論文の概要: Detecting DeFi Securities Violations from Token Smart Contract Code
- arxiv url: http://arxiv.org/abs/2112.02731v5
- Date: Fri, 26 May 2023 12:07:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-30 00:37:12.352689
- Title: Detecting DeFi Securities Violations from Token Smart Contract Code
- Title(参考訳): トークンスマートコントラクトコードからのDeFi証券違反の検出
- Authors: Arianna Trozze, Bennett Kleinberg, and Toby Davies
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 0.4263043028086136
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Decentralized Finance (DeFi) is a system of financial products and services
built and delivered through smart contracts on various blockchains. In the past
year, DeFi has gained popularity and market capitalization. However, it has
also been connected to crime, in particular, various types of securities
violations. The lack of Know Your Customer requirements in DeFi poses
challenges to governments trying to mitigate potential offending in this space.
This study aims to uncover whether this problem is suited to a machine learning
approach, namely, whether we can identify DeFi projects potentially engaging in
securities violations based on their tokens' smart contract code. We adapt
prior work on detecting specific types of securities violations across
Ethereum, building classifiers based on features extracted from DeFi projects'
tokens' smart contract code (specifically, opcode-based features). Our final
model is a random forest model that achieves an 80\% F-1 score against a
baseline of 50\%. Notably, we further explore the code-based features that are
most important to our model's performance in more detail, analyzing tokens'
Solidity code and conducting cosine similarity analyses. We find that one
element of the code our opcode-based features may be capturing is the
implementation of the SafeMath library, though this does not account for the
entirety of our features. Another contribution of our study is a new data set,
comprised of (a) a verified ground truth data set for tokens involved in
securities violations and (b) a set of legitimate tokens from a reputable DeFi
aggregator. This paper further discusses the potential use of a model like ours
by prosecutors in enforcement efforts and connects it to the wider legal
context.
- Abstract(参考訳): 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。
ここ数年、DeFiの人気と市場資本化が続いている。
しかし、犯罪、特に様々な種類の証券違反とも関係がある。
DeFiにおけるKnow Your Customer要件の欠如は、この分野での潜在的な攻撃を緩和しようとする政府に課題をもたらす。
本研究は,この問題が機械学習のアプローチに適合するかどうか,すなわち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プロジェクトを識別できるかどうかを明らかにすることを目的としている。
DeFiプロジェクトのトークンのスマートコントラクトコード(特にオペコードベースの機能)から抽出された機能に基づいて分類器を構築する。
最終モデルは,基準値50\%に対して80\%のF-1スコアを得るランダム森林モデルである。
特に、私たちはさらに、モデルのパフォーマンスにとって最も重要なコードベースの機能を調べ、トークンの固形度コードを分析し、コサインの類似度分析を行います。
私たちは、Opcodeベースのフィーチャがキャプチャしているかもしれないコードの1つの要素がSafeMathライブラリの実装であることに気付きました。
私たちの研究のもうひとつの貢献は、新しいデータセットです。
(a)証券違反にかかわるトークンの検証された根拠真理データ
b) 請求可能なDeFiアグリゲータからの正当なトークンの集合
本報告では,法執行における検事による我々のようなモデルの利用の可能性についても検討し,より広い法的文脈と結びつける。
関連論文リスト
- Building Random, Fair, and Verifiable Games on Blockchain. Raffle smart
contract designs on Sui Network [10.410456199908587]
本稿では,ブロックチェーン上での公正で検証可能な,効率的なスマートコントラクトゲームの設計に関する洞察を提供することを目的とする。
DRAND委員会ベースの分散ランダムビーコンや1つのプライベートキーベースの検証可能なランダム関数(VRF)など、スマートコントラクトにランダム性を実装する効率的な方法を検討する。
我々の発見は、スマートコントラクトでランダムで公正で検証可能なゲームを構築するための、将来の研究者や開発者にとって貴重なガイダンスを提供する。
論文 参考訳(メタデータ) (2023-10-18T20:12:44Z) - Empirical Review of Smart Contract and DeFi Security: Vulnerability
Detection and Automated Repair [36.46679501556185]
分散ファイナンス(DeFi)はピアツーピア金融エコシステムとして台頭している。
スマートコントラクトには 膨大な価値があります 攻撃の魅力的なターゲットになります
本稿では,脆弱性検出と自動修復の観点から,スマートコントラクトとDeFiセキュリティの分野における進歩を概観する。
論文 参考訳(メタデータ) (2023-09-05T17:00:42Z) - 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) - 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) - FedSOV: Federated Model Secure Ownership Verification with Unforgeable
Signature [60.99054146321459]
フェデレートラーニングにより、複数のパーティがプライベートデータを公開せずにグローバルモデルを学ぶことができる。
本稿では,FedSOVという暗号署名に基づくフェデレート学習モデルのオーナシップ検証手法を提案する。
論文 参考訳(メタデータ) (2023-05-10T12:10:02Z) - 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) - PEOPL: Characterizing Privately Encoded Open Datasets with Public Labels [59.66777287810985]
プライバシとユーティリティのための情報理論スコアを導入し、不誠実なユーザの平均パフォーマンスを定量化する。
次に、ランダムなディープニューラルネットワークの使用を動機付ける符号化スキームのファミリーを構築する際のプリミティブを理論的に特徴づける。
論文 参考訳(メタデータ) (2023-03-31T18:03:53Z) - Quantum Proofs of Deletion for Learning with Errors [91.3755431537592]
完全同型暗号方式として, 完全同型暗号方式を初めて構築する。
我々の主要な技術要素は、量子証明器が古典的検証器に量子状態の形でのLearning with Errors分布からのサンプルが削除されたことを納得させる対話的プロトコルである。
論文 参考訳(メタデータ) (2022-03-03T10:07:32Z) - A Bytecode-based Approach for Smart Contract Classification [10.483992071557195]
ブロックチェーンプラットフォームにデプロイされるスマートコントラクトの数は指数関数的に増えているため、ユーザは手動のスクリーニングによって望ましいサービスを見つけることが難しくなっている。
スマートコントラクト分類に関する最近の研究は、契約ソースコードに基づく自然言語処理(NLP)ソリューションに焦点を当てている。
本稿では,これらの問題を解決するために,ソースコードの代わりにコントラクトバイトコードの特徴に基づく分類モデルを提案する。
論文 参考訳(メタデータ) (2021-05-31T03:00:29Z) - 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) - BLOCKEYE: Hunting For DeFi Attacks on Blockchain [14.036894994367598]
分散ファイナンス、すなわちDeFiは、多くのパブリックブロックチェーン上で最も人気のあるタイプのアプリケーションになった。
ブロックチェーン上でのDeFiプロジェクトのリアルタイム攻撃検出システムを提案する。
論文 参考訳(メタデータ) (2021-03-04T07:41:12Z)
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。