Fugu-MT 論文翻訳(概要): Sharpening Ponzi Schemes Detection on Ethereum with Machine Learning

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

Dual-view Aware Smart Contract Vulnerability Detection for Ethereum [5.002702845720439]
本報告では,DVDet というデュアルビュー対応スマートコントラクト脆弱性検出フレームワークを提案する。このフレームワークは最初、スマートコントラクトのソースコードとバイトコードを重み付きグラフに変換し、フローシーケンスを制御する。データセットの総合的な実験により,我々の手法は脆弱性の検出において他者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） (2024-06-29T06:47:51Z)
Towards Effective Detection of Ponzi schemes on Ethereum with Contract Runtime Behavior Graph [17.79695486585971]
詐欺の一種であるポンツィスキームは、近年スマートコントラクトで発見され、巨額の損失をもたらした。既存の検出手法は主にルールベースのアプローチと機械学習技術に焦点を当てている。 PonziGuardは,契約実行時の動作に基づく効率的なPonzi検出手法である。
論文参考訳（メタデータ） (2024-06-03T01:17:48Z)
Vulnerability Scanners for Ethereum Smart Contracts: A Large-Scale Study [44.25093111430751]
2023年だけでも、そのような脆弱性は数十億ドルを超える巨額の損失をもたらした。スマートコントラクトの脆弱性を検出し、軽減するために、さまざまなツールが開発されている。本研究では,既存のセキュリティスキャナの有効性と,現在も継続している脆弱性とのギャップについて検討する。
論文参考訳（メタデータ） (2023-12-27T11:26:26Z)
Improving the Accuracy of Transaction-Based Ponzi Detection on Ethereum [13.233535179219633]
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に基づいてPonziスキームを検出する。我々は、マシンラーニングアルゴリズムが最大30%高いF1スコアを達成することができる85の新機能(22のアカウントベース、63の新しい時系列機能)を提案する。
論文参考訳（メタデータ） (2023-08-31T01:54:31Z)
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)
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)
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)
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)
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)

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。