# 口座を捕まえ、理由を語る：マネーミュールを見抜くAIパイプライン

> 研究者が不正検知モデルとSHAP帰属、そして平易な言葉で案件を書くオープンウェイトLLMを連結——実運用で、はるかに多くのミュール口座を捕捉したと報告する。

_Source: arXiv preprint (peer review pending) — authors' own production results · 2026-07-22 · 6 min read · Verified against primary sources_

Canonical: https://iyu.app/ja/e/explainable-money-mule-pipeline

## 本文

> **⚑ Caveat:** これは**査読前のプレプリント**であり、看板の数字（命中率89%、基準の61%、60%の上積み）は**単一の実運用における著者自身の結果**——有望だが、独立に再現されてはいない。指標は自己申告として扱うこと。


### 課題 — マネーミュールとは？

**マネーミュール**とは、不正な資金を動かすのに使われる銀行口座——盗まれた金をより広い金融システムへ洗い込む中間の環だ。口座名義人は承知の共犯のこともあれば、勧誘・欺罔されたことも多い。ミュール口座は不正の重要な担い手であり、大規模な捕捉は難しい。証拠が取引パターン、口座情報、ネットワーク構造（誰が誰と取引するか）、タイミングの雑多な寄せ集めだからだ。


### 着想 — 検知 → 帰属 → 語り


---

_This is a members-only explainer; the excerpt above is the free preview. Full text: https://iyu.app/ja/e/explainable-money-mule-pipeline_


## Primary sources

- [Zhang et al., “Detection, Attribution, Narration: An End-to-End Pipeline for Explainable Money Mule Identification” (arXiv:2607.17586)](https://arxiv.org/abs/2607.17586)

---
_Published by iyu (https://iyu.app) — the day's AI news, checked against primary sources and rewritten in plain language. Free to quote with attribution and a link to the canonical URL._