Weerbaarheid van multigrafen tegen financiële criminaliteit
Wetenschappers richten zich op de kwetsbaarheid van multigrafen die worden ingezet om witwaspraktijken op te sporen. Transactienetwerken blijken gevoelig voor gerichte manipulatie om detectie te ontwijken, wat vraagt om robuustere neurale netwerken.
Financiële transacties worden binnen kunstmatige intelligentie vaak gemodelleerd als multigrafen, waarbij herhaalde overboekingen tussen dezelfde accounts als afzonderlijke verbindingen gelden. Nieuwe neurale netwerkarchitecturen zijn specifiek ontworpen om deze structuur te analyseren voor het opsporen van witwassen.
Kwetsbaarheid van transactienetwerken
Hoewel deze netwerken goed presteren, is de weerbaarheid tegen kwaadwillenden die transactiestructuren manipuleren om detectie te omzeilen nog grotendeels onontgonnen terrein. Onderzoekers hebben daarom een schaalbaar raamwerk ontwikkeld om dergelijke structurele aanvallen beter te analyseren en netwerken hiertegen te trainen.
De toepassing van grafen-neurale netwerken is een belangrijke stroming binnen de financiële technologie voor het identificeren van illegale geldstromen. Naarmate systemen slimmer worden in het herkennen van patronen, zoeken kwaadwillende partijen continu naar manieren om de onderliggende datastructuur te misleiden, wat vraagt om continue verbetering van de robuustheid.
Deze samenvatting is gebaseerd op een origineel artikel van arXiv (cs.LG). Lees het volledige, originele bericht bij de bron.
Lees het originele artikel