論文の概要: Real-CATS: A Practical Training Ground for Emerging Research on Cryptocurrency Cybercrime Detection

• arxiv url: http://arxiv.org/abs/2501.15553v1
• Date: Sun, 26 Jan 2025 15:02:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-28 13:59:33.780080
• Title: Real-CATS: A Practical Training Ground for Emerging Research on Cryptocurrency Cybercrime Detection
• Title（参考訳）: Real-CATS:暗号サイバー犯罪検出研究のための実践的トレーニング場
• Authors: Jiadong Shi, Chunyu Duan, Hao Lei, Liangmin Wang,
• Abstract要約: サイバー犯罪はブロックチェーン取引のセキュリティに重大な脅威をもたらし、2024年には490億ドルの損失を出した。 効果的な実世界のアドレスデータセットの欠如は、サイバー犯罪検出研究の進歩を妨げる。 トランザクションプロファイルを持つ暗号アドレスのリアルタイムデータセットであるReal-CATSを提案する。
• 参考スコア（独自算出の注目度）: 7.400811099359653
• License:
• Abstract: Cybercriminals pose a significant threat to blockchain trading security, causing $40.9 billion in losses in 2024. However, the lack of an effective real-world address dataset hinders the advancement of cybercrime detection research. The anti-cybercrime efforts of researchers from broader fields, such as statistics and artificial intelligence, are blocked by data scarcity. In this paper, we present Real-CATS, a Real-world dataset of Cryptocurrency Addresses with Transaction profileS, serving as a practical training ground for developing and assessing detection methods. Real-CATS comprises 103,203 criminal addresses from real-world reports and 106,196 benign addresses from exchange customers. It satifies the C3R characteristics (Comprehensiveness, Classifiability, Customizability, and Real-world Transferability), which are fundemental for practical detection of cryptocurrency cybercrime. The dataset provides three main functions: 1) effective evaluation of detection methods, 2) support for feature extensions, and 3) a new evaluation scenario for real-world deployment. Real-CATS also offers opportunities to expand cybercrime measurement studies. It is particularly beneficial for researchers without cryptocurrency-related knowledge to engage in this emerging research field. We hope that studies on cryptocurrency cybercrime detection will be promoted by an increasing number of cross-disciplinary researchers drawn to this versatile data platform. All datasets are available at https://github.com/sjdseu/Real-CATS
• Abstract（参考訳）: サイバー犯罪はブロックチェーン取引のセキュリティに重大な脅威をもたらし、2024年には490億ドルの損失を出した。 しかし、効果的な実世界のアドレスデータセットが欠如していることは、サイバー犯罪検出研究の進展を妨げている。 統計や人工知能といった幅広い分野の研究者による反サイバクリムの取り組みは、データの不足によってブロックされている。 本稿では,リアルタイムの暗号アドレスとトランザクションプロファイルのデータセットであるReal-CATSについて述べる。 Real-CATSは、現実世界のレポートから103,203件の刑事住所と、取引先からの良質な住所106,196件で構成されている。 C3Rの特徴(包括性、分類可能性、カスタマイズ可能性、実世界転送可能性)を満足させ、暗号サイバー犯罪を実際に検出するための資金となる。 データセットには3つの主要な機能がある。 1)検出方法の効果的な評価。 2)機能拡張のサポート,および 3) 実世界展開のための新たな評価シナリオ。 Real-CATSはまた、サイバー犯罪測定研究を拡大する機会を提供する。 暗号通貨関連の知識を持たない研究者にとって、この新興研究分野に参加することは特に有益である。 暗号通貨のサイバー犯罪検出の研究は、この多目的なデータプラットフォームに導かれる学際的な研究者の増加によって促進されることを願っている。 すべてのデータセットはhttps://github.com/sjdseu/Real-CATSで利用可能である。

関連論文リスト

• Model Inversion Attacks: A Survey of Approaches and Countermeasures [59.986922963781]
  近年、新しいタイプのプライバシ攻撃であるモデル反転攻撃(MIA)は、トレーニングのためのプライベートデータの機密性を抽出することを目的としている。 この重要性にもかかわらず、総合的な概要とMIAに関する深い洞察を提供する体系的な研究が欠如している。 本調査は、攻撃と防御の両方において、最新のMIA手法を要約することを目的としている。
  論文  参考訳（メタデータ） (2024-11-15T08:09:28Z)
• Across-Platform Detection of Malicious Cryptocurrency Transactions via Account Interaction Learning [19.2372535101502]
  既存の悪意のあるトランザクション検出方法は、大量のラベル付きデータに依存する。 そこで我々はシャドウイーズ(ShadowEyes)を提案する。 公開データセットを用いて大規模な実験を行い,ShadowEyesの性能評価を行った。
  論文  参考訳（メタデータ） (2024-10-31T02:01:42Z)
• 1D-CNN-IDS: 1D CNN-based Intrusion Detection System for IIoT [2.192061681117835]
  本研究では,サイバー攻撃分類のための1次元畳み込みニューラルネットワーク (1DCNN) アルゴリズムを開発した。 提案された研究は9つのサイバー攻撃を分類するために99.90%の精度を達成した。
  論文  参考訳（メタデータ） (2024-09-13T04:22:40Z)
• Deepfake Media Forensics: State of the Art and Challenges Ahead [51.33414186878676]
  AIが生成する合成メディア、別名Deepfakesは、エンターテイメントからサイバーセキュリティまで、多くの領域に影響を与えている。 ディープフェイク検出は、微妙な矛盾やアーティファクトを機械学習技術で識別することに焦点を当て、研究の不可欠な領域となっている。 本稿では,これらの課題に対処する主要なアルゴリズムについて,その利点,限界,今後の展望について検討する。
  論文  参考訳（メタデータ） (2024-08-01T08:57:47Z)
• Deep Learning Approaches for Detecting Adversarial Cyberbullying and Hate Speech in Social Networks [0.0]
  本稿では、ソーシャルネットワークサイトテキストデータ中の敵対的攻撃コンテンツにおけるサイバーいじめの検出、特にヘイトスピーチを強調することに焦点を当てる。 100の固定エポックを持つLSTMモデルは、高い精度、精度、リコール、F1スコア、AUC-ROCスコアが87.57%、88.73%、88.15%、91%の顕著な性能を示した。
  論文  参考訳（メタデータ） (2024-05-30T21:44:15Z)
• Avoid Adversarial Adaption in Federated Learning by Multi-Metric Investigations [55.2480439325792]
  Federated Learning(FL)は、分散機械学習モデルのトレーニング、データのプライバシの保護、通信コストの低減、多様化したデータソースによるモデルパフォーマンスの向上を支援する。 FLは、中毒攻撃、標的外のパフォーマンス劣化とターゲットのバックドア攻撃の両方でモデルの整合性を損なうような脆弱性に直面している。 我々は、複数の目的に同時に適応できる、強い適応的敵の概念を新たに定義する。 MESASは、実際のデータシナリオで有効であり、平均オーバーヘッドは24.37秒である。
  論文  参考訳（メタデータ） (2023-06-06T11:44:42Z)
• Recent Advancements in Machine Learning For Cybercrime Prediction [2.38324507743994]
  本稿では,サイバー犯罪予測の最新動向を包括的に調査することを目的とする。 我々は150以上の研究論文をレビューし、最新の50件について検討した。 本稿では,最先端開発と公開データセットの全体像について述べる。
  論文  参考訳（メタデータ） (2023-04-10T19:00:29Z)
• Graph Mining for Cybersecurity: A Survey [61.505995908021525]
  マルウェア、スパム、侵入などのサイバー攻撃の爆発的な増加は、社会に深刻な影響をもたらした。 従来の機械学習(ML)ベースの手法は、サイバー脅威の検出に広く用いられているが、現実のサイバーエンティティ間の相関をモデル化することはほとんどない。 グラフマイニング技術の普及に伴い、サイバーエンティティ間の相関を捉え、高いパフォーマンスを達成するために、多くの研究者がこれらの手法を調査した。
  論文  参考訳（メタデータ） (2023-04-02T08:43:03Z)
• Proceedings of the Artificial Intelligence for Cyber Security (AICS) Workshop at AAAI 2022 [55.573187938617636]
  ワークショップは、サイバーセキュリティの問題へのAIの適用に焦点を当てる。 サイバーシステムは大量のデータを生成し、これを効果的に活用することは人間の能力を超えます。
  論文  参考訳（メタデータ） (2022-02-28T18:27:41Z)
• Survey of Network Intrusion Detection Methods from the Perspective of the Knowledge Discovery in Databases Process [63.75363908696257]
  本稿では,侵入検知器の開発を目的として,ネットワークデータに適用された手法について概説する。 本稿では,データのキャプチャ,準備,変換,データマイニング,評価などの手法について論じる。 この文献レビューの結果、ネットワークセキュリティ分野のさらなる研究のために考慮すべきいくつかのオープンな問題について検討する。
  論文  参考訳（メタデータ） (2020-01-27T11:21:05Z)

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。