[論文レビュー] Anti-Money Laundering in Bitcoin: Experimenting with Graph Convolutional Networks for Financial Forensics

Mark Weber, Giacomo Domeniconi+5 more|arXiv (Cornell University)|Jul 31, 2019

Crime, Illicit Activities, and Governance被引用数 167

ひとこと要約

この論文は Elliptic Data Set を紹介し、大規模なラベル付きビットコイントランザクショングラフを用い、従来の機械学習手法と Graph Convolutional Networks (GCNs) を用いた違法取引検出を評価し、RF の強力な性能と暗号資産の AML におけるグラフベースアプローチの可能性を強調します。

ABSTRACT

Anti-money laundering (AML) regulations play a critical role in safeguarding financial systems, but bear high costs for institutions and drive financial exclusion for those on the socioeconomic and international margins. The advent of cryptocurrency has introduced an intriguing paradox: pseudonymity allows criminals to hide in plain sight, but open data gives more power to investigators and enables the crowdsourcing of forensic analysis. Meanwhile advances in learning algorithms show great promise for the AML toolkit. In this workshop tutorial, we motivate the opportunity to reconcile the cause of safety with that of financial inclusion. We contribute the Elliptic Data Set, a time series graph of over 200K Bitcoin transactions (nodes), 234K directed payment flows (edges), and 166 node features, including ones based on non-public data; to our knowledge, this is the largest labelled transaction data set publicly available in any cryptocurrency. We share results from a binary classification task predicting illicit transactions using variations of Logistic Regression (LR), Random Forest (RF), Multilayer Perceptrons (MLP), and Graph Convolutional Networks (GCN), with GCN being of special interest as an emergent new method for capturing relational information. The results show the superiority of Random Forest (RF), but also invite algorithmic work to combine the respective powers of RF and graph methods. Lastly, we consider visualization for analysis and explainability, which is difficult given the size and dynamism of real-world transaction graphs, and we offer a simple prototype capable of navigating the graph and observing model performance on illicit activity over time. With this tutorial and data set, we hope to a) invite feedback in support of our ongoing inquiry, and b) inspire others to work on this societally important challenge.

研究の動機と目的

• 暗号通貨文脈におけるマネーロンダリング対策の安全性と金融包摂のバランスを動機づけること。
• AML 研究のための大規模で公開されたラベル付きビットコイントランザクションデータセットを提供すること。
• 伝統的な ML のベースラインとグラフベースの手法を用いてビットコインデータの違法取引を検出することを評価すること。
• 分析者の金融法医学支援のための可視化および説明可能性ツールを検討すること。

提案手法

• トランザクションをノード、BTCの流れをエッジとする、タイムスタンプ付きのビットコイン取引の有向グラフを構築すること。
• 開始主体のカテゴリと公開データに基づいてノードを違法または正規に注釈付けすること。
• 各ノードを166の特徴量（局所特徴およびワンホップ集約特徴）で表すこと。
• 従来の ML モデル（Logistic Regression、Random Forest、MLP）を94の局所特徴量と任意の全166特徴量を用いて適用すること。
• グラフ構造を活用するため2レイヤーのアーキテクチャとスキップ変種（Skip-GCN）を持つ Graph Convolutional Networks（GCN）を適用すること。
• 時間的モデリングを探索して、時点間のダイナミクスを捉えるために EvolveGCN を適用すること。

実験結果

リサーチクエスチョン

• RQ1 Elliptic Data Set に対して、グラフ構造は特徴量ベースのモデルを超える違法取引検出の性能をもたらすか。
• RQ2 不均衡な条件下での違法クラスに対する精度、再現率、F1 において、GCN ベースのアプローチは従来の ML 手法と比較してどうか。
• RQ3 ノード特徴をグラフ埋め込みで補強した場合の分類性能への影響はどうなるか。
• RQ4 このデータセットにおいて、時系列モデリング（EvolveGCN）は静的なGCNより意味のある利点を提供するか。

主な発見

• Table 1 におけるベースラインモデルのうち、すべての特徴量(AF)を用いた Random Forest が最高の性能を達成。
• GCN および Skip-GCN は Logistic Regression を上回り、このデータにおける AML のためのグラフ情報の価値を示している。
• グラフ埋め込みを用いた全特徴量(AF)または局所特徴量(LF)は、表現力を高めるグラフ情報の利点を示し、性能を改善する。
• 時系列モデル EvolveGCN は、非時系列の GCN より違法検出において一貫して優れているが、ゲインは文脈依存。
• グラフ駆動の可視化プロトタイプ（Chronograph）は、違法パターンの可視化と分析の説明可能性を支援する。
• このデータセットには 203,769 ノードと 234,355 エッジが含まれ、2% が違法、21% が正規としてラベル付けされており、クラスの不均衡とスケーラビリティの考慮点を強調している。