論文の概要: Mapping the DeFi Crime Landscape: An Evidence-based Picture
- arxiv url: http://arxiv.org/abs/2310.04356v1
- Date: Fri, 6 Oct 2023 16:25:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-09 15:10:00.075099
- Title: Mapping the DeFi Crime Landscape: An Evidence-based Picture
- Title(参考訳): defi犯罪現場のマッピング:証拠に基づくイメージ
- Authors: Catherine Carpentier-Desjardins, Masarah Paquet-Clouston, Stefan
Kitzler and Bernhard Haslhofer
- Abstract要約: 分散型金融(DeFi)は多くの利益主導型犯罪の標的となっている。
この研究は、DeFiセクターをターゲットとした利益主導型犯罪の総合的な評価を初めて提供する。
- 参考スコア(独自算出の注目度): 0.4779196219827508
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Over the past years, decentralized finance (DeFi) has been the target of
numerous profit-driven crimes. However, until now, the full prevalence and
cumulative impact of these crimes have not been assessed. This study provides a
first comprehensive assessment of profit-driven crimes targeting the DeFi
sector. To achieve this, we collected data on 1155 crime events from 2017 to
2022. Of these, 1050 were related to the DeFi industry and 105 to the
centralized finance (CeFi) industry. Focusing on the former, a taxonomy was
developed to clarify the similarities and differences among these crimes. All
events were mapped onto the DeFi stack to assess the impacted technical layers,
and the financial damages were quantified to gauge their scale. The findings
show that the entire cryptoasset industry has suffered a minimum loss of
US$30B, with two thirds related to centralized finance (CeFi) and one third to
DeFi. Focusing solely on the latter, the results highlight that during an
attack, a DeFi actor (an entity developing a DeFi technology) can serve as a
direct target, as a perpetrator, or as an intermediary. The findings show that
DeFi actors are the first victims of crimes targeting the DeFi industry: 52% of
crime events targeted them, primarily due to technical vulnerabilities at the
protocol layer, and these events accounted for 83% of all recorded financial
damages. On the other hand, in 40% of crime events, DeFi actors were themselves
malicious perpetrators, predominantly misusing contracts at the cryptoasset
layer (e.g., rug pull scams). However, these events accounted for only 17% of
all financial damages. The study's findings offer a preliminary assessment of
the size and scope of crime events within the DeFi sector and highlight the
vulnerable position of DeFi actors in the ecosystem.
- Abstract(参考訳): 過去数年間、分散金融(DeFi)は多くの利益主導の犯罪の標的となっている。
しかし、これまでのところ、これらの犯罪の有病率と累積的な影響は評価されていない。
本研究は,デフィ部門を対象とする利益主導犯罪の包括的評価を初めて実施する。
これを実現するため、2017年から2022年までの1155件の犯罪事件のデータを収集した。
このうち1050はデフィ産業に、105は中央金融(cefi)産業に関係していた。
前者を中心に、これらの犯罪の類似点と相違点を明らかにするために分類学が開発された。
すべてのイベントはDeFiスタックにマッピングされ、影響した技術的レイヤを評価し、そのスケールを測定するために財務的損害を定量化した。
その結果、暗号通貨業界全体では最低損失が30億ドルで、中央集権金融(CeFi)とDeFiの3分の1が3分の1だった。
後者のみに注目すると、攻撃中、defiアクタ(defi技術を開発するエンティティ)が直接的ターゲット、加害者、仲介者として機能できることが示される。
調査の結果、DeFiのアクターは、DeFi業界を狙った犯罪の最初の犠牲者であることが明らかとなった。犯罪事件の52%は、主にプロトコル層の技術的脆弱性によって標的とされ、これらの事象は記録された金融被害の83%を占めていた。
一方、犯罪事件の40%では、デフィ俳優自身が悪意のある加害者であり、主にcryptoasset層(例えばrug pull scams)での契約を誤用していた。
しかし、これらの出来事は財政被害の17%に過ぎなかった。
調査の結果は、DeFiセクター内の犯罪事件の大きさと範囲を予備評価し、エコシステムにおけるDeFiアクターの脆弱な位置を強調している。
関連論文リスト
- SoK: Decentralized Finance (DeFi) -- Fundamentals, Taxonomy and Risks [0.40462801392105]
分散ファイナンス(Decentralized Finance、DeFi)は、暗号通貨とは必ずしも関係のない金融サービスを指す。
この研究は、DeFiの総値ロック(TVL)の90%以上をカバーするDeFiプロトコルの主要なカテゴリを体系的に提示する。
すべてのDeFiプロトコルは、流動性プール、ペッグと合成トークン、アグリゲータプロトコルの3つのグループのうちの1つに分類され、次にリスク分析が続く。
論文 参考訳(メタデータ) (2024-04-17T11:42:53Z) - Unified Physical-Digital Attack Detection Challenge [70.67222784932528]
Face Anti-Spoofing (FAS) は、顔認識(FR)システムを保護するために重要である。
UniAttackDataは、Unified Detectionのための最大の公開データセットである。
我々は,一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元一元
論文 参考訳(メタデータ) (2024-04-09T11:00:11Z) - LookAhead: Preventing DeFi Attacks via Unveiling Adversarial Contracts [14.203351200435575]
本稿では,DeFi攻撃を検出する新たな方向,すなわち,相手の取引ではなく相手の契約を検出することを提案する。
例えば、匿名のファンドソース、クローズドソース、頻繁なトークン関連関数呼び出しなどである。
269の敵契約と13,000の良心契約から抽出された特徴からなるデータセットを構築します。
論文 参考訳(メタデータ) (2024-01-14T11:39:33Z) - G$^2$uardFL: Safeguarding Federated Learning Against Backdoor Attacks
through Attributed Client Graph Clustering [116.4277292854053]
Federated Learning (FL)は、データ共有なしで協調的なモデルトレーニングを提供する。
FLはバックドア攻撃に弱いため、有害なモデル重みがシステムの整合性を損なう。
本稿では、悪意のあるクライアントの識別を属性グラフクラスタリング問題として再解釈する保護フレームワークであるG$2$uardFLを提案する。
論文 参考訳(メタデータ) (2023-06-08T07:15:04Z) - 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) - Surveillance Face Presentation Attack Detection Challenge [68.06719263243806]
Face Anti-Spoofing (FAS) は、様々な物理的攻撃から顔認識システムを保護するために不可欠である。
大規模サーベイランスハイフィデリティマスク(SuHiFiMask)を収集する
SuHiFiMaskには、年齢層別101ドルのビデオが10,195ドル、メインストリームの監視カメラが7ドルだ。
監視シナリオにおける顔提示攻撃検出の課題を整理する。
論文 参考訳(メタデータ) (2023-04-15T15:23:19Z) - Exploring The Relationship Between Road Infrastructure and Crimes in
Memphis, Tennessee [91.3755431537592]
2020年から2022年にかけて、メンフィス・データ・ハブからホップと犯罪データを収集した。
犯罪データは、犯罪の場所、時間、種類を含むメンフィス地域の様々な犯罪を報告している。
ホップホールデータはOpen 311データの一部であり、異なるインフラプロジェクトの情報を含んでいる。
論文 参考訳(メタデータ) (2022-12-02T03:52:35Z) - Detecting DeFi Securities Violations from Token Smart Contract Code [0.4263043028086136]
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。
論文 参考訳(メタデータ) (2021-12-06T01:44:08Z) - Criminal Networks Analysis in Missing Data scenarios through Graph
Distances [5.164732466825455]
本稿では,異なる性質の9つの実犯罪ネットワークを解析する。
不完全なデータの影響を定量化し、どのネットワークタイプが最も影響を受けているかを決定する。
論文 参考訳(メタデータ) (2021-02-28T11:12:05Z) - Measurement-driven Security Analysis of Imperceptible Impersonation
Attacks [54.727945432381716]
本稿では,ディープニューラルネットワークを用いた顔認識システムの実用性について検討する。
皮膚の色,性別,年齢などの要因が,特定の標的に対する攻撃を行う能力に影響を及ぼすことを示す。
また,攻撃者の顔のさまざまなポーズや視点に対して堅牢なユニバーサルアタックを構築する可能性についても検討した。
論文 参考訳(メタデータ) (2020-08-26T19:27:27Z) - Cross-ethnicity Face Anti-spoofing Recognition Challenge: A Review [79.49390241265337]
Chalearn Face Anti-Spoofing Detection Challengeは、シングルモーダル(例えば、RGB)とマルチモーダル(例えば、RGB、Depth、赤外線(IR))のトラックで構成されている。
本稿では,その設計,評価プロトコル,結果の概要など,課題の概要について述べる。
論文 参考訳(メタデータ) (2020-04-23T06:43:08Z)
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。