Descripció del projecte
Les representacions basades en grafs de les transaccions financeres ofereixen una forma més estructurada, interconnectada i perspicaç d’analitzar sistemes financers complexos. Les xarxes financeres són especialment útils per detectar fraus, blanqueig de diners i altres activitats il·lícites. El blanqueig de diners implica sovint patrons complexos d’entitats i transaccions, on es pot ocultar el comportament fraudulent. Mitjançant l’assignació de transaccions com a grafs, es poden descobrir relacions inusuals, bucles o clústers que es desvien dels patrons normals, fent més fàcil identificar activitats sospitoses.
A més, l’anàlisi basada en grafs ajuda a avaluar el risc sistèmic de les institucions financeres, ja que el fracàs d’una entitat pot tenir efectes en cascada sobre altres. Mitjançant l’estudi de les transaccions com a grafs, es poden identificar els actors clau (nodes) amb més influència en el sistema, i es poden simular possibles punts de fallada, mitigant així el risc de contagi financer. L’estudi de models generatius per a xarxes financeres també ajuda a entendre els mecanismes subjacents de les transaccions financeres i permet la producció de conjunts de dades sintètiques. Aquests conjunts de dades sintètiques es poden compartir amb la comunitat investigadora, superant les preocupacions de privacitat i fomentant el desenvolupament i la prova d’algorismes antiblanqueig de diners.
Aquest projecte de recerca de doctorat té com a objectiu explorar representacions basades en grafs de transaccions financeres per entendre millor l’estructura, el comportament i els riscos dins dels sistemes financers. El projecte es desenvoluparà en diverses fases. El primer any se centrarà en l’anàlisi tant de les transaccions públiques (p. ex., Bitcoin) com dels conjunts de dades de transaccions financeres privades, aquest últim mitjançant col·laboracions amb socis financers clau. Es posarà especial èmfasi en la implementació de tècniques de protecció de dades i anonimització, com ara la privacitat diferencial, el k-anonimat i altres mètodes d’última generació.
En el segon any, estudiarem models generatius per a grafs de transaccions, comparant enfocaments d’aprenentatge profund i mecànics. Els models d’aprenentatge profund, com els variacionals Graph Autoencoders (VGAE), NetGAN i GraphRNN, són potents i versàtils, però s’enfronten a reptes d’escalabilitat a causa de les seves demandes computacionals. En canvi, els models basats en agents mecànics, com el Chung-Lu, Kronecker, o models impulsats per activitats, poden ser menys precisos en la reproducció de la topologia de les xarxes financeres, però poden escalar fins a milions de nodes.
El tercer any se centrarà en el desenvolupament d’algorismes per a la lluita contra el blanqueig de capitals. Els enfocaments tradicionals basats en regles, com ara el marcat del llindar fix, sovint lluiten per mantenir el ritme amb l’evolució de les tècniques de blanqueig i requereixen actualitzacions constants. A més, normalment passen per alt la naturalesa evolutiva de les transaccions financeres, on la dinàmica (per exemple, el temps transcorregut entre les transaccions consecutives) pot ser un factor crític per identificar els esquemes de blanqueig de diners. Desenvoluparem algorismes de mineria de grafs per detectar aquests patrons dinàmics, com ara el “smurfing”, una tècnica de blanqueig de diners en la qual les grans transaccions es desglossen en quantitats més petites i menys notables en un curt termini de temps.
