反洗钱网络分析 -- 系统文献综述与实验评估
社会与信息网络
2025-10-09 v4 机器学习
摘要
洗钱是一项普遍的挑战，给社会带来负担，为非法活动提供资金支持。越来越多地探索利用网络信息来有效地反洗钱，因为洗钱涉及相互关联的各方。这导致了关于反洗钱网络分析的研究激增。然而，文献零散，缺乏对现有工作的全面概述。这使得对方法的应用及其比较检测能力的理解受限。本文提出了一项广泛而独特的文献综述，基于 Web of Science 和 Scopus 中的 97 篇论文，形成一种遵循最近提出的欺诈分析框架的分类体系。我们得出结论，大多数研究依赖专家规则和手动特征，而深度学习方法正 gaining traction。本文还提出了一套全面的框架，用于标准化环境下评估和比较各主要方法的性能。我们在两个公开数据集上比较了手动特征工程、随机漫步基于和深度学习方法。我们得出结论：(1) 网络分析增加了预测能力，但在面对类别不平衡和网络拓扑时，需要谨慎使用 GNN；(2) 在合成数据上需要谨慎处理，以免得到过于乐观的结果。该开源实现促进了研究人员和实践者在专有数据上延续此工作，推动了网络分析反洗钱的分析和评估标准化方法。
引用
@article{arxiv.2405.19383,
title = {Network Analytics for Anti-Money Laundering -- A Systematic Literature Review and Experimental Evaluation},
author = {Bruno Deprez and Toon Vanderschueren and Bart Baesens and Tim Verdonck and Wouter Verbeke},
journal= {arXiv preprint arXiv:2405.19383},
year = {2025}
}