論文の概要: BlockScan: Detecting Anomalies in Blockchain Transactions

• arxiv url: http://arxiv.org/abs/2410.04039v4
• Date: Fri, 19 Sep 2025 23:02:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-23 14:36:44.521436
• Title: BlockScan: Detecting Anomalies in Blockchain Transactions
• Title（参考訳）: BlockScan: ブロックチェーントランザクションの異常を検出する
• Authors: Jiahao Yu, Xian Wu, Hao Liu, Wenbo Guo, Xinyu Xing,
• Abstract要約: BlockScanはブロックチェーントランザクションの異常検出用にカスタマイズされたTransformerである。 この研究は、ブロックチェーンデータ分析にTransformerベースのアプローチを適用するための新しいベンチマークを設定する。
• 参考スコア（独自算出の注目度）: 16.73896087813861
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose BlockScan, a customized Transformer for anomaly detection in blockchain transactions. Unlike existing methods that rely on rule-based systems or directly apply off-the-shelf large language models (LLMs), BlockScan introduces a series of customized designs to effectively model the unique data structure of blockchain transactions. First, a blockchain transaction is multi-modal, containing blockchain-specific tokens, texts, and numbers. We design a novel modularized tokenizer to handle these multi-modal inputs, balancing the information across different modalities. Second, we design a customized masked language modeling mechanism for pretraining the Transformer architecture, incorporating RoPE embedding and FlashAttention for handling longer sequences. Finally, we design a novel anomaly detection method based on the model outputs. We further provide theoretical analysis for the detection method of our system. Extensive evaluations on Ethereum and Solana transactions demonstrate BlockScan's exceptional capability in anomaly detection while maintaining a low false positive rate. Remarkably, BlockScan is the only method that successfully detects anomalous transactions on Solana with high accuracy, whereas all other approaches achieved very low or zero detection recall scores. This work sets a new benchmark for applying Transformer-based approaches in blockchain data analysis.
• Abstract（参考訳）: ブロックチェーントランザクションにおける異常検出のためのカスタマイズされたトランスフォーマーであるBlockScanを提案する。 ルールベースのシステムに依存したり、既製の大規模言語モデル(LLM)を直接適用する既存の方法とは異なり、BlockScanでは、ブロックチェーントランザクションのユニークなデータ構造を効果的にモデル化する、一連のカスタマイズされた設計を導入している。 まず、ブロックチェーントランザクションは、ブロックチェーン固有のトークン、テキスト、数値を含むマルチモーダルである。 我々は、これらのマルチモーダル入力を処理するための新しいモジュール化トークンライザを設計し、異なるモーダル間で情報のバランスをとる。 第2に,Transformer アーキテクチャを事前トレーニングするためのマスク付き言語モデリング機構を設計し,長いシーケンスを扱うために RoPE 埋め込みと FlashAttention を組み込んだ。 最後に,モデル出力に基づく新しい異常検出手法を設計する。 さらに,本システムの検出方法に関する理論的解析を行った。 EthereumとSolanaトランザクションに関する大規模な評価は、偽陽性率を低く保ちながら、異常検出におけるBlockScanの異常な能力を示している。 注目すべきは、Solana上の異常なトランザクションを高精度に検出できる唯一の方法であるBlockScanである。 この研究は、ブロックチェーンデータ分析にTransformerベースのアプローチを適用するための新しいベンチマークを設定する。

関連論文リスト

• The Latency Price of Threshold Cryptosystem in Blockchains [52.359230560289745]
  本稿では,Byzantine-fault Tolerant(BFT)コンセンサスプロトコルを用いた,しきい値暗号とブロックチェーンのクラス間の相互作用について検討する。 しきい値暗号システムに対する既存のアプローチは、しきい値暗号プロトコルを実行するための少なくとも1つのメッセージ遅延の遅延オーバーヘッドを導入している。 しきい値が狭いブロックチェーンネイティブのしきい値暗号システムに対して,このオーバーヘッドを取り除く機構を提案する。
  論文  参考訳（メタデータ） (2024-07-16T20:53:04Z)
• What Blocks My Blockchain's Throughput? Developing a Generalizable Approach for Identifying Bottlenecks in Permissioned Blockchains [0.3495246564946556]
  許可されたブロックチェーンのボトルネックを特定するための、より統一的でグラフィカルなアプローチを開発しています。 Hyperledger FabricとQuorumという2つの広く使用されているパーミッションブロックチェーンについて、詳細なケーススタディを実施しています。
  論文  参考訳（メタデータ） (2024-04-02T13:00:50Z)
• Enhancing Trust and Privacy in Distributed Networks: A Comprehensive Survey on Blockchain-based Federated Learning [51.13534069758711]
  ブロックチェーンのような分散型アプローチは、複数のエンティティ間でコンセンサスメカニズムを実装することで、魅力的なソリューションを提供する。 フェデレートラーニング(FL)は、参加者がデータのプライバシを保護しながら、協力的にモデルをトレーニングすることを可能にする。 本稿では,ブロックチェーンのセキュリティ機能とFLのプライバシ保護モデルトレーニング機能の相乗効果について検討する。
  論文  参考訳（メタデータ） (2024-03-28T07:08:26Z)
• 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)
• Detecting Anomalies in Blockchain Transactions using Machine Learning Classifiers and Explainability Analysis [4.456941846147711]
  本研究は、XAI手法と異常ルールを木に基づくアンサンブル分類器に統合し、異常なビットコイン取引を検出する。 我々は,異常なトランザクションデータと非異常なトランザクションデータのバランスをとるために,XGBCLUSというアンダーサンプリングアルゴリズムを導入する。 提案するアンサンブル分類器は,精度,TPR,FPRの点で,従来の単木型機械学習分類器よりも優れている。
  論文  参考訳（メタデータ） (2024-01-07T16:01:51Z)
• Collaborative Learning Framework to Detect Attacks in Transactions and Smart Contracts [26.70294159598272]
  本稿では、ブロックチェーントランザクションとスマートコントラクトの攻撃を検出するために設計された、新しい協調学習フレームワークを提案する。 当社のフレームワークは,マシンコードレベルでの複雑な攻撃を含む,さまざまな種類のブロックチェーン攻撃を分類する機能を示している。 我々のフレームワークは、広範囲なシミュレーションによって約94%の精度を達成し、リアルタイム実験では91%のスループットで毎秒2,150トランザクションを処理している。
  論文  参考訳（メタデータ） (2023-08-30T07:17:20Z)
• 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)
• Blockchain Framework for Artificial Intelligence Computation [1.8148198154149393]
  ブロック検証とコンセンサス機構を深層強化学習プロセスとして設計する。 当社の手法は,次世代のパブリックブロックチェーンネットワークの設計に使用されている。
  論文  参考訳（メタデータ） (2022-02-23T01:44:27Z)
• Self-Supervised Predictive Convolutional Attentive Block for Anomaly Detection [97.93062818228015]
  本稿では,再建に基づく機能を,新たな自己監督型予測アーキテクチャビルディングブロックに統合することを提案する。 我々のブロックは、受容領域におけるマスク領域に対する再構成誤差を最小限に抑える損失を備える。 画像やビデオの異常検出のための最先端フレームワークに組み込むことで,ブロックの汎用性を実証する。
  論文  参考訳（メタデータ） (2021-11-17T13:30:31Z)

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。