Key points are not available for this paper at this time.
Le blanchiment d'argent demeure un problème mondial continu, nécessitant le développement de nouvelles méthodes améliorées de surveillance des transactions. Les procédures actuelles de lutte contre le blanchiment d'argent (LBA) dans l'industrie sont inefficaces, et l'accès aux données de surveillance des transactions est limité en raison de contraintes légales et de confidentialité, les données disponibles manquant de véritables étiquettes et de diversité. Cette étude présente un nouveau générateur de transactions LBA et l'utilise pour créer un ensemble de données appelé SAML-D. L'ensemble de données SAML-D contient 12 caractéristiques et 28 typologies, allant au-delà des ensembles de données existants en incorporant une plus large gamme de typologies, de lieux géographiques, de pays à haut risque et de types de paiements à haut risque. Les typologies sont créées sur la base d'ensembles de données existants, de la littérature et d'entretiens semi-structurés avec des spécialistes de la LBA. De plus, des expériences d'apprentissage automatique sont réalisées pour présenter l'applicabilité de l'ensemble de données dans le domaine de la LBA et les résultats sont comparés à un ensemble de données existant. Le but principal du générateur et de l'ensemble de données est de fournir aux chercheurs une ressource supplémentaire pour évaluer leurs modèles et faciliter l'analyse comparative de leurs résultats, aidant potentiellement au développement de méthodes de surveillance des transactions plus avancées et capables.
Oztas et al. (Sat,) ont étudié cette question.