[論文レビュー] LineMVGNN: Anti-Money Laundering with Line-Graph-Assisted Multi-View Graph Neural Networks

Chung-Hoo Poon, James Kwok+2 more|arXiv (Cornell University)|Mar 24, 2026

Crime, Illicit Activities, and Governance被引用数 0

ひとこと要約

LineMVGNNは線グラフ支援型マルチビューGNNを用いて有向取引グラフ上でエッジレベルの資金フロー情報を伝搬し、入・出力隣接ノードのメッセージを統合することでAML検出を改善します。

ABSTRACT

Anti-money laundering (AML) systems are important for protecting the global economy. However, conventional rule-based methods rely on domain knowledge, leading to suboptimal accuracy and a lack of scalability. Graph neural networks (GNNs) for digraphs (directed graphs) can be applied to transaction graphs and capture suspicious transactions or accounts. However, most spectral GNNs do not naturally support multi-dimensional edge features, lack interpretability due to edge modifications, and have limited scalability owing to their spectral nature. Conversely, most spatial methods may not capture the money flow well. Therefore, in this work, we propose LineMVGNN (Line-Graph-Assisted Multi-View Graph Neural Network), a novel spatial method that considers payment and receipt transactions. Specifically, the LineMVGNN model extends a lightweight MVGNN module, which performs two-way message passing between nodes in a transaction graph. Additionally, LineMVGNN incorporates a line graph view of the original transaction graph to enhance the propagation of transaction information. We conduct experiments on two real-world account-based transaction datasets: the Ethereum phishing transaction network dataset and a financial payment transaction dataset from one of our industry partners. The results show that our proposed method outperforms state-of-the-art methods, reflecting the effectiveness of money laundering detection with line-graph-assisted multi-view graph learning. We also discuss scalability, adversarial robustness, and regulatory considerations of our proposed method.

研究の動機と目的

• AMLタスクを有向・アカウントベースの取引グラフ上のグラフベース詐欺検出として動機付ける。
• エッジ特徴を用いた入隣接および出隣接情報の両方を活用する軽量なマルチビューGNN（MVGNN）を開発する。
• エッジ特徴伝搬と資金フロー モデリングを強化する線グラフビューを組み込む。
• 実世界のEthereumフィッシングおよび金融決済データセットでLineMVGNNを評価し、最先端ベースラインと比較する。

提案手法

• MVGNNを提案する：共有集約マップを用いて入側隣接ノードと出側隣接ノードの双方から情報を集約する双方向メッセージ伝搬方式。
• 線グラフビューを追加して、ノード更新前にエッジ特徴を伝搬させる。クロスステッチ風の更新を用いる。
• 2つの変種：LineMVGNN-add（加重和結合）とLineMVGNN-cat（連結後に線形層を適用）で入隣接と出隣接のメッセージを統合。
• 多層埋め込みを組み合わせ、過平滑化を抑制する個別化PageRank風集約を使用。
• 2つの実装スキームを提供：（i）線グラフ伝搬を明示的に含む標準的 LineMVGNN、および（ii）線グラフ構築を明示的に行わず線形時間のエッジ中心伝搬を実現する refined LineMVGNN。

実験結果

リサーチクエスチョン

• RQ1 線グラフベースのエッジ伝搬は、有向取引グラフにおける不正アカウント検出をノード中心のGNNと比較して改善できるか？
• RQ2 エッジ特徴を伴う入側・出側隣接メッセージの組み合わせは、実世界データセットで AML の性能を向上させるか？
• RQ3 LineMVGNNの変種（add vs cat）は、精度、ハイパーパラメータの頑健性、構造特徴の有無などのデータ条件でどのように比較されるか？

主な発見

• LineMVGNN-catは評価データセットすべてで不正クラスF1スコアの最先端を安定して達成し、ETH-Small、ETH-Large、FPTでSNF有無を問わずベースラインを上回る。
• アブレーション実験で線グラフビューや双方向メッセージ伝搬を除くと不正クラスF1が低下し、両方のビューの有効性を示す。
• 共有パラメータを用いたMVGNN変種はDir-GNNベースラインと対等かそれを上回る性能を示しつつ、効率性が改善される。
• LineMVGNN-catは埋め込みサイズとSNFの可用性に対して低感度であり、SNFなしのFPTデータセットでも特定の設定下で不正F1が0.99近くまたは超える。