論文の概要: RiskSEA : A Scalable Graph Embedding for Detecting On-chain Fraudulent Activities on the Ethereum Blockchain

• arxiv url: http://arxiv.org/abs/2410.02160v1
• Date: Thu, 3 Oct 2024 02:54:19 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-04 08:25:54.874858
• Title: RiskSEA : A Scalable Graph Embedding for Detecting On-chain Fraudulent Activities on the Ethereum Blockchain
• Title（参考訳）: RiskSEA : Ethereumブロックチェーン上のオンチェーンのフラッドレントアクティビティを検出するためのスケーラブルなグラフ埋め込み
• Authors: Ayush Agarwal, Lv Lu, Arjun Maheswaran, Varsha Mahadevan, Bhaskar Krishnamachari,
• Abstract要約: RiskSEAは、大規模ブロックチェーントランザクショングラフの動的性質を扱う、スケーラブルなリスクスコアリングシステムである。 node2vecの埋め込みを生成し、それをブロックチェーンの集合全体へ効果的にスケールするための2つの新しいアプローチを提案する。 本研究では, 動作特性とノード2vec特性を組み合わせることで, 分類性能が著しく向上することを示す。
• 参考スコア（独自算出の注目度）: 7.954598640724204
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Like any other useful technology, cryptocurrencies are sometimes used for criminal activities. While transactions are recorded on the blockchain, there exists a need for a more rapid and scalable method to detect addresses associated with fraudulent activities. We present RiskSEA, a scalable risk scoring system capable of effectively handling the dynamic nature of large-scale blockchain transaction graphs. The risk scoring system, which we implement for Ethereum, consists of 1. a scalable approach to generating node2vec embedding for entire set of addresses to capture the graph topology 2. transaction-based features to capture the transactional behavioral pattern of an address 3. a classifier model to generate risk score for addresses that combines the node2vec embedding and behavioral features. Efficiently generating node2vec embedding for large scale and dynamically evolving blockchain transaction graphs is challenging, we present two novel approaches for generating node2vec embeddings and effectively scaling it to the entire set of blockchain addresses: 1. node2vec embedding propagation and 2. dynamic node2vec embedding. We present a comprehensive analysis of the proposed approaches. Our experiments show that combining both behavioral and node2vec features boosts the classification performance significantly, and that the dynamic node2vec embeddings perform better than the node2vec propagated embeddings.
• Abstract（参考訳）: 他の有用な技術と同様に、暗号通貨は犯罪活動に使用されることもある。 トランザクションはブロックチェーン上に記録されるが、不正行為に関連するアドレスを検出するために、より迅速でスケーラブルな方法が必要である。 本稿では,大規模ブロックチェーントランザクショングラフの動的性質を効果的に扱えるスケーラブルなリスクスコアリングシステムであるR RiskSEAを提案する。 Ethereum用に実装したリスクスコアシステムは、リスクスコアシステムで構成されています。 1. グラフトポロジをキャプチャするために、すべてのアドレスに対してnode2vec埋め込みを生成するスケーラブルなアプローチ 2. アドレスの取引行動パターンをキャプチャするトランザクションベースの機能 3. node2vec埋め込みと行動特徴を組み合わせたアドレスのリスクスコアを生成する分類器モデル。 大規模かつ動的に進化するブロックチェーントランザクショングラフに対するノード2vecの埋め込みを効率的に生成することは難しい。 1. node2vec 埋め込み伝播 2. 動的 node2vec 埋め込み。 本稿では,提案手法の包括的分析を行う。 本実験により, 動作特性とノード2vec特性を組み合わせることで分類性能が著しく向上し, 動的ノード2vec埋め込みはノード2vec伝播埋め込みよりも優れた性能を示した。

関連論文リスト

• Cluster-wise Graph Transformer with Dual-granularity Kernelized Attention [27.29964380651613]
  グラフを,各クラスタを1つの埋め込みに圧縮することなく,相互接続したノード集合のネットワークとして想定する。 これらのノード間の効果的な情報伝達を実現するために,ノード間クラスタアテンション(N2C-Attn)機構を提案する。 N2C-Attnがクエリとキーの2レベル特徴マップを組み合わせる方法を示し、二重粒度情報をマージする能力を示す。
  論文  参考訳（メタデータ） (2024-10-09T10:30:01Z)
• Cluster-based Graph Collaborative Filtering [55.929052969825825]
  グラフ畳み込みネットワーク(GCN)は、レコメンデーションシステムのためのユーザおよびアイテム表現の学習に成功している。 既存のGCNベースのほとんどのメソッドは、高階グラフ畳み込みを実行しながら、ユーザの複数の関心事を見落としている。 クラスタベースグラフ協調フィルタリング(ClusterGCF)と呼ばれる新しいGCNベースのレコメンデーションモデルを提案する。
  論文  参考訳（メタデータ） (2024-04-16T07:05:16Z)
• Data Availability and Decentralization: New Techniques for zk-Rollups in Layer 2 Blockchain Networks [14.27943855519429]
  本稿では,レイヤ2ネットワークにおけるデータ可用性と分散化の課題に対処する新しい手法を提案する。 これは、Layer 2ノードが履歴データをダウンロードせずにトランザクションを集約できないことを保証します。 分散化のために、我々はLayer 2の新しいロール分離を導入し、限られたハードウェアを持つノードが参加できるようにしました。
  論文  参考訳（メタデータ） (2024-03-16T06:34:51Z)
• EntailE: Introducing Textual Entailment in Commonsense Knowledge Graph Completion [54.12709176438264]
  Commonsense knowledge graph(CSKG)は、名前付きエンティティ、短いフレーズ、イベントをノードとして表現するために自由形式のテキストを使用する。 現在の手法では意味的類似性を利用してグラフ密度を増大させるが、ノードとその関係のセマンティックな妥当性は未探索である。 そこで本研究では,CSKGノード間の暗黙的な包絡関係を見つけるために,テキストエンテーメントを導入し,同じ概念クラス内のサブグラフ接続ノードを効果的に密度化することを提案する。
  論文  参考訳（メタデータ） (2024-02-15T02:27:23Z)
• NodeFormer: A Scalable Graph Structure Learning Transformer for Node Classification [70.51126383984555]
  本稿では,任意のノード間のノード信号を効率的に伝搬する全ペアメッセージパッシング方式を提案する。 効率的な計算は、カーナライズされたGumbel-Softmax演算子によって実現される。 グラフ上のノード分類を含む様々なタスクにおいて,本手法の有望な有効性を示す実験を行った。
  論文  参考訳（メタデータ） (2023-06-14T09:21:15Z)
• Highly Available Blockchain Nodes With N-Version Design [13.131269677617286]
  本稿では,N-versionブロックチェーンノードの概念を紹介する。 N-versionノードは、同じブロックチェーンプロトコルの異なる実装の同時実行に依存している。 我々は,N-ETHが不安定な実行環境の影響を緩和し,環境欠陥下での可用性を著しく向上できることを示す。
  論文  参考訳（メタデータ） (2023-03-25T11:16:17Z)
• Self-supervised Incremental Deep Graph Learning for Ethereum Phishing Scam Detection [15.350215512903361]
  グラフニューラルネットワーク(GNN)は、様々なノード分類タスクにおいて有望な性能を示している。 実世界の複雑なグラフに自然に抽象化できるトランザクションデータでは、ラベルの不足と大量のトランザクションデータがGNNの手法を利用するのを困難にしている。 フィッシング詐欺検出問題に対する自己教師付きインクリメンタルグラフ学習モデル(SIEGE)を提案する。
  論文  参考訳（メタデータ） (2021-06-18T15:06:26Z)
• Unveiling Anomalous Edges and Nominal Connectivity of Attributed Networks [53.56901624204265]
  本研究では、相補的な強さを持つ2つの異なる定式化を用いて、属性グラフの異常なエッジを明らかにする。 まず、グラフデータマトリックスを低ランクとスパースコンポーネントに分解することで、パフォーマンスを著しく向上させる。 第2は、乱れのないグラフを頑健に復元することにより、第1のスコープを広げ、異常識別性能を高める。
  論文  参考訳（メタデータ） (2021-04-17T20:00:40Z)
• 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)
• Node2Seq: Towards Trainable Convolutions in Graph Neural Networks [59.378148590027735]
  今回提案するグラフネットワーク層であるNode2Seqは,隣接ノードの重みを明示的に調整可能なノード埋め込みを学習する。 対象ノードに対して,当手法は注意メカニズムを介して隣接ノードをソートし,さらに1D畳み込みニューラルネットワーク(CNN)を用いて情報集約のための明示的な重み付けを行う。 また, 特徴学習のための非局所的情報を, 注意スコアに基づいて適応的に組み込むことを提案する。
  論文  参考訳（メタデータ） (2021-01-06T03:05:37Z)
• Self-supervised Graph Learning for Recommendation [69.98671289138694]
  ユーザ・イテムグラフを用いた自己教師型学習を推奨する。 補助的自己監督タスクは、自己識別によるノード表現学習を強化する。 3つのベンチマークデータセットに関する実証的研究は、SGLの有効性を示す。
  論文  参考訳（メタデータ） (2020-10-21T06:35:26Z)

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。