論文の概要: Efficient Bitcoin Address Classification Using Quantum-Inspired Feature Selection

• arxiv url: http://arxiv.org/abs/2411.15425v1
• Date: Sat, 23 Nov 2024 03:03:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-26 14:22:00.865749
• Title: Efficient Bitcoin Address Classification Using Quantum-Inspired Feature Selection
• Title（参考訳）: 量子インスパイアされた特徴選択を用いた効率的なBitcoinアドレス分類
• Authors: Ming-Fong Sie, Yen-Jui Chang, Chien-Lung Lin, Ching-Ray Chang, Shih-Wei Liao,
• Abstract要約: 量子インスパイアされたアルゴリズムを用いて、リスクの高いBitcoinアドレスを識別する革新的なアプローチを提案する。 Bitcoinアドレスを6つのクラスに分類することで、SAによる特徴選択がトレーニング時間を30.3%短縮したことを示す。
• 参考スコア（独自算出の注目度）: 0.4473915603131591
• License:
• Abstract: Over 900 million Bitcoin transactions have been recorded, posing considerable challenges for machine learning in terms of computation time and maintaining prediction accuracy. We propose an innovative approach using quantum-inspired algorithms implemented with Simulated Annealing and Quantum Annealing to address the challenge of local minima in solution spaces. This method efficiently identifies key features linked to mixer addresses, significantly reducing model training time. By categorizing Bitcoin addresses into six classes: exchanges, faucets, gambling, marketplaces, mixers, and mining pools, and applying supervised learning methods, our results demonstrate that feature selection with SA reduced training time by 30.3% compared to using all features in a random forest model while maintaining a 91% F1-score for mixer addresses. This highlights the potential of quantum-inspired algorithms to swiftly and accurately identify high-risk Bitcoin addresses based on transaction features.
• Abstract（参考訳）: 9億以上のBitcoinトランザクションが記録されており、計算時間と予測精度の維持という点で機械学習には大きな課題がある。 そこで本研究では,Simulated AnnealingとQuantum Annealingで実装した量子インスピレーションアルゴリズムを用いて,解空間における局所最小化の課題に対処する革新的なアプローチを提案する。 この方法は、ミキサーアドレスに関連付けられた重要な特徴を効率的に識別し、モデルのトレーニング時間を著しく短縮する。 取引所,ファウセット,ギャンブル,マーケットプレース,ミキサー,マイニングプールの6つのクラスに分類し,SAによる特徴選択による訓練時間を30.3%削減した。 これは、量子インスパイアされたアルゴリズムが、トランザクション機能に基づいてリスクの高いBitcoinアドレスを迅速かつ正確に識別する可能性を強調している。

関連論文リスト

• Combining supervised and unsupervised learning methods to predict financial market movements [0.0]
  創発的で確立した金融市場から抽出した新たな特徴を同定する。 私たちは、Bitcoin、Pepecoin、Nasdaqの市場からのマイクロロウソクで構成される約6ヶ月のデータを使用しました。 我々は、市場の動きを分類するためにランダムフォレスト(RF)やK-Nearest Neighbours(KNN)など、さまざまな機械学習戦略の性能について検討した。
  論文  参考訳（メタデータ） (2024-08-19T13:17:36Z)
• Quantum Subroutine for Variance Estimation: Algorithmic Design and Applications [80.04533958880862]
  量子コンピューティングは、アルゴリズムを設計する新しい方法の基礎となる。 どの場の量子スピードアップが達成できるかという新たな課題が生じる。 量子サブルーチンの設計は、従来のサブルーチンよりも効率的で、新しい強力な量子アルゴリズムに固い柱を向ける。
  論文  参考訳（メタデータ） (2024-02-26T09:32:07Z)
• Benchmarking the algorithmic performance of near-term neutral atom processors [0.0]
  デバイスシミュレーションによるRydberg原子量子コンピュータのアルゴリズム性能の評価を行った。 我々は、量子ビット接続とマルチキュービットゲートを動的に更新する能力を利用して、3つの異なる量子アルゴリズム関連のテストを検討する。 以上の結果から,Rydberg atom プロセッサは,さらなる拡張可能性に支えられ,有用な量子計算への道を開くことができる,競争の激しい短期プラットフォームであることが示唆された。
  論文  参考訳（メタデータ） (2024-02-03T11:55:02Z)
• Multimodal deep representation learning for quantum cross-platform verification [60.01590250213637]
  初期の量子コンピューティングの領域において重要な取り組みであるクロスプラットフォーム検証は、同一のアルゴリズムを実行する2つの不完全な量子デバイスとの類似性を特徴づけようと試みている。 本稿では,この課題におけるデータの形式化が2つの異なるモダリティを具現化する,革新的なマルチモーダル学習手法を提案する。 我々はこれらのモダリティから知識を独立して抽出するマルチモーダルニューラルネットワークを考案し、続いて融合操作により包括的データ表現を生成する。
  論文  参考訳（メタデータ） (2023-11-07T04:35:03Z)
• BatchGFN: Generative Flow Networks for Batch Active Learning [80.73649229919454]
  BatchGFNは、生成フローネットワークを使用してバッチ報酬に比例したデータポイントのセットをサンプリングする、プールベースのアクティブラーニングのための新しいアプローチである。 提案手法は,おもちゃの回帰問題において,1点当たり1回の前方通過で推定時間に近距離最適効用バッチをサンプリングすることを可能にした。
  論文  参考訳（メタデータ） (2023-06-26T20:41:36Z)
• Chainlet Orbits: Topological Address Embedding for the Bitcoin Blockchain [15.099255988459602]
  匿名性のある取引を可能にするBitcoinのような暗号通貨の台頭は、さまざまな不正行為の急増につながっている。 トランザクションにおけるそのトポロジ的特性を活用して,Bitcoinアドレスを埋め込む,Chainlet Orbitsという効果的なソリューションを導入する。 当社のアプローチでは,Bitcoinトランザクションネットワーク上で,解釈可能かつ説明可能なマシンラーニングモデルを,ほとんどの日において15分以内で使用することが可能です。
  論文  参考訳（メタデータ） (2023-05-18T21:16:59Z)
• A single $T$-gate makes distribution learning hard [56.045224655472865]
  この研究は、局所量子回路の出力分布の学習可能性に関する広範な評価を提供する。 ハイブリッド量子古典アルゴリズムを含む多種多様な学習アルゴリズムにおいて、深度$d=omega(log(n))$ Clifford回路に関連する生成的モデリング問題さえも困難であることを示す。
  論文  参考訳（メタデータ） (2022-07-07T08:04:15Z)
• Towards Malicious address identification in Bitcoin [3.646526715728388]
  時間的特徴セットと非時間的特徴セットを生成し、異なる時間的粒度の機械学習(ML)アルゴリズムを訓練し、手法を検証する。 比較分析によると、アドレスとBitcoinの振る舞いは、インディグリー、アウトディグリー、インターイベントタイムと似ている。 時間的粒度の異なる悪質な行動を示した3人の被疑者を同定した。
  論文  参考訳（メタデータ） (2021-12-22T08:11:58Z)
• OMPQ: Orthogonal Mixed Precision Quantization [64.59700856607017]
  混合精度量子化は、ハードウェアの多重ビット幅演算を利用して、ネットワーク量子化の全ポテンシャルを解き放つ。 本稿では、整数プログラミングの損失と高い相関関係にあるネットワーク性の概念であるプロキシメトリックを最適化することを提案する。 このアプローチは、量子化精度にほとんど妥協することなく、検索時間と必要なデータ量を桁違いに削減する。
  論文  参考訳（メタデータ） (2021-09-16T10:59:33Z)
• Decentralizing Feature Extraction with Quantum Convolutional Neural Network for Automatic Speech Recognition [101.69873988328808]
  特徴抽出のための量子回路エンコーダからなる量子畳み込みニューラルネットワーク(QCNN)を構築した。 入力音声はまず、Mel-spectrogramを抽出するために量子コンピューティングサーバにアップストリームされる。 対応する畳み込み特徴は、ランダムパラメータを持つ量子回路アルゴリズムを用いて符号化される。 符号化された機能は、最終認識のためにローカルRNNモデルにダウンストリームされる。
  論文  参考訳（メタデータ） (2020-10-26T03:36:01Z)

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。