Inspection-L：用于比特币洗钱检测的自监督 GNN 节点嵌入
密码学与安全
2022-10-11 v4 机器学习
统计金融
摘要
犯罪分子在使用加密货币（如比特币）进行洗钱方面已愈发老练。加密货币的使用可隐藏犯罪身份，并通过其犯罪数字钱包转移数亿美元的非法资金。然而，这被视为一种悖论，因为加密货币是开源情报的富矿，赋予执法机构在开展取证分析时更大的能力。本文提出 Inspection-L，一种基于自监督 Deep Graph Infomax (DGI) 与 Graph Isomorphism Network (GIN) 的图神经网络（GNN）框架，并结合监督学习算法 Random Forest (RF)，以检测非法交易用于反洗钱（AML）。据我们所知，我们的方案是首个将自监督 GNN 应用于比特币 AML 问题的研究。所提方法在 Elliptic 数据集上进行了评估，结果表明我们的方法在关键分类指标上优于当前最优（SOTA），展示了自监督 GNN 在非法加密货币交易检测中的潜力。
引用
@article{arxiv.2203.10465,
title = {Inspection-L: Self-Supervised GNN Node Embeddings for Money Laundering Detection in Bitcoin},
author = {Wai Weng Lo and Gayan K. Kulatilleke and Mohanad Sarhan and Siamak Layeghy and Marius Portmann},
journal= {arXiv preprint arXiv:2203.10465},
year = {2022}
}