面向金融机构的协同反洗钱

洗钱是指意图将非法活动所得的收入合法化，从而而不危及其来源而将其进入经济的货币流量的过程。为了执行反洗钱 (AML)，准确可靠地识别此类活动至关重要。尽管付出了大量努力来进行 AML，但仍有大量此类活动未被检测到。规则基方法最初被引入，并且仍在当前检测系统中广泛使用。随着机器学习的兴起，基于图的学习方法在通过分析货币转移图来检测非法账户方面日益受到关注。然而，这些方法通常假设交易图是集中式的，而在实际情况下，洗钱活动通常跨越多个金融机构。由于监管、法律、商业和客户隐私方面的顾虑，机构倾向于不共享数据，这限制了其在实际应用中的实用性。本文提出了首个支持在多个机构上执行 AML 同时保护本地数据安全和隐私的方法。为评估，我们构建了 Alipay-ECB 数据集，包含来自 Alipay（全球最大的移动支付平台）和 E-Commerce Bank（ECB）的数字交易。该数据集包括超过 2 亿个账户和 3 亿笔交易，涵盖机构内部交易以及 Alipay 与 ECB 之间的交易。这使其成为可用于分析的最大真实世界交易图。实验结果表明，我们的方法能够有效识别跨机构洗钱子群。此外，对合成数据集的实验也表明，我们的方法是高效的，在数百万笔交易的数据集上只需几分钟。