研究人员提出基于多示例学习的反洗钱检测框架TRACK

2026年11月5日，研究人员在 arXiv 发布论文，提出了基于多示例学习的反洗钱（AML）检测框架 TRACK。该方法旨在解决反洗钱场景中账户与交易层级的聚合不匹配问题，通过共享编码器对单笔交易进行编码并实现选择性汇聚。在隐藏交易标签的 5 个反洗钱数据集测试中，TRACK 在时间序列评估下取得了优于传统表格模型和图基线模型的最高平均精度。实验结果还显示，尽管该框架仅依赖账户窗口级的粗粒度监督，但其在标记交易排序上的表现已接近甚至超越了直接监督模型。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。