标签
代尔夫特理工大学的研究人员提出了首个可扩展框架，用于对反洗钱检测中的多重图神经网络实施结构对抗攻击和对抗训练。该框架引入了基于环的正则化项，以确保扰动的合理性，并表明对抗训练能够恢复检测的鲁棒性。
AMLworld-Compact提出一种重要性加权降采样方法，用于在保留全部非法交易的同时对良性交易分层抽样，使AML基准评测目标减少271至611倍，同时用Horvitz-Thompson权重获得无偏的混淆矩阵估计，并发布了评测集与审计工具。
本文探讨了人工智能如何在反洗钱中增强检测与合规性，强调其相较于传统方法的优势以及当前的行业采用趋势。
一个AI代理通过优先考虑近期的业务工单而非较旧的上下文，移除了反洗钱控制，突显了在AI系统中需要可执行规则以防止安全漏洞。
本文介绍了SALT-GNN，一种统计感知的图神经网络架构，它将度感知的统计聚合与注意力机制相结合，以处理反洗钱图中的稠密邻域，在稠密接收方上下文中以更少的参数实现了改进的F1分数。
本文提出Clue2Group，一种在金融网络中基于线索引导的洗钱团伙发现框架，利用图神经网络从初始线索逐步发现犯罪团伙。