論文の概要: A Comprehensive Study of Governance Issues in Decentralized Finance Applications

• arxiv url: http://arxiv.org/abs/2311.01433v2
• Date: Wed, 3 Jan 2024 16:55:52 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-04 16:35:57.618958
• Title: A Comprehensive Study of Governance Issues in Decentralized Finance Applications
• Title（参考訳）: 分散型金融アプリケーションにおけるガバナンス問題に関する総合的研究
• Authors: Wei Ma, Chenguang Zhu, Ye Liu, Xiaofei Xie, Yi Li
• Abstract要約: 本稿では,DeFiアプリケーションにおけるガバナンス問題に関する総合的研究について述べる。 私たちは17のWeb3セキュリティ企業から4,446の監査レポートを収集し、構築しています。 スマートコントラクトコードとDeFiホワイトペーパーの相違は、これらのガバナンス問題において中心的な役割を果たす。
• 参考スコア（独自算出の注目度）: 45.033994319846244
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Decentralized Finance (DeFi) is a prominent application of smart contracts, representing a novel financial paradigm in contrast to centralized finance. While DeFi applications are rapidly emerging on mainstream blockchain platforms, their quality varies greatly, presenting numerous challenges, particularly in terms of their governance mechanisms. In this paper, we present a comprehensive study of governance issues in DeFi applications. Drawing upon insights from industry reports and academic research articles, we develop a taxonomy to categorize these governance issues. We collect and build a dataset of 4,446 audit reports from 17 Web3 security companies, categorizing their governance issues according to our constructed taxonomy. We conducted a thorough analysis of governance issues and identified vulnerabilities in governance design and implementation, e.g., voting sybil attack and proposal front-running. Our findings highlight a significant observation: the disparity between smart contract code and DeFi whitepapers plays a central role in these governance issues. As an initial step to address the challenges of code-whitepaper consistency checks for DeFi applications, we built a machine-learning-based prototype, and validated its performance on eight widely used DeFi projects, achieving a 56.14% F1 score and a 80% recall. Our study culminates in providing several key practical implications for various DeFi stakeholders, including developers, users, researchers, and regulators, aiming to deepen the understanding of DeFi governance issues and contribute to the robust growth of DeFi systems.
• Abstract（参考訳）: DeFi(Decentralized Finance)は、集中型金融とは対照的に、新たな金融パラダイムであるスマートコントラクトの顕著な応用である。 DeFiアプリケーションはメインストリームのブロックチェーンプラットフォームで急速に普及しているが、その品質は大きく異なり、特にガバナンスメカニズムに関して多くの課題が提示されている。 本稿では,defiアプリケーションにおけるガバナンス問題に関する包括的研究を行う。 産業報告や学術研究論文から洞察を得て,これらのガバナンス問題を分類する分類学を開発する。 私たちは17のweb3セキュリティ企業から4,446件の監査レポートのデータセットを収集し、構築した分類に従ってガバナンス問題を分類します。 ガバナンスの問題に関する詳細な分析を行い、ガバナンス設計と実装における脆弱性、例えば投票シビル攻撃と提案の事前実行を特定した。 スマートコントラクトコードとdefiホワイトペーパーの相違は、これらのガバナンスの問題において中心的な役割を果たします。 DeFiアプリケーションのコードホワイトペーパー一貫性チェックの課題に対処する最初のステップとして、マシンラーニングベースのプロトタイプを開発し、広く使用されている8つのDeFiプロジェクトでのパフォーマンスを検証し、56.14%のF1スコアと80%のリコールを達成した。 本研究は, 開発者, ユーザ, 研究者, 規制機関など, さまざまなDeFiステークホルダーに対して, DeFiのガバナンス問題に対する理解を深め, デフィシステムの堅牢な成長に寄与することを目的とした, 重要な実践的影響を提供する上で重要である。

関連論文リスト

• Graph Neural Networks for Financial Fraud Detection: A Review [19.27732184004872]
  本稿では、金融不正問題に対処する上でのグラフニューラルネットワーク(GNN)の役割について概説する。 GNNは金融ネットワーク内の複雑な関係パターンやダイナミクスを捉えるのに非常に適しています。 本稿では,100以上の研究の構造化レビューを通じて,財務不正検出におけるGNN適用の理解に寄与する。
  論文  参考訳（メタデータ） (2024-11-01T03:59:57Z)
• Decoding Decentralized Finance Transactions through Ego Network Motif Mining [1.9253333342733674]
  本稿では,トークン転送ネットワークからエゴネットワークモチーフを抽出し,ユーザとスマートコントラクト間のトークン転送をキャプチャする手法を提案する。 これらのモチーフを解析することにより,特定のDeFi操作を行うスマートコントラクト手法を効率的に識別できることを示す。
  論文  参考訳（メタデータ） (2024-08-22T11:38:59Z)
• Mechanistic interpretability of large language models with applications to the financial services industry [0.0]
  我々は、金融サービスアプリケーションで使用する大規模言語モデルの内部動作に光を当てるために、機械的解釈可能性の使用の先駆者です。 特に,フェアレンディング法違反の可能性を特定するために,GPT-2スモールの注意パターンについて検討する。
  論文  参考訳（メタデータ） (2024-07-15T19:59:53Z)
• FinBen: A Holistic Financial Benchmark for Large Language Models [75.09474986283394]
  FinBenは、24の財務タスクにまたがる36のデータセットを含む、最初の大規模なオープンソース評価ベンチマークである。 FinBenは、幅広いタスクとデータセット、ストックトレーディングの最初の評価、新しいエージェントと検索可能な生成(RAG)の評価、およびテキスト要約、質問応答、株式トレーディングのための3つの新しいオープンソース評価データセットを提供する。
  論文  参考訳（メタデータ） (2024-02-20T02:16:16Z)
• Competition-Level Problems are Effective LLM Evaluators [121.15880285283116]
  本稿では,Codeforcesにおける最近のプログラミング問題の解決において,大規模言語モデル(LLM)の推論能力を評価することを目的とする。 まず,問題の発生時間,難易度,遭遇したエラーの種類など,様々な側面を考慮して,GPT-4の望ましくないゼロショット性能を総合的に評価する。 驚くべきことに、GPT-4のTheThoughtivedのパフォーマンスは、2021年9月以降、あらゆる困難と種類の問題に対して一貫して問題が減少するような崖を経験している。
  論文  参考訳（メタデータ） (2023-12-04T18:58:57Z)
• Decentralized Finance: Protocols, Risks, and Governance [7.642646077340122]
  我々は、分散金融(DeFi)エコシステムによる欠点と摩擦がいかに緩和されているかについて論じる。 ガバナンストークンの所有を通じて導入された、分散ガバナンスの新たな形態の長所と短所を強調します。 私たちは、既存のブロックチェーンのスケーラビリティにフォーカスする将来の研究の必要性を強調して、結論付けました。
  論文  参考訳（メタデータ） (2023-12-02T03:47:57Z)
• Empirical Review of Smart Contract and DeFi Security: Vulnerability Detection and Automated Repair [36.46679501556185]
  分散ファイナンス(DeFi)はピアツーピア金融エコシステムとして台頭している。 スマートコントラクトには 膨大な価値があります 攻撃の魅力的なターゲットになります 本稿では,脆弱性検出と自動修復の観点から,スマートコントラクトとDeFiセキュリティの分野における進歩を概観する。
  論文  参考訳（メタデータ） (2023-09-05T17:00:42Z)
• Causal Fairness Analysis [68.12191782657437]
  意思決定設定における公平性の問題を理解し、モデル化し、潜在的に解決するためのフレームワークを導入します。 我々のアプローチの主な洞察は、観測データに存在する格差の定量化と、基礎となる、しばしば観測されていない、因果的なメカニズムの収集を結びつけることである。 本研究は,文献中の異なる基準間の関係を整理し,説明するための最初の体系的試みであるフェアネスマップにおいて,本研究の成果を左右するものである。
  論文  参考訳（メタデータ） (2022-07-23T01:06:34Z)
• FinQA: A Dataset of Numerical Reasoning over Financial Data [52.7249610894623]
  我々は、大量の財務文書の分析を自動化することを目的として、財務データに関する深い質問に答えることに重点を置いている。 我々は,金融専門家が作成した財務報告に対して質問回答のペアを用いた,新たな大規模データセットFinQAを提案する。 その結果、人気があり、大規模で、事前訓練されたモデルは、金融知識を得るための専門的な人間には程遠いことが示される。
  論文  参考訳（メタデータ） (2021-09-01T00:08:14Z)
• Insights into Fairness through Trust: Multi-scale Trust Quantification for Financial Deep Learning [94.65749466106664]
  金融深層学習において探求されていない公平性の基本的な側面は、信頼の概念である。 クレジットカードのデフォルト予測のために,ディープニューラルネットワーク上でマルチスケール信頼度定量化を行う。
  論文  参考訳（メタデータ） (2020-11-03T19:05:07Z)

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。