利用增量与分布式图建模检测复杂洗钱模式
机器学习
2026-04-15 v2
摘要
洗钱者利用现有检测方法的局限性，以欺骗性方式隐藏其金融足迹。他们通过复制监控系统难以区分的交易模式来做到这一点。因此，犯罪获得的资产被推入合法金融渠道而不会引起注意。用于监控资金流动的算法通常在规模和复杂性方面面临困难。此类活动识别的难度因当前解决方案无法控制刚性基于风险的规则系统产生的过多误报信号而进一步加剧。我们提出了一种名为 ReDiRect（REduce, DIstribute, and RECTify）的框架，专门设计用于克服这些挑战。我们工作的主要贡献是对该问题进行无监督设置的新表述；即将大型交易图模糊地划分为更小的、可管理的组件，以支持分布式方式下的快速处理。此外，我们定义了一种精细的评估指标，能更好地捕捉暴露的洗钱模式的有效性。通过全面的实验验证，我们证明我们的框架在性能上优于现有和最先进的技术，特别是在效率和现实应用方面。为验证，我们使用了真实（开源）Libra 数据集和 IBM Watson 最近发布的合成数据集。我们的代码和数据集可在 https://github.com/mhaseebtariq/redirect 获取。
引用
@article{arxiv.2604.01315,
title = {Detecting Complex Money Laundering Patterns with Incremental and Distributed Graph Modeling},
author = {Haseeb Tariq and Alen Kaja and Marwan Hassani},
journal= {arXiv preprint arXiv:2604.01315},
year = {2026}
}