論文の概要: Ethereum Fraud Detection via Joint Transaction Language Model and Graph Representation Learning
- arxiv url: http://arxiv.org/abs/2409.07494v1
- Date: Mon, 9 Sep 2024 07:13:44 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-13 20:40:16.997583
- Title: Ethereum Fraud Detection via Joint Transaction Language Model and Graph Representation Learning
- Title（参考訳）: 共同トランザクション言語モデルとグラフ表現学習によるEthereumフラッド検出
- Authors: Yifan Jia, Yanbin Wang, Jianguo Sun, Yiwei Liu, Zhang Sheng, Ye Tian,
- Abstract要約: 現在の不正検出方法は、トランザクション内の意味情報や類似性パターンを考慮できない。
本稿では,トランザクション言語モデルとグラフベースの手法を組み合わせたTLMG4Ethを提案する。
- 参考スコア（独自算出の注目度）: 6.378807038086552
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Ethereum faces growing fraud threats. Current fraud detection methods, whether employing graph neural networks or sequence models, fail to consider the semantic information and similarity patterns within transactions. Moreover, these approaches do not leverage the potential synergistic benefits of combining both types of models. To address these challenges, we propose TLMG4Eth that combines a transaction language model with graph-based methods to capture semantic, similarity, and structural features of transaction data in Ethereum. We first propose a transaction language model that converts numerical transaction data into meaningful transaction sentences, enabling the model to learn explicit transaction semantics. Then, we propose a transaction attribute similarity graph to learn transaction similarity information, enabling us to capture intuitive insights into transaction anomalies. Additionally, we construct an account interaction graph to capture the structural information of the account transaction network. We employ a deep multi-head attention network to fuse transaction semantic and similarity embeddings, and ultimately propose a joint training approach for the multi-head attention network and the account interaction graph to obtain the synergistic benefits of both.
- Abstract（参考訳）: Ethereumは詐欺の脅威が増えている。
現在の不正検出方法は、グラフニューラルネットワークやシーケンスモデルを用いても、トランザクション内の意味情報や類似性パターンを考慮できない。
さらに、これらのアプローチは、両方のタイプのモデルを組み合わせることによる潜在的な相乗効果を生かしていない。
これらの課題に対処するため,トランザクション言語モデルとグラフベースの手法を組み合わせたTLMG4Ethを提案し,Ethereumにおけるトランザクションデータのセマンティクス,類似性,構造的特徴を捉える。
まず,数値的なトランザクションデータを意味のあるトランザクション文に変換するトランザクション言語モデルを提案する。
そして、トランザクション属性類似性グラフを提案し、トランザクション類似性情報を学び、トランザクション異常に対する直感的な洞察を捉える。
さらに、アカウントトランザクションネットワークの構造情報をキャプチャするために、アカウント間相互作用グラフを構築します。
トランザクションのセマンティクスと類似性埋め込みを融合するために,深いマルチヘッドアテンションネットワークを用い,最終的には,マルチヘッドアテンションネットワークとアカウントインタラクショングラフの協調トレーニング手法を提案し,両者の相乗効果を得る。
関連論文リスト
- Generative Pretraining at Scale: Transformer-Based Encoding of
Transactional Behavior for Fraud Detection [0.0]
我々のモデルはトークンの爆発に直面し、行動列を再構築し、トランザクションの振る舞いの微妙な理解を提供する。
我々は、中国最大のオンライン決済業者のセキュリティと有効性を活性化し、異常検出を強化するために、差分畳み込みアプローチを統合する。
論文 参考訳（メタデータ） (2023-12-22T03:15:17Z) - Transaction Fraud Detection via Spatial-Temporal-Aware Graph Transformer [5.043422340181098]
本稿では,トランザクション不正検出問題に対する空間時間認識グラフ変換器(STA-GT)と呼ばれる新しいグラフニューラルネットワークを提案する。
具体的には、時間的依存関係を捕捉し、それをグラフニューラルネットワークフレームワークに組み込むための時間的符号化戦略を設計する。
ローカルおよびグローバルな情報を学ぶためのトランスフォーマーモジュールを導入する。
論文 参考訳（メタデータ） (2023-07-11T08:56:53Z) - 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) - 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) - Behavioral graph fraud detection in E-commerce [10.621640214806794]
本稿では,ユーザ行動の類似性に基づくトランザクションリンクを確立するための,行動バイオメトリクスに基づく新しい手法を提案する。
我々の知る限り、グラフ埋め込みアプリケーションで類似性に基づくソフトリンクが使用されるのはこれが初めてである。
本実験は,類似性に基づく行動グラフから学習した埋め込み特徴が,ベースライン不正検出モデルにおいて顕著な性能向上を実現していることを示す。
論文 参考訳（メタデータ） (2022-10-13T12:47:09Z) - Economics of Semantic Communication System: An Auction Approach [104.5073660840678]
エッジデバイスはセマンティックモデル取引と呼ばれるセマンティックモデル提供者からセマンティックモデルを購入することができる
本稿では,セマンティックモデル取引とセマンティック情報取引を協調的に支援する階層的取引システムを提案する。
論文 参考訳（メタデータ） (2022-08-02T03:30:56Z) - Entity-Graph Enhanced Cross-Modal Pretraining for Instance-level Product
Retrieval [152.3504607706575]
本研究の目的は, 細粒度製品カテゴリを対象とした, 弱制御型マルチモーダル・インスタンスレベルの製品検索である。
まず、Product1Mデータセットをコントリビュートし、2つの実際のインスタンスレベルの検索タスクを定義します。
我々は、マルチモーダルデータから重要な概念情報を組み込むことができるより効果的なクロスモーダルモデルを訓練するために活用する。
論文 参考訳（メタデータ） (2022-06-17T15:40:45Z) - Relational Graph Neural Networks for Fraud Detection in a Super-App
environment [53.561797148529664]
スーパーアプリケーションの金融サービスにおける不正行為防止のための関係グラフ畳み込みネットワーク手法の枠組みを提案する。
我々は,グラフニューラルネットワークの解釈可能性アルゴリズムを用いて,ユーザの分類タスクに対する最も重要な関係を判定する。
以上の結果から,Super-Appの代替データと高接続性で得られるインタラクションを利用するモデルには,付加価値があることが示唆された。
論文 参考訳（メタデータ） (2021-07-29T00:02:06Z) - Identity Inference on Blockchain using Graph Neural Network [5.5927440285709835]
アカウントのアイデンティティに関する事前推論を目的としたアイデンティティ推論は、ブロックチェーンセキュリティにおいて重要な役割を果たします。
本稿では,id推論タスクをグラフ分類パターンに変換するトランザクションサブグラフの観点から,ユーザの行動を解析するための新しい手法を提案する。
また、$textI2 textBGNN$という汎用的なエンドツーエンドグラフニューラルネットワークモデルを提案し、サブグラフを入力として受け入れ、トランザクションサブグラフパターンをアカウントアイデンティティにマッピングする関数を学ぶことができる。
論文 参考訳（メタデータ） (2021-04-14T00:15:38Z) - 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) - Learning to Extrapolate Knowledge: Transductive Few-shot Out-of-Graph
Link Prediction [69.1473775184952]
数発のアウトオブグラフリンク予測という現実的な問題を導入する。
我々は,新しいメタ学習フレームワークによってこの問題に対処する。
我々は,知識グラフの補完と薬物と薬物の相互作用予測のために,複数のベンチマークデータセット上でモデルを検証した。
論文 参考訳（メタデータ） (2020-06-11T17:42:46Z)
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。