論文の概要: With Trail to Follow: Measurements of Real-world Non-fungible Token Phishing Attacks on Ethereum

• arxiv url: http://arxiv.org/abs/2307.01579v2
• Date: Thu, 28 Mar 2024 07:51:04 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-29 22:02:51.239159
• Title: With Trail to Follow: Measurements of Real-world Non-fungible Token Phishing Attacks on Ethereum
• Title（参考訳）: Followへの道:Ethereum上の現実世界の非現実的なトークンフィッシング攻撃の測定
• Authors: Jingjing Yang, Jieli Liu, Jiajing Wu,
• Abstract要約: NFTフィッシング攻撃の新しい手段が生態系に現れたという逸話が増えている。 既存の研究のほとんどは、ブロックチェーン上のネイティブ暗号通貨のフィッシング詐欺アカウントの検出に重点を置いている。 新興NFTのフィッシング攻撃の分野では、研究の欠如がある。
• 参考スコア（独自算出の注目度）: 4.297180143942048
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the popularity of Non-Fungible Tokens (NFTs), NFTs have become a new target of phishing attacks, posing a significant threat to the NFT trading ecosystem. There has been growing anecdotal evidence that new means of NFT phishing attacks have emerged in Ethereum ecosystem. Most of the existing research focus on detecting phishing scam accounts for native cryptocurrency on the blockchain, but there is a lack of research in the area of phishing attacks of emerging NFTs. Although a few studies have recently started to focus on the analysis and detection of NFT phishing attacks, NFT phishing attack means are diverse and little has been done to understand these various types of NFT phishing attacks. To the best of our knowledge, we are the first to conduct case retrospective analysis and measurement study of real-world historical NFT phishing attacks on Ethereum. By manually analyzing the existing scams reported by Chainabuse, we classify NFT phishing attacks into four patterns. For each pattern, we further investigate the tricks and working principles of them. Based on 469 NFT phishing accounts collected up until October 2022 from multiple channels, we perform a measurement study of on-chain transaction data crawled from Etherscan to characterizing NFT phishing scams by analyzing the modus operandi and preferences of NFT phishing scammers, as well as economic impacts and whereabouts of stolen NFTs. We classify NFT phishing transactions into one of the four patterns by log parsing and transaction record parsing. We find these phishing accounts stole 19,514 NFTs for a total profit of 8,858.431 ETH (around 18.57 million dollars). We also observe that scammers remain highly active in the last two years and favor certain categories and series of NFTs, accompanied with signs of gang theft.
• Abstract（参考訳）: NFT(Non-Fungible Tokens)の人気により、NFTはフィッシング攻撃の新たな標的となり、NFTのトレーディングエコシステムに重大な脅威をもたらしている。 NFTフィッシング攻撃の新たな手段がEthereumエコシステムに現れたという逸話が増えている。 既存の研究の大部分は、ブロックチェーン上のネイティブ暗号通貨のフィッシング詐欺アカウントの検出に重点を置いているが、新興NFTのフィッシング攻撃の分野では研究の欠如がある。 NFTフィッシング攻撃の分析と検出に焦点をあてる研究が最近始まったが、NFTフィッシング攻撃手段は多種多様であり、これらの種類のNFTフィッシング攻撃を理解するためにはほとんど行われていない。 我々の知る限り、我々はEthereumに対する実世界の歴史的NFTフィッシング攻撃の事例振り返り分析と測定を行った最初の人物である。 Chainabuseが報告した既存の詐欺を手動で解析することにより、NFTフィッシング攻撃を4つのパターンに分類する。 各パターンについて,そのトリックや動作原理をさらに調査する。 2022年10月までに複数のチャンネルから収集された 469 NFT フィッシングアカウントに基づいて,NFT フィッシング詐欺のモダス・オペランディと嗜好を解析し,NFT フィッシング詐欺を識別する,Etherscan からクロールしたオンチェーン取引データの測定を行った。 NFTフィッシングトランザクションをログ解析とトランザクションレコード解析によって4つのパターンの1つに分類する。 これらのフィッシングアカウントは、合計利益8,858.431 ETH(約18.57億ドル)で19,514 NFTを盗んだ。 また,過去2年間,詐欺師は活発に活動し,ギャング盗難の兆候を伴い,特定のカテゴリーや一連のNFTを好んだ。

関連論文リスト

• Dissecting Payload-based Transaction Phishing on Ethereum [13.398858969125495]
  ペイロードベースのトランザクションフィッシング(PTXPHISH)は、悪意のあるペイロードの実行を通じてユーザを騙すスマートコントラクトインタラクションを操作する。 PTXPHISHは急速に重大な脅威となり、2023年の報告書では7000万ドルを超える損失を招いた。 5000のフィッシングトランザクションからなるPTXPHISHデータセットを構築。 そこで本研究では,PTXPHISHを同定するためのルールベース多次元検出手法を提案する。
  論文  参考訳（メタデータ） (2024-09-04T02:26:59Z)
• Defending Against Weight-Poisoning Backdoor Attacks for Parameter-Efficient Fine-Tuning [57.50274256088251]
  パラメータ効率のよい微調整(PEFT)は,重み付けによるバックドア攻撃の影響を受けやすいことを示す。 PEFTを利用したPSIM(Poisoned Sample Identification Module)を開発した。 テキスト分類タスク,5つの微調整戦略,および3つの重み付けバックドア攻撃手法について実験を行った。
  論文  参考訳（メタデータ） (2024-02-19T14:22:54Z)
• The Dark Side of NFTs: A Large-Scale Empirical Study of Wash Trading [28.20696034160891]
  我々は,2,701,883 NFTから8,717,031の転送イベントと3,830,141のセールイベントを分析した。 NFTの3種類の洗剤取引を識別し,識別アルゴリズムを提案する。 また,マーケットプレース設計,収益性,NFTプロジェクト設計,支払トークン,ユーザ行動,NTTエコシステムといった6つの側面からの洞察も提供する。
  論文  参考訳（メタデータ） (2023-12-19T19:29:24Z)
• Unveiling the Risks of NFT Promotion Scams [24.54041279375181]
  我々は823のNFTプロジェクトをまとめて推進したTwitter上で439のプロモーションサービス(アカウント)を調査した。 これらのプロジェクトの36%以上が不正で、フィッシング、ラグプル、プレミント詐欺で構成されていた。 我々はTwitter上で382の不正なNFTプロジェクトを積極的に検出できる機械学習ツールを開発した。
  論文  参考訳（メタデータ） (2023-01-24T04:13:44Z)
• Bubble or Not: Measurements, Analyses, and Findings on the Ethereum ERC721 and ERC1155 Non-fungible Token Ecosystem [22.010657813215413]
  NFTの時価総額は2021年に215億米ドルに達した。 2022年第2四半期のNFT市場の急激な下落は、NFT市場の目に見えるブームに疑問を呈している。 ブロックチェーン全体からデータを収集することにより、NFT生成グラフ、NFT転送グラフ、NFTホールドグラフという3つのグラフを構築し、NFTトレーダーを特徴付ける。 我々は,NFTの活性度と値の定量化のための新しい指標を提案し,インジケータとグラフ解析を組み合わせてバブルNFTを見つけるアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-01-05T10:17:57Z)
• A Game of NFTs: Characterizing NFT Wash Trading in the Ethereum Blockchain [53.8917088220974]
  非Fungible Token(NFT)市場は2021年に爆発的に成長し、2022年1月には月間貿易額が60億ドルに達した。 ウォッシュトレーディングの可能性に関する懸念が浮かび上がっており、あるパーティがNFTを取引してそのボリュームを人為的に膨らませる市場操作の形式である。 洗濯物取引は全NFTコレクションの5.66%に影響し、総生産量は3,406,110,774ドルである。
  論文  参考訳（メタデータ） (2022-12-02T15:03:35Z)
• Token Spammers, Rug Pulls, and SniperBots: An Analysis of the Ecosystem of Tokens in Ethereum and in the Binance Smart Chain (BNB) [50.888293380932616]
  トークンと流動性のプールの生態系を研究する。 トークンの約60%が1日以内でアクティブであることが分かりました。 1日間の暴走が2億4000万ドルという利益を生み出したと見積もっている。
  論文  参考訳（メタデータ） (2022-06-16T14:20:19Z)
• Mapping the NFT revolution: market trends, trade networks and visual features [0.25861007846258416]
  Non Fungible Tokens (NFT) は、アート、コレクション、ゲーム内アイテムなどのオブジェクトを表すデジタル資産である。 我々は2017年6月23日から2021年4月27日までの470万NFTの6100万取引に関するデータを分析した。
  論文  参考訳（メタデータ） (2021-06-01T17:25:32Z)
• ONION: A Simple and Effective Defense Against Textual Backdoor Attacks [91.83014758036575]
  バックドア攻撃は、ディープニューラルネットワーク(DNN)に対する創発的な訓練時間の脅威である 本論文では,ONION という,シンプルで効果的なテキストバックドア・ディフェンスを提案する。 実験では,5種類のバックドア攻撃に対するBiLSTMとBERTの防御効果を示す。
  論文  参考訳（メタデータ） (2020-11-20T12:17:21Z)
• Phishing and Spear Phishing: examples in Cyber Espionage and techniques to protect against them [91.3755431537592]
  フィッシング攻撃は、2012年以降、サイバー攻撃の91%以上を突破し、オンライン詐欺で最も使われているテクニックとなっている。 本研究は, フィッシングとスピア・フィッシングによる攻撃が, 結果を大きくする5つのステップを通じて, フィッシングとスピア・フィッシングによる攻撃の実施方法についてレビューした。
  論文  参考訳（メタデータ） (2020-05-31T18:10:09Z)
• Defending against Backdoor Attack on Deep Neural Networks [98.45955746226106]
  トレーニングデータの一部にバックドアトリガーを注入する、いわゆるテキストバックドア攻撃について検討する。 実験の結果,本手法は攻撃成功率を効果的に低減し,クリーン画像の分類精度も高いことがわかった。
  論文  参考訳（メタデータ） (2020-02-26T02:03:00Z)

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。