MPOCryptoML：基于多模式的链下加密货币洗钱检测
密码学与安全
2025-08-19 v1
摘要
近期的洗钱检测进展表明，使用图神经网络捕捉洗钱模式具有潜在价值。然而，现有模型未专门设计用于检测链下加密货币洗钱的多样化模式。忽略任何洗钱模式都会导致关键检测缺口，因为每种模式反映出独特的交易结构，帮助掩盖非法资金的来源和流动。未能考虑这些模式可能导致对特定洗钱活动的检测不足或遗漏，削弱模型准确性，使方案能够规避检测。为解决这一问题，我们提出了MPOCryptoML模型，以有效检测加密货币交易中的多种洗钱模式。MPOCryptoML包括开发一种多源Personalized PageRank算法，用于识别随机洗钱模式。此外，我们通过分析高频率金融网络中交易的时间戳和权重，引入两种新算法，用于检测各种洗钱结构，包括fan-in、fan-out、bipartite、gather-scatter和stack模式。我们进一步使用逻辑回归模型检查这些模式之间的相关性。异常评分函数将来自每个模块的结果整合，以对账户进行异常评分排序，系统性地识别高风险账户。在包含Elliptic++、以太坊欺诈检测和Wormhole交易数据集的广泛实验中验证了MPOCryptoML的有效性和效率。结果显示，性能持续提升，准确率提升最高达9.13%，召回率提升最高达10.16%，F1分数提升最高达7.63%，准确率提升最高达10.19%。
引用
@article{arxiv.2508.12641,
title = {MPOCryptoML: Multi-Pattern based Off-Chain Crypto Money Laundering Detection},
author = {Yasaman Samadi and Hai Dong and Xiaoyu Xia},
journal= {arXiv preprint arXiv:2508.12641},
year = {2025}
}