論文の概要: Identity Inference on Blockchain using Graph Neural Network
- arxiv url: http://arxiv.org/abs/2104.06559v1
- Date: Wed, 14 Apr 2021 00:15:38 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-15 13:04:10.812560
- Title: Identity Inference on Blockchain using Graph Neural Network
- Title(参考訳): グラフニューラルネットワークを用いたブロックチェーン上のアイデンティティ推論
- Authors: Jie Shen, Jiajun Zhou, Yunyi Xie, Shanqing Yu, and Qi Xuan
- Abstract要約: アカウントのアイデンティティに関する事前推論を目的としたアイデンティティ推論は、ブロックチェーンセキュリティにおいて重要な役割を果たします。
本稿では,id推論タスクをグラフ分類パターンに変換するトランザクションサブグラフの観点から,ユーザの行動を解析するための新しい手法を提案する。
また、$textI2 textBGNN$という汎用的なエンドツーエンドグラフニューラルネットワークモデルを提案し、サブグラフを入力として受け入れ、トランザクションサブグラフパターンをアカウントアイデンティティにマッピングする関数を学ぶことができる。
- 参考スコア(独自算出の注目度): 5.5927440285709835
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The anonymity of blockchain has accelerated the growth of illegal activities
and criminal behaviors on cryptocurrency platforms. Although decentralization
is one of the typical characteristics of blockchain, we urgently call for
effective regulation to detect these illegal behaviors to ensure the safety and
stability of user transactions. Identity inference, which aims to make a
preliminary inference about account identity, plays a significant role in
blockchain security. As a common tool, graph mining technique can effectively
represent the interactive information between accounts and be used for identity
inference. However, existing methods cannot balance scalability and end-to-end
architecture, resulting high computational consumption and weak feature
representation. In this paper, we present a novel approach to analyze user's
behavior from the perspective of the transaction subgraph, which naturally
transforms the identity inference task into a graph classification pattern and
effectively avoids computation in large-scale graph. Furthermore, we propose a
generic end-to-end graph neural network model, named $\text{I}^2 \text{BGNN}$,
which can accept subgraph as input and learn a function mapping the transaction
subgraph pattern to account identity, achieving de-anonymization. Extensive
experiments on EOSG and ETHG datasets demonstrate that the proposed method
achieve the state-of-the-art performance in identity inference.
- Abstract(参考訳): ブロックチェーンの匿名性は、暗号通貨プラットフォームにおける違法行為や犯罪行為の成長を加速させている。
分散化はブロックチェーンの典型的な特徴のひとつですが、ユーザトランザクションの安全性と安定性を確保するために、これらの違法な振る舞いを検出する効果的な規制を緊急に求めます。
アカウントのIDに関する予備的な推論を目的としたID推論は、ブロックチェーンセキュリティにおいて重要な役割を果たす。
一般的なツールとして、グラフマイニングテクニックはアカウント間の対話的な情報を効果的に表現し、アイデンティティ推論に使用できる。
しかし、既存の手法ではスケーラビリティとエンドツーエンドアーキテクチャのバランスが取れず、高い計算消費と弱い特徴表現をもたらす。
本稿では,id推論タスクをグラフ分類パターンに自然変換し,大規模グラフでの計算を効果的に回避するトランザクションサブグラフの観点から,ユーザの行動を解析するための新しい手法を提案する。
さらに,$\text{i}^2 \text{bgnn}$という汎用的なグラフニューラルネットワークモデルを提案し,サブグラフを入力として受け入れ,トランザクションサブグラフパターンをアカウントidにマッピングする関数を学習し,匿名化を実現する。
EOSG と ETHG データセットの大規模な実験により,提案手法が同一性推論における最先端性能を達成することを示す。
関連論文リスト
- The Kosmosis Use-Case of Crypto Rug Pull Detection and Prevention [0.0]
暗号資産不正を防ぐための現在の手法は、ブロックチェーンネットワーク内のトランザクショングラフの分析に基づいている。
我々は、新しいブロックチェーンとソーシャルメディアデータが利用可能になるにつれて、知識グラフを漸進的に構築することを目的としたKosmosisアプローチを提案する。
論文 参考訳(メタデータ) (2024-05-30T07:17:57Z) - Facilitating Feature and Topology Lightweighting: An Ethereum Transaction Graph Compression Method for Malicious Account Detection [3.877894934465948]
Bitcoinは暗号通貨の主要なグローバルプラットフォームの一つとなり、金融エコシステムの多様化を促進する上で重要な役割を果たしている。
従来の規制手法は通常、機能エンジニアリングや大規模トランザクショングラフマイニングを通じて悪意のあるアカウントを検出する。
本稿では,TGC4Ethというトランザクショングラフ圧縮手法を提案する。
論文 参考訳(メタデータ) (2024-05-14T02:21:20Z) - Transaction Fraud Detection via an Adaptive Graph Neural Network [64.9428588496749]
本稿では,アダプティブサンプリングとアグリゲーションに基づくグラフニューラルネットワーク(ASA-GNN)を提案する。
ノイズの多いノードをフィルタリングし、不正なノードを補うために、隣のサンプリング戦略を実行する。
3つのファイナンシャルデータセットの実験により,提案手法のASA-GNNは最先端のデータセットよりも優れていることが示された。
論文 参考訳(メタデータ) (2023-07-11T07:48:39Z) - Chainlet Orbits: Topological Address Embedding for the Bitcoin
Blockchain [15.099255988459602]
匿名性のある取引を可能にするBitcoinのような暗号通貨の台頭は、さまざまな不正行為の急増につながっている。
トランザクションにおけるそのトポロジ的特性を活用して,Bitcoinアドレスを埋め込む,Chainlet Orbitsという効果的なソリューションを導入する。
当社のアプローチでは,Bitcoinトランザクションネットワーク上で,解釈可能かつ説明可能なマシンラーニングモデルを,ほとんどの日において15分以内で使用することが可能です。
論文 参考訳(メタデータ) (2023-05-18T21:16:59Z) - Blockchain Large Language Models [65.7726590159576]
本稿では,異常なブロックチェーントランザクションを検出するための動的,リアルタイムなアプローチを提案する。
提案するツールであるBlockGPTは、ブロックチェーンアクティビティのトレース表現を生成し、大規模な言語モデルをスクラッチからトレーニングして、リアルタイム侵入検出システムとして機能させる。
論文 参考訳(メタデータ) (2023-04-25T11:56:18Z) - Detecting Anomalous Cryptocurrency Transactions: an AML/CFT Application
of Machine Learning-based Forensics [5.617291981476445]
本論文は,さまざまな手法を用いて,有向グラフネットワークとして表現されるBitcoinトランザクションの現実的なデータセットを解析する。
これは、Graph Convolutional Networks(GCN)とGraph Attention Networks(GAT)として知られるニューラルネットワークタイプが、有望なAML/CFTソリューションであることを示している。
論文 参考訳(メタデータ) (2022-06-07T16:22:55Z) - Blockchain Phishing Scam Detection via Multi-channel Graph
Classification [1.6980621769406918]
フィッシング詐欺検出方法は、被害者を保護し、より健全なブロックチェーンエコシステムを構築する。
ユーザのためのトランザクションパターングラフを定義し,フィッシング詐欺検出をグラフ分類タスクに変換する。
提案したマルチチャネルグラフ分類モデル(MCGC)は,対象ユーザのトランザクションパターンの特徴を抽出することにより,潜在的なフィッシングを検出することができる。
論文 参考訳(メタデータ) (2021-08-19T02:59:55Z) - Relational Graph Neural Networks for Fraud Detection in a Super-App
environment [53.561797148529664]
スーパーアプリケーションの金融サービスにおける不正行為防止のための関係グラフ畳み込みネットワーク手法の枠組みを提案する。
我々は,グラフニューラルネットワークの解釈可能性アルゴリズムを用いて,ユーザの分類タスクに対する最も重要な関係を判定する。
以上の結果から,Super-Appの代替データと高接続性で得られるインタラクションを利用するモデルには,付加価値があることが示唆された。
論文 参考訳(メタデータ) (2021-07-29T00:02:06Z) - GraphMI: Extracting Private Graph Data from Graph Neural Networks [59.05178231559796]
GNNを反転させてトレーニンググラフのプライベートグラフデータを抽出することを目的とした textbfGraph textbfModel textbfInversion attack (GraphMI) を提案する。
具体的には,グラフ特徴の空間性と滑らかさを保ちながら,グラフエッジの離散性に対処する勾配モジュールを提案する。
エッジ推論のためのグラフトポロジ、ノード属性、ターゲットモデルパラメータを効率的に活用するグラフ自動エンコーダモジュールを設計する。
論文 参考訳(メタデータ) (2021-06-05T07:07:52Z) - Towards Efficient Scene Understanding via Squeeze Reasoning [71.1139549949694]
我々はSqueeze Reasoningと呼ばれる新しいフレームワークを提案する。
空間地図上の情報を伝播するのではなく、まず入力特徴をチャネルワイドなグローバルベクトルに絞ることを学ぶ。
提案手法はエンドツーエンドのトレーニングブロックとしてモジュール化可能であり,既存のネットワークに簡単に接続可能であることを示す。
論文 参考訳(メタデータ) (2020-11-06T12:17:01Z) - Graph Backdoor [53.70971502299977]
GTAはグラフニューラルネットワーク(GNN)に対する最初のバックドア攻撃である。
GTAは、トポロジカル構造と記述的特徴の両方を含む特定の部分グラフとしてトリガーを定義する。
トランスダクティブ(ノード分類など)とインダクティブ(グラフ分類など)の両方のタスクに対してインスタンス化することができる。
論文 参考訳(メタデータ) (2020-06-21T19:45:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。