Representation learning with a transformer by contrastive learning for money laundering detection
创建于 更新于
摘要
本报告提出一种基于Transformer和无监督对比学习的金融时间序列表征学习方法，旨在解决洗钱检测难题。通过设计相似度准则采样正负样本，并结合Benjamini-Hochberg多重检测程序，开展双阈值策略以控制假阳性率，实现高效识别诈骗账户。实证基于真实匿名数据的模拟表明，该方法较传统规则和LSTM自编码器显著提升了检测准确率和误报控制能力，为洗钱监测提供新思路和技术路径 [page::0][page::1][page::2][page::16][page::24]。
