
引用
@article{arxiv.2207.07863,
title = {Deep Set Classifier for Financial Forensics: An application to detect money laundering},
author = {Jonathan Pan},
journal= {arXiv preprint arXiv:2207.07863},
year = {2023}
}
备注
To be improved. Will be uploading a revised paper with major changes