Fighting Money Laundering with Statistics and Machine Learning

要約

マネーロンダリングは深刻な世界的問題です。
それにもかかわらず、マネーロンダリング防止のための統計および機械学習の方法に関する科学文献はほとんどありません。
このホワイト ペーパーでは、銀行におけるアンチ マネー ロンダリングに焦点を当て、文献の紹介とレビューを提供します。
私たちは、(i) クライアントのリスクプロファイリングと (ii) 疑わしい行動のフラグ付けという 2 つの中心的な要素を持つ統一用語を提案します。
クライアントのリスクプロファイリングは、診断、つまりリスク要因を見つけて説明する努力によって特徴付けられることがわかりました。
一方、疑わしい行動のフラグ付けは、非公開の機能と手作りのリスク指標によって特徴付けられます。
最後に、今後の研究の方向性について議論します。
大きな課題の 1 つは、より多くの公開データ セットが必要なことです。
これは、合成データ生成によって対処される可能性があります。
その他の可能な研究の方向性には、半教師あり深層学習、解釈可能性、および結果の公平性が含まれます。

要約(オリジナル)

Money laundering is a profound global problem. Nonetheless, there is little scientific literature on statistical and machine learning methods for anti-money laundering. In this paper, we focus on anti-money laundering in banks and provide an introduction and review of the literature. We propose a unifying terminology with two central elements: (i) client risk profiling and (ii) suspicious behavior flagging. We find that client risk profiling is characterized by diagnostics, i.e., efforts to find and explain risk factors. On the other hand, suspicious behavior flagging is characterized by non-disclosed features and hand-crafted risk indices. Finally, we discuss directions for future research. One major challenge is the need for more public data sets. This may potentially be addressed by synthetic data generation. Other possible research directions include semi-supervised and deep learning, interpretability, and fairness of the results.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google