Fugu-MT 論文翻訳(概要): From Asset Flow to Status, Action and Intention Discovery: Early Malice Detection in Cryptocurrency

論文の概要: From Asset Flow to Status, Action and Intention Discovery: Early Malice Detection in Cryptocurrency

arxiv url: http://arxiv.org/abs/2309.15133v1
Date: Tue, 26 Sep 2023 07:12:59 GMT
ステータス: 処理完了
システム内更新日: 2023-09-28 18:17:58.648660
Title: From Asset Flow to Status, Action and Intention Discovery: Early Malice Detection in Cryptocurrency
Title（参考訳）: アセットフローから現状・行動・意図発見へ:暗号通貨における早期マス検出
Authors: Ling Cheng, Feida Zhu, Yong Wang, Ruicheng Liang, Huiwen Liu
Abstract要約: 理想的な検出モデルは, (I) 早期検出, (II) 良好な解釈性, (III) 様々な不正行為に対する汎用性の3つの重要な特性をすべて達成できることが期待される。 Intention-Monitor for early malice detection in Bitcoin (BTC)では、特定のアドレスのオンチェーンレコードデータが他の暗号通貨プラットフォームよりもはるかに少ない。我々のモデルは高度に解釈可能であり、様々な違法な活動を検出することができる。
参考スコア（独自算出の注目度）: 9.878712887719978
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Cryptocurrency has been subject to illicit activities probably more often than traditional financial assets due to the pseudo-anonymous nature of its transacting entities. An ideal detection model is expected to achieve all three critical properties of (I) early detection, (II) good interpretability, and (III) versatility for various illicit activities. However, existing solutions cannot meet all these requirements, as most of them heavily rely on deep learning without interpretability and are only available for retrospective analysis of a specific illicit type. To tackle all these challenges, we propose Intention-Monitor for early malice detection in Bitcoin (BTC), where the on-chain record data for a certain address are much scarcer than other cryptocurrency platforms. We first define asset transfer paths with the Decision-Tree based feature Selection and Complement (DT-SC) to build different feature sets for different malice types. Then, the Status/Action Proposal Module (S/A-PM) and the Intention-VAE module generate the status, action, intent-snippet, and hidden intent-snippet embedding. With all these modules, our model is highly interpretable and can detect various illegal activities. Moreover, well-designed loss functions further enhance the prediction speed and model's interpretability. Extensive experiments on three real-world datasets demonstrate that our proposed algorithm outperforms the state-of-the-art methods. Furthermore, additional case studies justify our model can not only explain existing illicit patterns but can also find new suspicious characters.
Abstract（参考訳）: 仮想通貨は、取引主体の匿名性から、おそらく従来の金融資産よりも多くの違法行為の対象となっている。理想的な検出モデルは, (I) 早期検出, (II) 良好な解釈性, (III) 様々な不正行為に対する汎用性の3つの重要な特性をすべて達成できることが期待される。しかし、既存のソリューションはこれらの要件をすべて満たせない。ほとんどのソリューションは解釈不能なディープラーニングに大きく依存しており、特定の不正タイプの振り返り分析にのみ利用可能である。これらの問題に対処するため、我々は、特定のアドレスのオンチェーンレコードデータが他の暗号通貨プラットフォームよりもはるかに不足するbitcoin(btc)における早期malice検出のための意図監視器を提案する。まず,決定木に基づく特徴選択と補完(dt-sc)を用いて資産移動経路を定義し,異なる悪意タイプに対して異なる特徴集合を構築する。次に、ステータス/アクション提案モジュール(s/a-pm)とインテント-ヴェイモジュールがステータス、アクション、インテント-スニペットおよびインテント-スニペット埋め込みを生成する。これら全てのモジュールで、我々のモデルは高度に解釈可能であり、様々な違法な活動を検出することができる。さらに、よく設計された損失関数は予測速度とモデルの解釈性をさらに向上させる。 3つの実世界のデータセットに関する広範囲な実験により,提案手法が最先端手法よりも優れていることが証明された。さらに,我々のモデルが既存の不正なパターンを説明できるだけでなく,新たな不審な文字を発見できるケーススタディも加わった。

関連論文リスト

LookAhead: Preventing DeFi Attacks via Unveiling Adversarial Contracts [15.071155232677643]
分散型金融(DeFi)インシデントは、30億ドルを超える経済的損害をもたらした。現在の検出ツールは、攻撃活動を効果的に識別する上で重大な課題に直面している。本稿では,敵対的契約の特定に焦点をあてた,DeFi攻撃検出のための新たな方向を提案する。
論文参考訳（メタデータ） (2024-01-14T11:39:33Z)
Model Stealing Attack against Graph Classification with Authenticity, Uncertainty and Diversity [80.16488817177182]
GNNは、クエリ許可を通じてターゲットモデルを複製するための悪行であるモデル盗難攻撃に対して脆弱である。異なるシナリオに対応するために,3つのモデルステルス攻撃を導入する。
論文参考訳（メタデータ） (2023-12-18T05:42:31Z)
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)
Enhancing Multiple Reliability Measures via Nuisance-extended Information Bottleneck [77.37409441129995]
トレーニングデータに制限がある現実的なシナリオでは、データ内の多くの予測信号は、データ取得のバイアスからより多く得る。我々は,相互情報制約の下で,より広い範囲の摂動をカバーできる敵の脅威モデルを考える。そこで本研究では,その目的を実現するためのオートエンコーダベーストレーニングと,提案したハイブリッド識別世代学習を促進するための実用的なエンコーダ設計を提案する。
論文参考訳（メタデータ） (2023-03-24T16:03:21Z)
Exploring Active 3D Object Detection from a Generalization Perspective [58.597942380989245]
不確実性に基づくアクティブな学習ポリシーは、ポイントクラウドの情報性とボックスレベルのアノテーションコストの間のトレードオフのバランスを取れません。冗長な3次元境界ボックスラベルの点群を階層的にフィルタリングするtextscCrbを提案する。実験により,提案手法が既存のアクティブラーニング戦略より優れていることが示された。
論文参考訳（メタデータ） (2023-01-23T02:43:03Z)
Toward Intention Discovery for Early Malice Detection in Bitcoin [7.627156550422715]
理想的な検出モデルは, (I) 早期検出, (II) 良好な解釈性, (III) 様々な不正行為に対する汎用性の3つの特性をすべて達成できることが期待される。アドレスの初期特性を記述した資産移動経路を提案する。階層的自己注意予測器は、所定のアドレスのラベルをリアルタイムで予測する。
論文参考訳（メタデータ） (2022-09-24T13:04:22Z)
Democracy Does Matter: Comprehensive Feature Mining for Co-Salient Object Detection [31.08198053527017]
既存のサリエント物体を検出対象とするコサリエント物体検出が普及している。最近の研究では、注意機構や余分な情報を使って共通のコサレントな特徴を集約している。本稿では,民主化による包括的協調型特徴の抽出と背景干渉の低減を目的とする。
論文参考訳（メタデータ） (2022-03-11T08:02:20Z)
Online Multi-Object Tracking with Unsupervised Re-Identification Learning and Occlusion Estimation [80.38553821508162]
異なるオブジェクト間のオクルージョンは、MOT(Multi-Object Tracking)の典型的な課題である本稿では,これらの問題に対処する2つの新しいモジュールを設計し,オンラインマルチオブジェクト追跡に焦点を当てる。提案した教師なし再識別学習モジュールは、(疑似)識別情報を一切必要とせず、スケーラビリティの問題に悩まされることもない。本研究は、最先端MOT法に適用した場合、教師なし再識別学習は教師なし再識別学習に匹敵するものであることを示す。
論文参考訳（メタデータ） (2022-01-04T18:59:58Z)
One-Shot Object Affordance Detection in the Wild [76.46484684007706]
Affordance Detectionは、画像内のオブジェクトの潜在的なアクション可能性を特定することを指す。我々は、人間の行動目的を推定し、それを転送して、すべての候補画像から共通価格を検出するワンショットアフォーダンス検出ネットワーク(OSAD-Net)を考案する。複雑なシーンと豊富なアノテーションによって、当社のPADv2データセットは、アベイランス検出メソッドをベンチマークするためのテストベッドとして使用することができます。
論文参考訳（メタデータ） (2021-08-08T14:53:10Z)
Locally Interpretable One-Class Anomaly Detection for Credit Card Fraud Detection [4.507860128918788]
本稿では,クレジットカード不正検出のための新しい異常検出フレームワークを提案する。不正検出モデルは2つのディープニューラルネットワークで構成されており、教師なしかつ敵対的な方法で訓練されている。説明モジュールには、AutoEncoder、識別器、および検出モデル全体の解釈を担当する3つのホワイトボックス説明器がある。
論文参考訳（メタデータ） (2021-08-05T10:19:12Z)
Verifying Quantized Neural Networks using SMT-Based Model Checking [2.38142799291692]
インクリメンタルモデルチェック(IMC)と満足度変調理論(SMT)を用いたシンボリック検証フレームワークの開発と評価を行った。浮動小数点演算と不動小数点演算の両方で実装されたANNの安全な挙動を保証できる。小規模から中規模のANNの場合、我々の手法は検証のほとんどを数分で完了します。
論文参考訳（メタデータ） (2021-06-10T18:27:45Z)

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。