PulseAugur
实时 08:04:40
English(EN) Do Transaction-Level and Actor-Level AML Queues Agree? An Empirical Evaluation of Granularity Effects on the Elliptic++ Graph

反洗钱研究表明交易级别与参与者级别评分会影响调查队列

本文研究了基于图的反洗钱(AML)系统在区块链网络中粒度对其影响。研究人员评估了在交易级别或参与者地址级别对可疑活动进行评分是否会影响调查队列的构成。使用 Elliptic++ 比特币数据集,他们发现与地址级别评分相比,交易级别投影导致了显著不同的调查队列,影响了反洗钱工作的效率和重点。 AI

影响 这项研究强调了人工智能驱动的反洗钱系统中数据粒度如何显著改变调查结果,表明在金融合规工具中需要仔细选择设计。

排序理由 评估基于图的反洗钱系统方法的学术论文。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

反洗钱研究表明交易级别与参与者级别评分会影响调查队列

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Ankur Malik ·

    Do Transaction-Level and Actor-Level AML Queues Agree? An Empirical Evaluation of Granularity Effects on the Elliptic++ Graph

    arXiv:2604.23494v1 Announce Type: cross Abstract: Graph-based anti-money laundering (AML) systems on blockchain networks can score suspicious activity at two granularity levels -- transactions or actor addresses -- yet compliance action is conducted per actor. This paper contribu…