論文の概要: Sharpening Ponzi Schemes Detection on Ethereum with Machine Learning
- arxiv url: http://arxiv.org/abs/2301.04872v1
- Date: Thu, 12 Jan 2023 08:38:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-13 15:20:34.023796
- Title: Sharpening Ponzi Schemes Detection on Ethereum with Machine Learning
- Title(参考訳): マシンラーニングによるEthereum上のPonziスキーム検出の高速化
- Authors: Letterio Galletta and Fabio Pinelli
- Abstract要約: 本稿では,Ponziスキーム上でのスマートコントラクトの自動検出手法を提案する。
4422のユニークな現実世界のスマートコントラクトを備えた再利用可能なデータセットをリリースします。
分類を改善するための新しい機能セットを紹介します。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Blockchain technology has been successfully exploited for deploying new
economic applications. However, it has started arousing the interest of
malicious users who deliver scams to deceive honest users and to gain economic
advantages. Among the various scams, Ponzi schemes are one of the most common.
Here, we present an automatic technique for detecting smart Ponzi contracts on
Ethereum. We release a reusable data set with 4422 unique real-world smart
contracts. Then, we introduce a new set of features that allow us to improve
the classification. Finally, we identify a small and effective set of features
that ensures a good classification quality.
- Abstract(参考訳): ブロックチェーン技術は、新しい経済アプリケーションをデプロイするためにうまく活用されている。
しかし、正直なユーザーを騙し経済的優位性を得るために詐欺を犯す悪意のあるユーザーの関心を喚起し始めた。
様々な詐欺のうち、ポンジスキームは最も一般的なものの一つである。
本稿では,Ethereum上でのスマートPonziコントラクトの自動検出手法を提案する。
4422のユニークな現実世界のスマートコントラクトを備えた再利用可能なデータセットをリリースします。
次に,分類を改善するための新機能セットを提案する。
最後に、優れた分類品質を保証する、小さく効果的な機能のセットを特定します。
関連論文リスト
- Improving Robustness and Accuracy of Ponzi Scheme Detection on Ethereum
Using Time-Dependent Features [14.19754467564465]
昔ながらの詐欺であるPonziスキームが、ブロックチェーンで人気になった。
ほとんどのPonzi検出方法は、そのスマートコントラクトソースコードまたはオプコードに基づいている。
トランザクションのみに依存する新しい検出モデルを開発する。
論文 参考訳(メタデータ) (2023-08-31T01:54:31Z) - SourceP: Detecting Ponzi Schemes on Ethereum with Source Code [0.5898893619901381]
SourcePは、事前訓練されたモデルとデータフローを使用して、プラットフォーム上のスマートPonziスキームを検出する方法である。
まず、スマートコントラクトのソースコードをデータフローグラフに変換し、学習コード表現に基づく事前学習モデルを導入し、分類モデルを構築する。
実験の結果、SourcePは87.2%のリコールと90.7%のFスコアを達成し、スマートPonziスキームを検出した。
論文 参考訳(メタデータ) (2023-06-02T16:40:42Z) - Who is Gambling? Finding Cryptocurrency Gamblers Using Multi-modal
Retrieval Methods [46.17004007514548]
我々はETHGamDetと呼ばれるツールを提案し、ギャンブルの振る舞いを発見し、ギャンブルに関わる契約や住所を特定する。
このツールは、スマートコントラクトコードとトランザクションレコードを精査することで、ギャンブルに関わるスマートコントラクトとアドレスを自動的に検出することができる。
本稿では,メモリコンポーネントを備えた新しいLightGBMモデルを提案する。
論文 参考訳(メタデータ) (2022-11-27T10:07:13Z) - An Attention-based Long Short-Term Memory Framework for Detection of
Bitcoin Scams [2.0720586052989978]
Bitcoinは、サイバー詐欺に関わる最も一般的な暗号通貨だ。
本稿では、トランザクションがPonziスキームや他のサイバー詐欺に関与しているかどうかを決定するために、マルチクラス分類問題を検討する。
論文 参考訳(メタデータ) (2022-10-26T01:20:21Z) - Token Spammers, Rug Pulls, and SniperBots: An Analysis of the Ecosystem
of Tokens in Ethereum and the Binance Smart Chain (BNB) [63.36515347329037]
トークンと流動性のプールのエコシステムを調査し、両方のブロックチェーン間の類似点と相違点を強調します。
トークンの寿命を見積もると、約60%のトークンが1日以内でアクティブであることが分かりました。
我々は、出口詐欺の詐欺を提示し、両方のブロックチェーン上でその頻度を定量化する。
論文 参考訳(メタデータ) (2022-06-16T14:20:19Z) - Do not rug on me: Zero-dimensional Scam Detection [0.0]
本稿では,20Kトークンのデータセットを拡大し,トークンを詐欺としてラベル付けするための新しい手法を提案する。
本稿では,トークン伝搬とスマートコントラクトに関連する新しい特徴を持つ機械学習に基づくアルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-01-16T16:22:43Z) - You are caught stealing my winning lottery ticket! Making a lottery
ticket claim its ownership [87.13642800792077]
Lottery ticket hypothesis (LTH) は、特別なスパースサブネットワークを活用するための有望なフレームワークとして出現する。
しかし、LTHの主な資源ボトルネックは、当選チケットのスパースマスクを見つけるのに特別なコストである。
私たちの設定は、深層モデルの知的財産権侵害から保護することに対する最近の関心に新たな次元を与えます。
論文 参考訳(メタデータ) (2021-10-30T03:38:38Z) - Data-driven Smart Ponzi Scheme Detection [11.467476506780969]
スマートPonziスキームは、スマートコントラクトアカウントと暗号通貨を使用してPonziスキームを実装する、新しいタイプの経済犯罪である。
本稿では,データ駆動型スマートPonziスキーム検出システムを提案する。
従来の手法と比較して、提案システムは非常に限定的な人間とコンピュータの相互作用を必要とする。
論文 参考訳(メタデータ) (2021-08-20T07:45:36Z) - Smart Contract Vulnerability Detection: From Pure Neural Network to
Interpretable Graph Feature and Expert Pattern Fusion [48.744359070088166]
従来のスマートコントラクトの脆弱性検出方法は、専門家の規則に大きく依存している。
最近のディープラーニングアプローチはこの問題を軽減するが、有用な専門家の知識をエンコードすることができない。
ソースコードから専門家パターンを抽出する自動ツールを開発する。
次に、深いグラフの特徴を抽出するために、コードをセマンティックグラフにキャストします。
論文 参考訳(メタデータ) (2021-06-17T07:12:13Z) - 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) - Certifying Strategyproof Auction Networks [53.37051312298459]
我々は、任意の数のアイテムと参加者でオークションを表現できるRegretNetアーキテクチャに焦点を当てる。
本稿では,ニューラルネットワーク検証文献から得られた手法を用いて,特定の評価プロファイルの下で戦略の安全性を明示的に検証する方法を提案する。
論文 参考訳(メタデータ) (2020-06-15T20:22:48Z)
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。