以统计学与机器学习打击洗钱
机器学习
2023-03-22 v5 机器学习
摘要
洗钱是一个深远的全球性问题。然而,关于反洗钱的统计与机器学习方法的科学文献甚少。在本文中,我们聚焦于银行内的反洗钱,并提供文献的导引与综述。我们提出了一个统一术语,含两个核心要素:(i) 客户风险画像与 (ii) 可疑行为标记。我们发现客户风险画像以诊断为特征,即寻找并解释风险因子的努力。另一方面,可疑行为标记以未公开特征与手工风险指数为特征。最后,我们讨论了未来研究方向。一大挑战是亟需更多公开数据集。这或可通过合成数据生成来解决。其他可能的研究方向包括半监督与深度学习、结果的可解释性以及公平性。
引用
@article{arxiv.2201.04207,
title = {Fighting Money Laundering with Statistics and Machine Learning},
author = {Rasmus Jensen and Alexandros Iosifidis},
journal= {arXiv preprint arXiv:2201.04207},
year = {2023}
}
备注
Accepted for publication in IEEE Access, vol. 11, pp. 8889-8903, doi:10.1109/ACCESS.2023.3239549