論文の概要: Disentangling Decentralized Finance (DeFi) Compositions
- arxiv url: http://arxiv.org/abs/2111.11933v2
- Date: Fri, 30 Sep 2022 12:42:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-09 02:08:06.594479
- Title: Disentangling Decentralized Finance (DeFi) Compositions
- Title(参考訳): 分散金融(DeFi)構成の分散化
- Authors: Stefan Kitzler and Friedhelm Victor and Pietro Saggese and Bernhard
Haslhofer
- Abstract要約: 分散ファイナンスプロトコルは、従来の金融をディスラプトし、分散台帳の上にサービスを提供することを目的としています。
プロトコルと関連するスマートコントラクトの相互作用について検討する。
本稿では,プロトコル呼び出しを,他のDeFiプロトコルの一部である可能性のあるビルディングブロックのネストセットに分解するアルゴリズムを提案する。
- 参考スコア(独自算出の注目度): 1.7205106391379026
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a measurement study on compositions of Decentralized Finance
protocols, which aim to disrupt traditional finance and offer services on top
of distributed ledgers, such as Ethereum. DeFi compositions may impact the
development of ecosystem interoperability, are increasingly integrated with web
technologies, and may introduce risks through complexity. Starting from a
dataset of 23 labeled DeFi protocols and 10,663,881 associated Ethereum
accounts, we study the interactions of protocols and associated smart
contracts. From a network perspective, we find that decentralized exchanges and
lending protocols have high degree and centrality values, that interactions
among protocol nodes primarily occur in a strongly connected component, and
that known community detection methods cannot disentangle DeFi protocols.
Therefore, we propose an algorithm to decompose a protocol call into a nested
set of building blocks that may be part of other DeFi protocols. With a ground
truth dataset we have collected, we can demonstrate the algorithm's capability
by finding that swaps are the most frequently used building blocks. As building
blocks can be nested, i.e., contained in each other, we provide visualizations
of composition trees for deeper inspections. We also present a broad picture of
DeFi compositions by extracting and flattening the entire nested building block
structure across multiple DeFi protocols. Finally, to demonstrate the
practicality of our approach, we present a case study that is inspired by the
recent collapse of the UST stablecoin in the Terra ecosystem. Under the
hypothetical assumption that the stablecoin USD Tether would experience a
similar fate, we study which building blocks and, thereby, DeFi protocols would
be affected. Overall, our results and methods contribute to a better
understanding of a new family of financial products.
- Abstract(参考訳): 本稿では,従来の金融をディスラプトし,Ethereumなどの分散型台帳上にサービスを提供する分散型金融プロトコルの構成について検討する。
DeFiの構成は、エコシステムの相互運用性の発展に影響を与え、Web技術とますます統合され、複雑化によるリスクをもたらす可能性がある。
23のラベル付きDeFiプロトコルと10,663,881のEthereumアカウントのデータセットから始めて、プロトコルと関連するスマートコントラクトのインタラクションを調査します。
ネットワークの観点からは,分散交換や貸与プロトコルは高度で集中度が高いこと,プロトコルノード間の相互作用が主に強く接続されたコンポーネントで発生すること,既知のコミュニティ検出手法がDeFiプロトコルをアンタングルできないこと,などが分かる。
そこで本稿では,プロトコルコールを他のDeFiプロトコルの一部である可能性のあるビルディングブロックのネストセットに分解するアルゴリズムを提案する。
私たちが収集した基底真理データセットを使って、スワップが最も頻繁に使用されるビルディングブロックであることを示すことによって、アルゴリズムの能力を実証することができる。
ビルディングブロックの入れ子、すなわち互いに含まれているため、より深い検査のために構成木を可視化する。
また,複数のDeFiプロトコルにまたがるネストされたビルディングブロック構造全体の抽出と平坦化により,DeFi合成の広範な図面を示す。
最後に,我々のアプローチの実用性を示すために,terraエコシステムにおけるust安定剤の最近の崩壊に触発されたケーススタディを提案する。
安定型USDテザーが同様の運命を経験するという仮定の下で、どのビルディングブロックが影響を受け、DeFiプロトコルが影響を受けるか調査する。
全体として、我々の成果と手法は、新しい金融商品ファミリーの理解に寄与する。
関連論文リスト
- Leveraging Machine Learning for Multichain DeFi Fraud Detection [5.213509776274283]
本稿では,最も大きなチェーンを含むさまざまなチェーンから特徴を抽出するフレームワークを提案し,広範囲なデータセットで評価する。
XGBoostやニューラルネットワークなど、さまざまな機械学習手法を使用して、DeFiと対話する不正アカウントの検出を識別した。
本稿では,新しいDeFi関連機能の導入により,評価結果が大幅に改善されることを実証する。
論文 参考訳(メタデータ) (2023-05-17T15:48:21Z) - 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) - QuTE: decentralized multiple testing on sensor networks with false
discovery rate control [130.7122910646076]
本稿では、偽発見率(FDR)の証明可能な保証を備えたグラフ上での分散多重仮説検定法を設計する。
異なるエージェントが無向グラフのノードに存在し、各エージェントはそのノードに局所的な1つ以上の仮説に対応するp値を持つ。
各エージェントは、グラフ全体の大域的FDRが予め定義されたレベルで制御されなければならないという共同目的のもと、隣人とのみ通信することで、それぞれのローカル仮説の1つ以上の拒絶を個別に決めなければならない。
論文 参考訳(メタデータ) (2022-10-09T19:48:39Z) - Is Vertical Logistic Regression Privacy-Preserving? A Comprehensive
Privacy Analysis and Beyond [57.10914865054868]
垂直ロジスティック回帰(VLR)をミニバッチ降下勾配で訓練した。
我々は、オープンソースのフェデレーション学習フレームワークのクラスにおいて、VLRの包括的で厳密なプライバシー分析を提供する。
論文 参考訳(メタデータ) (2022-07-19T05:47:30Z) - Blockchain Framework for Artificial Intelligence Computation [1.8148198154149393]
ブロック検証とコンセンサス機構を深層強化学習プロセスとして設計する。
当社の手法は,次世代のパブリックブロックチェーンネットワークの設計に使用されている。
論文 参考訳(メタデータ) (2022-02-23T01:44:27Z) - Detecting DeFi Securities Violations from Token Smart Contract Code [0.4263043028086136]
DeFi(Decentralized Finance)は、さまざまなブロックチェーン上のスマートコントラクトを通じて構築および配信される金融製品とサービスのシステムである。
本研究の目的は、トークンのスマートコントラクトコードに基づいて、証券違反の可能性のあるDeFiプロジェクトを特定できるかどうかを明らかにすることである。
論文 参考訳(メタデータ) (2021-12-06T01:44:08Z) - Decentralized Basic Income: Creating Wealth with On-Chain Staking and
Fixed-Rate Protocols [0.0]
我々は、安定した受動的所得を生み出すための分散型金融プロトコルの背後にあるメカニズムを評価する。
現在、こうした貯蓄金利は年間20%まで高く、USドルのような伝統的な通貨価値で支払われる。
潜在的な落とし穴を議論し、これらのプロトコルが市場サイクルでどのように振る舞うかを評価し、さらなる研究開発の分野を提案する。
論文 参考訳(メタデータ) (2021-07-29T20:21:55Z) - ESCORT: Ethereum Smart COntRacTs Vulnerability Detection using Deep
Neural Network and Transfer Learning [80.85273827468063]
既存の機械学習ベースの脆弱性検出方法は制限され、スマートコントラクトが脆弱かどうかのみ検査される。
スマートコントラクトのための初のDeep Neural Network(DNN)ベースの脆弱性検出フレームワークであるESCORTを提案する。
ESCORTは6種類の脆弱性に対して平均95%のF1スコアを達成し,検出時間は契約あたり0.02秒であることを示す。
論文 参考訳(メタデータ) (2021-03-23T15:04:44Z) - Quantum Multi-Solution Bernoulli Search with Applications to Bitcoin's
Post-Quantum Security [67.06003361150228]
作業の証明(英: proof of work、PoW)は、当事者が計算タスクの解決にいくらかの労力を費やしたことを他人に納得させることができる重要な暗号構造である。
本研究では、量子戦略に対してそのようなPoWの連鎖を見つけることの難しさについて検討する。
我々は、PoWs問題の連鎖が、マルチソリューションBernoulliサーチと呼ばれる問題に還元されることを証明し、量子クエリの複雑さを確立する。
論文 参考訳(メタデータ) (2020-12-30T18:03:56Z) - Blockchain Assisted Decentralized Federated Learning (BLADE-FL) with
Lazy Clients [124.48732110742623]
フェデレートラーニング(FL)にブロックチェーンを統合する新しいフレームワークを提案する。
BLADE-FLは、プライバシー保護、改ざん抵抗、学習の効果的な協力の点で優れたパフォーマンスを持っている。
遅延クライアントは、他人のトレーニングされたモデルを盗聴し、不正行為を隠すために人工的なノイズを加える。
論文 参考訳(メタデータ) (2020-12-02T12:18:27Z) - FedCoin: A Peer-to-Peer Payment System for Federated Learning [14.234863914981556]
Federated Learning(FL)は、プライバシに関する分散データセット上でモデルをトレーニングする、新たなコラボレーティブ機械学習手法である。
データ所有者に適切なインセンティブを与えるために、Shapley Value(SV)がしばしば採用され、その貢献を適切に評価する。
我々は、FLのためのブロックチェーンベースのピアツーピア支払いシステムであるFedCoinを提案し、実現可能なSVベースの利益分配を実現する。
論文 参考訳(メタデータ) (2020-02-26T03:43:48Z)
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。