arXiv cs.AI· Lidia Losavio, Dario Fenoglio, Martin Gjoreski, Marc Langheinrich·· 13 小时前AI 评分24
联邦反洗钱中跨行上下文的定价：用端点行已有交易近似远程账户状态
Pricing Cross-Bank Context in Federated Anti-Money Laundering
AI 导读
针对联邦反洗钱中跨图洗钱模式难以检测的问题，研究提出用两家端点银行已记录的交易在本地近似远程账户状态，从而在无额外账户级交换的情况下完成多层 GNN 计算。在 AMLworld HI-Small 上，跨六种 GNN 骨干、最多 32 个数据孤岛，该可观测基线带来最大增益，交易计数提供稳健修正，而共享精确远程状态仅在特定情形下有用。
正文 · AI 翻译
摘要：大多数基于图的抗洗钱（AML）方法假设可以访问包含所有账户和支付的汇总交易图，而现实中并不存在这样的图。联邦学习提供了必要的隐私保障，但跨独立图的洗钱模式能否被有效检测仍不清楚。我们利用两个端点银行已记录的交易在本地近似远程账户状态，从而无需额外的账户特定交换即可进行多层图神经网络（GNN）计算。以此基线为起点，我们使用披露阶梯测试剩余上下文是否值得共享，该阶梯为每个远程账户增加两个交易计数，或增加交易对手自身的 GNN 状态。在 AMLworld HI-Small 上，跨六种 GNN 骨干网络和最多 32 个孤岛，可观测基线带来最大增益，并在碎片化缩小可见切片时保持该增益；计数增加了稳健的修正，而精确的远程状态仅在特定情形下有帮助。在受控的隐私—效用研究中，保护共享状态所需的噪声在换来有意义的隐私之前就已抹去其检测价值，而计数即使在强隐私保护下仍然有用。这些发现为银行提供了一条实用规则：利用它们已经记录的数据，并对必须移动的少量数据加以正式保护。
| 评论： | 已被 ICAIF 2026 金融 AI 安全、隐私与保障研讨会接收，意大利米兰（非存档）。10 页，8 幅图，1 张表 |
| 主题： | 密码学与安全（cs.CR）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.35996 [cs.CR] |
| （或 arXiv:2610.35996v1 [cs.CR] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.35996 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Lidia Losavio [查看电子邮件]
[v1]
2026 年 10 月 26 日星期一 13:12:13 UTC（1,083 KB）
来源：arXiv cs.AI · arxiv.org