基于动态图神经网络的洗钱行为研究

作     者：邓浩航 

作者单位：南昌大学 

学位级别：硕士

导师姓名：陈炼;张远来

授予年度：2024年

学科分类：12[管理学] 02[经济学] 0202[经济学-应用经济学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 020202[经济学-区域经济学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：反洗钱识别 Node2Vec 特征生成 双曲空间 时序自注意力 

摘      要：在当今数字化时代,金融犯罪问题日益突出,其中洗钱行为作为一种严重的违法行为,给金融市场的稳定和安全带来了严重威胁。近年来,随着技术的不断进步和数据的大规模产生,基于动态图神经网络的洗钱行为研究备受关注。过往的研究往往局限于传统的统计分析方法,无法充分挖掘数据中的深层次信息,难以发现洗钱行为的隐藏规律和特征。因此,本论文旨在运用动态图神经网络的技术手段,对洗钱行为进行深入研究和分析。针对反洗钱识别问题,本文做了如下方面的工作: (1)提出了一种基于有策略的Node2Vec特征增强方法来保证交易记录信息的安全以及使用范围。交易记录通过该方法,可以生成能够进行模型训练的特征,能满足模型训练的要求,也能够在一定程度上保障交易记录信息的私密性。首先构建有向图,并进行剪枝,使得图结构更加清晰和有意义。之后,通过对每个点进行节点度中心性计算确定游走次数并进行游走。记录这些游走路径,输入到Word2Vec中进行学习。最后,将学到的嵌入向量与图的特征矩阵进行拼接,输出最终增强的特征矩阵。 (2)提出了一种基于双曲空间与时序自注意力机制的反洗钱识别方法。该方法利用动态图神经网络对洗钱行为进行深入分析和识别,能够充分挖掘图中的深层次信息,从而准确地发现洗钱行为的隐藏规律和特征。该方法首先将交易数据映射到双曲空间中,利用双曲几何的非欧性质,更好地捕捉交易数据之间的非线性关系和高维特征,从而提高了对复杂交易模式的识别能力。同时,引入了时序自注意力机制,可以有效地对交易数据中的时序进行建模和分析,捕捉交易之间的时序关系和动态变化,进一步提高了反洗钱识别的准确性和效率。 (3)在数据集Elliptic、Augmented Elliptic和IBM Transactions for Anti Money Laundering上对上述两个方法进行实验,实验结果表明基于特征增强和双曲空间与时序自注意力机制的反洗钱识别方法,在多个数据集上的准确率(ACC)和F1值都有不同程度的提升。