論文の概要: Enhancing Ethereum Fraud Detection via Generative and Contrastive Self-supervision
- arxiv url: http://arxiv.org/abs/2408.00641v1
- Date: Thu, 1 Aug 2024 15:30:43 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-04 20:16:43.392578
- Title: Enhancing Ethereum Fraud Detection via Generative and Contrastive Self-supervision
- Title（参考訳）: 生成的・コントラスト的自己スーパービジョンによるEthereumフラッド検出の強化
- Authors: Chenxiang Jin, Jiajun Zhou, Chenxuan Xie, Shanqing Yu, Qi Xuan, Xiaoniu Yang,
- Abstract要約: 本稿では,メタIFD(Meta-IFD)という2つの自己スーパービジョン強化詐欺検出フレームワークを提案する。
この枠組みは、最初はアカウントの相互作用を増強する生成的自己スーパービジョン機構を導入し、続いて様々な行動パターンを区別する対照的な自己スーパービジョン機構を導入した。
ソースコードは近いうちにGitHubでリリースされる予定だ。
- 参考スコア（独自算出の注目度）: 4.497245600377944
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The rampant fraudulent activities on Ethereum hinder the healthy development of the blockchain ecosystem, necessitating the reinforcement of regulations. However, multiple imbalances involving account interaction frequencies and interaction types in the Ethereum transaction environment pose significant challenges to data mining-based fraud detection research. To address this, we first propose the concept of meta-interactions to refine interaction behaviors in Ethereum, and based on this, we present a dual self-supervision enhanced Ethereum fraud detection framework, named Meta-IFD. This framework initially introduces a generative self-supervision mechanism to augment the interaction features of accounts, followed by a contrastive self-supervision mechanism to differentiate various behavior patterns, and ultimately characterizes the behavioral representations of accounts and mines potential fraud risks through multi-view interaction feature learning. Extensive experiments on real Ethereum datasets demonstrate the effectiveness and superiority of our framework in detecting common Ethereum fraud behaviors such as Ponzi schemes and phishing scams. Additionally, the generative module can effectively alleviate the interaction distribution imbalance in Ethereum data, while the contrastive module significantly enhances the framework's ability to distinguish different behavior patterns. The source code will be released on GitHub soon.
- Abstract（参考訳）: Ethereumにおける不正行為の急増は、ブロックチェーンエコシステムの健全な発展を妨げ、規制の強化を必要としている。
しかし、Ethereumトランザクション環境におけるアカウント間相互作用の頻度とインタラクションタイプを含む複数の不均衡は、データマイニングベースの不正検出研究に重大な課題をもたらす。
そこで我々はまず,Ethereumにおけるインタラクション動作を洗練するためのメタインタラクションの概念を提案し,それに基づいて,メタIFD(Meta-IFD)という2つの自己スーパービジョン拡張Ethereum不正検出フレームワークを提案する。
この枠組みは、当初は、アカウントのインタラクション機能を増強する生成的なセルフスーパービジョン機構を導入し、その後、さまざまな行動パターンを区別するコントラスト的なセルフスーパービジョン機構を導入し、最終的には、アカウントの行動表現を特徴づけ、マルチビューインタラクション機能学習を通じて潜在的な不正リスクをマイニングする。
実Ethereumデータセットに対する大規模な実験は、Ponziスキームやフィッシング詐欺といった一般的なEthereum不正行為を検出する上で、我々のフレームワークの有効性と優位性を示している。
さらに、生成モジュールはEthereumデータの相互作用分布の不均衡を効果的に軽減し、対照的なモジュールは異なる振る舞いパターンを識別するフレームワークの能力を著しく向上させる。
ソースコードは近いうちにGitHubでリリースされる予定だ。
関連論文リスト
- Remeasuring the Arbitrage and Sandwich Attacks of Maximal Extractable Value in Ethereum [7.381773144616746]
最大抽出可能な価値(MEV)は、ブロックチェーンエコシステムの繁栄を促進する。
収集した最大のデータセット上でMEV活動を特定するための収益性同定アルゴリズムを提案する。
私たちはMEVエコシステムの全体像、プライベートトランザクションアーキテクチャがもたらす影響、バックランニングメカニズムの採用を特徴としています。
論文 参考訳（メタデータ） (2024-05-28T08:17:15Z) - Facilitating Feature and Topology Lightweighting: An Ethereum Transaction Graph Compression Method for Malicious Account Detection [3.877894934465948]
Bitcoinは暗号通貨の主要なグローバルプラットフォームの一つとなり、金融エコシステムの多様化を促進する上で重要な役割を果たしている。
従来の規制手法は通常、機能エンジニアリングや大規模トランザクショングラフマイニングを通じて悪意のあるアカウントを検出する。
本稿では,TGC4Ethというトランザクショングラフ圧縮手法を提案する。
論文 参考訳（メタデータ） (2024-05-14T02:21:20Z) - Generative AI-enabled Blockchain Networks: Fundamentals, Applications,
and Case Study [73.87110604150315]
Generative Artificial Intelligence(GAI)は、ブロックチェーン技術の課題に対処するための有望なソリューションとして登場した。
本稿では、まずGAI技術を紹介し、そのアプリケーションの概要を説明し、GAIをブロックチェーンに統合するための既存のソリューションについて議論する。
論文 参考訳（メタデータ） (2024-01-28T10:46:17Z) - 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) - Cross-modal Orthogonal High-rank Augmentation for RGB-Event
Transformer-trackers [58.802352477207094]
本研究では,2つのモード間の分布ギャップを埋めるために,事前学習された視覚変換器(ViT)の潜在可能性を探る。
本研究では,いくつかのトークンの特定のモダリティをランダムにマスキングし,異なるモダリティのトークン間の相互作用を積極的に行うマスクモデリング戦略を提案する。
実験により,我々のプラグアンドプレイトレーニング強化技術は,追跡精度と成功率の両方の観点から,最先端のワンストリームと2つのトラッカーストリームを大幅に向上させることができることが示された。
論文 参考訳（メタデータ） (2023-07-09T08:58:47Z) - Blockchain Large Language Models [65.7726590159576]
本稿では,異常なブロックチェーントランザクションを検出するための動的,リアルタイムなアプローチを提案する。
提案するツールであるBlockGPTは、ブロックチェーンアクティビティのトレース表現を生成し、大規模な言語モデルをスクラッチからトレーニングして、リアルタイム侵入検出システムとして機能させる。
論文 参考訳（メタデータ） (2023-04-25T11:56:18Z) - BERT4ETH: A Pre-trained Transformer for Ethereum Fraud Detection [29.518411879700263]
BERT4ETHは、様々な不正行為を検出するための事前訓練されたTransformerアカウント表現抽出器である。
BERT4ETHはトランザクション固有の動的シーケンシャルパターンをキャプチャするTransformerの優れたモデリング機能を備えている。
実験により,BERT4ETHは,フィッシングアカウントの検出や匿名化タスクにおいて,最先端の手法よりも優れた性能を示した。
論文 参考訳（メタデータ） (2023-03-29T20:30:52Z) - Semantic Information Marketing in The Metaverse: A Learning-Based
Contract Theory Framework [68.8725783112254]
仮想サービスプロバイダ(VSP)によるインセンティブのメカニズム設計の問題に対処し,センサデータ販売にIoTデバイスを採用。
帯域幅が限られているため,センサIoTデバイスによる配信データを削減するためにセマンティック抽出アルゴリズムを提案する。
本稿では,新しい反復型契約設計を提案し,マルチエージェント強化学習(MARL)の新たな変種を用いて,モデル付き多次元契約問題の解法を提案する。
論文 参考訳（メタデータ） (2023-02-22T15:52:37Z) - Time-aware Metapath Feature Augmentation for Ponzi Detection in Ethereum [5.934595786654019]
ポンツィの策略とフィッシング詐欺は、分散金融を著しく脅かしている。
ブロックチェーン上の既存のグラフベースの異常な振る舞い検出方法は、通常、均質なトランザクショングラフの構築に重点を置いている。
我々は、リアルタイムメタパスベースのトランザクションパターンをキャプチャするためのプラグイン・アンド・プレイモジュールとして、TMFAug(Time-aware Metapath Feature Augmentation)を導入する。
論文 参考訳（メタデータ） (2022-10-30T15:31:19Z) - Temporal-Amount Snapshot MultiGraph for Ethereum Transaction Tracking [5.579169055801065]
ネットワークの観点からのトランザクションのより深い理解を提供するリンク予測によるトランザクション追跡の問題について検討する。
具体的には,TASMG(temporal-amount snapshot multigraph)とTAW(temporal-amount walk)からなる組込みリンク予測フレームワークを提案する。
トランザクションネットワークの現実的なルールと特徴を考慮することにより、TASMGはトランザクションレコードを時間単位のネットワークとしてモデル化し、TAWはトランザクションレコードを介してアカウントを効果的に埋め込みます。
論文 参考訳（メタデータ） (2021-02-16T08:21:16Z)
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。