[논문 리뷰] Realistic Synthetic Financial Transactions for Anti-Money Laundering Models

Erik Altman, Jovan Blanuša외 4명|arXiv (Cornell University)|2023. 06. 22.

Crime, Illicit Activities, and Governance인용 수 13

한 줄 요약

이 논문은 AMLworld를 소개합니다, 다중 에이전트 합성 데이터 생성기로, 현실적이고 완전히 레이블된 AML 데이터셋과 은행 간 평가 및 ground-truth 세탁 라벨을 이용한 전이 학습을 가능하게 하며, ML 모델(GNNs 및 GBTs) 벤치마킹을 제공합니다.

ABSTRACT

With the widespread digitization of finance and the increasing popularity of cryptocurrencies, the sophistication of fraud schemes devised by cybercriminals is growing. Money laundering -- the movement of illicit funds to conceal their origins -- can cross bank and national boundaries, producing complex transaction patterns. The UN estimates 2-5\% of global GDP or \$0.8 - \$2.0 trillion dollars are laundered globally each year. Unfortunately, real data to train machine learning models to detect laundering is generally not available, and previous synthetic data generators have had significant shortcomings. A realistic, standardized, publicly-available benchmark is needed for comparing models and for the advancement of the area. To this end, this paper contributes a synthetic financial transaction dataset generator and a set of synthetically generated AML (Anti-Money Laundering) datasets. We have calibrated this agent-based generator to match real transactions as closely as possible and made the datasets public. We describe the generator in detail and demonstrate how the datasets generated can help compare different machine learning models in terms of their AML abilities. In a key way, using synthetic data in these comparisons can be even better than using real data: the ground truth labels are complete, whilst many laundering transactions in real data are never detected.

연구 동기 및 목표

• 프라이버시 및 실제 데이터의 라벨링 한계로 인해 현실적이고 공개적으로 이용 가능한 AML 데이터셋의 필요성을 제시합니다.
• 현실적인 패턴과 주기를 가진 라벨링된 자금세탁 거래를 생성하는 에이전트 기반 가상 세계 AMLworld를 제안합니다.
• 모델 벤치마킹을 위한 varying 규모와 세탁 비율의 공개 AML 데이터셋을 제공합니다.
• 합성 데이터 세트에서 기초 ML 모델 성능(GNNs 및 GBTs)을 시연합니다.
• 윤리적 고려사항 및 연합 학습과 프라이버시 보호 모델링의 가능성에 대해 논의합니다.

제안 방법

• 은행, 개인 및 회사를 시뮬레이션하는 다중 에이전트 가상 세계 AMLworld를 개발합니다.
• 전 금융 세탁 주기(Placement, Layering, Integration)를 모델링하고 모든 세탁 거래에 대해 완벽한 ground truth로 태깅합니다.
• 거래를 동적 금융 거래 그래프로 표현하여 순환, 팬아웃/인, 수집-산란, 2부 구조와 같은 복합 패턴과 모티프를 포착합니다.
• 다국 통화로 수십억 건의 거래를 생성하고 공개적으로 라벨링된 데이터세트를 제공합니다(HI/LI 그룹; 소/중/대 규모).
• 표형 데이터에서의 ML 모델(LightGBM/XGBoost with Graph Feature Preprocessor) 및 그래프 기반 GNN(GIN, GIN+EU, PNA)를 60-20-20 시계열 분할로 평가합니다; 데이터 불균형으로 인한 소수 클래스 F1에 중점을 둡니다.

실험 결과

연구 질문

• RQ1 현실적인 합성 AML 데이터 세트가 다양한 규모와 세탁 비율에서 AML 모델의 강력한 벤치마킹과 공정한 비교를 가능하게 할 수 있을까?
• RQ2 그래프 기반과 전통적인 표 형식 ML 모델은 합성 AML 데이터에서 어떻게 수행되며, 전이 학습이나 사전 학습이 데이터 간 성능을 향상시킬 수 있는가?
• RQ3 교차 은행 데이터 공유와 차등 프라이버시가 AML 모델의 성능에 어떤 영향을 미치는가?
• RQ4 합성 데이터가 실제 데이터에서 보이는 것 너머의 복잡한 세탁 패턴을 드러낼 수 있는가?

주요 결과

• GNNs 및 GBTs가 AMLworld 데이터셋에서 세탁 거래를 효과적으로 식별할 수 있다.
• PNA 및 GIN+EU 구조가 GNN 성능을 향상시키고; LightGBM/XGBoost와 GFP 특징도 강력한 결과를 낸다.
• LI 데이터셋(세탁 비율이 낮은)이 더 도전적이다; HI 데이터에 대한 사전학습 모델이 LI 성능을 향상시킬 수 있으며 HI 모델의 미세조정은 LI 데이터에 도움이 된다.
• 교차 은행 데이터 공유와 그래프 특징 공유가 F1 점수를 현저히 개선하여 프라이버시 보호 협력이 이익이 있음을 시사한다.
• 합성 데이터는 세탁에 대한 완전한 ground-truth 라벨을 제공하여 실제 데이터로는 불가능한 신뢰할 수 있는 모델 벤치마킹을 가능하게 한다.