論文の概要: SoK: Comprehensive Analysis of Rug Pull Causes, Datasets, and Detection Tools in DeFi
- arxiv url: http://arxiv.org/abs/2403.16082v1
- Date: Sun, 24 Mar 2024 10:24:17 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-26 17:35:43.036442
- Title: SoK: Comprehensive Analysis of Rug Pull Causes, Datasets, and Detection Tools in DeFi
- Title（参考訳）: SoK:DeFiにおけるラグビープル原因・データセット・検出ツールの総合的分析
- Authors: Dianxiang Sun, Wei Ma, Liming Nie, Yang Liu,
- Abstract要約: ルーグプルは暗号通貨エコシステムに重大な脅威をもたらし、実質的な金融損失をもたらし、分散金融(DeFi)プロジェクトへの信頼を損なう。
新しいラグプルパターンの出現に伴い、ラグプルの研究は状態から外れている。
我々は,34の根本原因を包含する分類を提示し,業界ソースから着想を得た6つの新しいカテゴリを紹介した: 燃える,隠された所有者,所有権の移転,不確定契約,外部呼び出し,偽LPロック。
- 参考スコア（独自算出の注目度）: 14.172486637733797
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Rug pulls pose a grave threat to the cryptocurrency ecosystem, leading to substantial financial loss and undermining trust in decentralized finance (DeFi) projects. With the emergence of new rug pull patterns, research on rug pull is out of state. To fill this gap, we first conducted an extensive analysis of the literature review, encompassing both scholarly and industry sources. By examining existing academic articles and industrial discussions on rug pull projects, we present a taxonomy inclusive of 34 root causes, introducing six new categories inspired by industry sources: burn, hidden owner, ownership transfer, unverified contract, external call, and fake LP lock. Based on the developed taxonomy, we evaluated current rug pull datasets and explored the effectiveness and limitations of existing detection mechanisms. Our evaluation indicates that the existing datasets, which document 2,448 instances, address only 7 of the 34 root causes, amounting to a mere 20% coverage. It indicates that existing open-source datasets need to be improved to study rug pulls. In response, we have constructed a more comprehensive dataset containing 2,360 instances, expanding the coverage to 54% with the best effort. In addition, the examination of 14 detection tools showed that they can identify 25 of the 34 root causes, achieving a coverage of 73.5%. There are nine root causes (Fake LP Lock, Hidden Fee, and Destroy Token, Fake Money Transfer, Ownership Transfer, Liquidity Pool Block, Freeze Account, Wash-Trading, Hedge) that the existing tools cannot cover. Our work indicates that there is a significant gap between current research and detection tools, and the actual situation of rug pulls.
- Abstract（参考訳）: ルーグプルは暗号通貨エコシステムに重大な脅威をもたらし、実質的な金融損失をもたらし、分散金融(DeFi)プロジェクトへの信頼を損なう。
新しいラグプルパターンの出現に伴い、ラグプルの研究は状態から外れている。
このギャップを埋めるために,我々はまず,学術資料と産業資料の両方を含む文献レビューの広範な分析を行った。
既存の学術論文やルーグプルプロジェクトに関する産業議論を通じて,34の根本原因を包含する分類を提示し,業界ソースから着想を得た6つの新しいカテゴリー,すなわち,バーン,隠れ所有者,所有権移転,不検証契約,外部呼び出し,偽LPロックを紹介した。
本研究は,現生のラグプルデータセットを解析し,既存の検出機構の有効性と限界について検討した。
評価の結果、既存のデータセットは2,448のインスタンスで、34のルート原因のうち7つにしか対応せず、たった20%のカバレッジしかありません。
これは、ルーグプルを研究するために、既存のオープンソースデータセットを改善する必要があることを示している。
これに対し、我々は2360のインスタンスを含むより包括的なデータセットを構築し、ベストな努力でカバー範囲を54%に拡大しました。
さらに、14の検出ツールを検査した結果、34の根本原因のうち25が特定でき、73.5%のカバレッジを達成できた。
9つの根本原因(Fake LP Lock, Hidden Fee, Destroy Token, Fake Money Transfer, Ownership Transfer, Liquidity Pool Block, Freeze Account, Wash-Trading, Hedge)は、既存のツールではカバーできない。
我々の研究は、現在の調査ツールと検出ツールの間には大きなギャップがあることと、ラグプルの実際の状況があることを示唆している。
関連論文リスト
- Contrastive Learning to Improve Retrieval for Real-world Fact Checking [84.57583869042791]
ファクト・チェッキング・リランカ(Contrastive Fact-Checking Reranker, CFR)を提案する。
我々はAVeriTeCデータセットを活用し、証拠文書からの人間による回答とクレームのサブクエストを注釈付けする。
データセットの精度は6%向上した。
論文 参考訳（メタデータ） (2024-10-07T00:09:50Z) - Thinking Racial Bias in Fair Forgery Detection: Models, Datasets and Evaluations [63.52709761339949]
最初に、Fair Forgery Detection(FairFD)データセットと呼ばれる専用のデータセットをコントリビュートし、SOTA(Public State-of-the-art)メソッドの人種的偏見を証明する。
我々は、偽りの結果を避けることができる平均的メトリクスと実用正規化メトリクスを含む新しいメトリクスを設計する。
また,有効で堅牢な後処理技術であるBias Pruning with Fair Activations (BPFA)も提案する。
論文 参考訳（メタデータ） (2024-07-19T14:53:18Z) - Examining Ownership Models in Software Teams: A Systematic Literature Review and a Replication Study [2.0891120283967264]
2005年から2022年にかけて発行された79の関連論文を特定した。
我々は、タイプ、所有者、所有権度に基づく所有権のアーティファクトの分類を開発する。
論文 参考訳（メタデータ） (2024-05-24T16:03:22Z) - Fact Checking Beyond Training Set [64.88575826304024]
本稿では,レトリバーリーダが,あるドメインのラベル付きデータに基づいてトレーニングし,別のドメインで使用する場合,性能劣化に悩まされることを示す。
本稿では,レトリバー成分を分散シフトに対して頑健にするための逆アルゴリズムを提案する。
次に、これらのデータセットから8つの事実チェックシナリオを構築し、モデルと強力なベースラインモデルのセットを比較します。
論文 参考訳（メタデータ） (2024-03-27T15:15:14Z) - Exposing the Deception: Uncovering More Forgery Clues for Deepfake
Detection [36.92399832886853]
現在のディープフェイク検出アプローチは、一箇所または数箇所の偽の手がかりにのみ焦点を絞って、オーバーフィッティングの罠に陥る可能性がある。
本稿では,複数の重複しない局所表現を抽出し,それらをグローバルな意味豊かな特徴に融合することにより,より広範な偽の手がかりを捉える新しい枠組みを提案する。
提案手法は,5つのベンチマークデータセット上での最先端性能を実現する。
論文 参考訳（メタデータ） (2024-03-04T07:28:23Z) - SEPSIS: I Can Catch Your Lies -- A New Paradigm for Deception Detection [9.20397189600732]
本研究は, 心理学のレンズを通して, 騙しの問題を探究するものである。
そこで本研究では,NLP技術を利用した偽造検出のための新しいフレームワークを提案する。
我々は、微調整言語モデルのデータレスマージを利用した、新しいマルチタスク学習パイプラインを提案する。
論文 参考訳（メタデータ） (2023-12-01T02:13:25Z) - Inferring Resource-Oriented Intentions using LLMs for Static Resource Leak Detection [14.783216988363804]
リソースリークは、買収後にリリースされていないリソースによって引き起こされるもので、しばしばパフォーマンスの問題とシステムのクラッシュを引き起こす。
既存の静的検出技術は、未リリースのリソースを見つけるために、事前に定義されたリソース取得/リリースAPIとnullチェック条件の機械的マッチングに依存している。
InferROIは、コード内のリソース指向の意図(取得、リリース、到達可能性検証)を直接推論する新しいアプローチである。
論文 参考訳（メタデータ） (2023-11-08T04:19:28Z) - Untargeted Backdoor Watermark: Towards Harmless and Stealthy Dataset
Copyright Protection [69.59980270078067]
我々は,異常なモデル行動が決定論的でない,未目標のバックドア透かし方式を探索する。
また、提案した未ターゲットのバックドア透かしをデータセットのオーナシップ検証に利用する方法について論じる。
論文 参考訳（メタデータ） (2022-09-27T12:56:56Z) - Black-box Dataset Ownership Verification via Backdoor Watermarking [67.69308278379957]
我々は、リリースデータセットの保護を、(目立たしい)サードパーティモデルのトレーニングに採用されているかどうかの検証として定式化する。
バックドアの透かしを通じて外部パターンを埋め込んでオーナシップの検証を行い,保護することを提案する。
具体的には、有毒なバックドア攻撃(例えばBadNets)をデータセットのウォーターマーキングに利用し、データセット検証のための仮説テストガイダンスメソッドを設計する。
論文 参考訳（メタデータ） (2022-08-04T05:32:20Z) - HoVer: A Dataset for Many-Hop Fact Extraction And Claim Verification [74.66819506353086]
HoVerはマルチホップエビデンス抽出と事実検証のためのデータセットである。
クレームに関連するいくつかのウィキペディア記事から事実を抽出するモデルに挑戦する。
3/4ホップのクレームのほとんどは複数の文で書かれており、長距離依存関係を理解する複雑さが増している。
論文 参考訳（メタデータ） (2020-11-05T20:33:11Z)
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。