比特币反洗钱：图卷积实验

即使是针对此类事件的随机森林模型也成为一个需要解决的重大挑战。KDD’19金融异常检测研讨会，2019年8月，安克雷奇，AK，美国韦伯和多梅尼科尼，等5讨论回归；事实上，即使latteruses Logistic回归作为nal输出层；因此，它可以被视为逻辑回归的一个重要推广。运行随机林。根据之前的实验，这个想法只起到了很小的作用。[]提出的另一个想法是用神经网络造林，但它并没有建议如何将图形信息结合起来。一种可能的方法是替换决策树的版本，以便启用端到端培训。我们把这个想法的执行留作将来的调查。6 GRAPH VISUALIZATIONtant为了符合反洗钱法规，我们在简单特征向量的基础上创建了一个复杂的可视化原型层，通过支持人类分析师对模型进行集成表示。6.1界面顶部的椭圆数据集滑动控件的视觉调查允许用户导航未着色的事务。单击事务节点或输入事务ID时，以橙色突出显示所选事务，以及所有相邻事务（in或out-欠）绿色。在界面左侧，在di之间传输数字不同的事务类。偏差，如单个异常值。作为一个更复杂的用例，我们还促进了网络最后一层UMAPneuron激活输入的自由度（图4b），如Rauber等人提出的一般神经网络。Di公司然后，结果可视化中的引用将提示模型的特性，即。

我们假设模型中数据的相似性发生变化。右列，并获得总共4个网络可视化。更集中，这似乎是一个可取的特性：非法节点应该共享一些重要的特征，节点的相似性在布局中产生更接近的结果。然而，由于存在定性的di非法节点集中的引用。可视化进一步揭示了该模型在哪些方面无法即时完成，这可能进一步暗示该模型的系统性表现不佳。详细研究此类交易的特征可以从新的角度激发讨论，并引导进一步的模型改进。a） 原始事务特征向量的投影b）最后一个GCN层激活的投影图3：UMAP投影的两个可选输入。左：由输入标签着色；右：由GCN预测着色。7总结总之，我们提出了加密货币取证，特别是比特币，作为一个独特的生态系统，用于众包开发新方法，以ght犯罪活动。我们参与了2019年8月在美国AK州安克雷奇举行的比特币KDD’19金融异常检测研讨会上的反洗钱活动。图4：计时器用户界面：用户可以通过时间切片的交易数据导航，并观察交易模式和变化模式。非法交易被染成红色。更多统计数据显示在左侧。使用多种方法分享早期实验结果，包括算法改进步骤。我们提供了一个原型，用于可视化此类数据和模型，以增强人类分析和解释能力。最重要的是，我们希望金融系统更安全、更具包容性。致谢这项工作由麻省理工学院-IBM沃森人工智能实验室（mitibm.MIT.edu）资助，由椭圆公司（www.椭圆公司）提供。参考文献【1】克里斯托弗·毕晓普。

模式识别和机器学习。弹簧滞后。[2] 利奥·布雷曼。2001年，随机森林。机器学习45,1（2001），5-32。[3] Joan Bruna、Wojciech Zaremba、Arthur Szlam和Yann LeCun。2014年。图上的频谱网络和本地连接网络。在ICLR中。[4] Jaques Grobler、Robert Layton、Jake VanderPlas、Arnaud Joly、Brian Holt和Ga"elVaroquaux。2013年，《机器学习软件API设计：来自和机器学习的经验》。108–122.[5] 陈杰、马腾飞和曹晓。2018年，FastGCN：通过重要性抽样利用图形进化网络进行快速学习。在ICLR中。[6] NIPS。[7] Demirguc Kunt、Leora Klapper、Dorothe Singer、Sinya Ansar和Jake Hess。2017年，《2017年全球Findex数据库：衡量金融包容性和FintechRevolution》。[8] 贾斯汀·吉尔默（JustinGilmer）、塞缪尔·S·Schoenholz（SamuelS.Schoenholz）、帕特里克·F·莱利（PatrickF.Riley）、奥利奥·维亚尔斯（OriolVinyals）和乔治·E·达尔（GeorgeE.Dahl）。2017年，量子化学的神经信息传递。在ICML中。[9] William L.Hamilton、Rex Ying和Jure Leskovec。2017年，大型图的归纳表征学习。在NIPS中。[10] 地址群集。2016年国际IEEE泛在智能大会（UIC/ATC/ScalCom/CBDCom/IoP/SmartWorld）。IEEE，368–373。[11] 图卷积网络。在ICLR中。[12] 发展和展望。移民与发展简报31。[13]2015. 深层神经决策林。在ICCV中。[14] 图序列神经网络。在ICLR中。[15] arXiv:1802.03426（2018）。[16] 丹尼尔·J·米切尔。2012年，世界银行的研究显示反洗钱规则如何伤害穷人。福布斯。[17] 中本聪。比特币：点对点电子现金系统。(2008).[18] 对涉及可兑换虚拟货币的某些商业模式的监管。FIN-2019-G001（2019年5月）。[19] Aldo Pareja、Giacomo Domeniconi、Jie Chen、Tengfei Ma、Toyotaro Suzumura、Hiroki Kanezashi、Tim Kaler和Charles E.Leiserson。2019

EvolvingGraph动态图的卷积网络。预印本arXiv:1902.10191。[20] 保罗·劳伯、塞缪尔·法德尔、亚历山大·法尔考和亚历山大·C·特拉。2016年，可视化arti的隐藏活动社交神经网络。IEEE可视化和计算机图形学学报23，1（2016），101–110。[21](2018). arXiv:1812.00076http://arxiv.org/abs/1812.00076【22】维基百科。[n.d.]。1马来西亚发展银行丑闻。【23】维基百科。[n.d.]。丹麦银行洗钱丑闻。【24】Rex Ying、Runing He、陈开峰、Pong Eksombatchai、William L.Hamilton和Jure Leskovec。2018年。网络规模推荐系统的图卷积神经网络。在KDD中。