論文の概要: Slow is Fast! Dissecting Ethereum's Slow Liquidity Drain Scams

• arxiv url: http://arxiv.org/abs/2503.04850v2
• Date: Mon, 10 Mar 2025 05:01:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-11 11:38:47.083219
• Title: Slow is Fast! Dissecting Ethereum's Slow Liquidity Drain Scams
• Title（参考訳）: EthereumのSlow Liquidity Drain Scamを解剖!(動画あり)
• Authors: Minh Trung Tran, Nasrin Sohrabi, Zahir Tari, Qin Wang, Xiaoyu Xia,
• Abstract要約: 分散型金融(DeFi)の脅威である緩やかな流動性ドレイン(SLID)詐欺を特定する。 本研究では,2018年以降の6大取引所(DEX)における319,166の流動性プールの大規模解析を行った。 我々は3,117個のSLIDが影響を受けた流動性プールを同定し,累積損失は1億3300万ドル以上となった。
• 参考スコア（独自算出の注目度）: 7.837829025247838
• License:
• Abstract: We identify the slow liquidity drain (SLID) scam, an insidious and highly profitable threat to decentralized finance (DeFi), posing a large-scale, persistent, and growing risk to the ecosystem. Unlike traditional scams such as rug pulls or honeypots (USENIX Sec'19, USENIX Sec'23), SLID gradually siphons funds from liquidity pools over extended periods, making detection significantly more challenging. In this paper, we conducted the first large-scale empirical analysis of 319,166 liquidity pools across six major decentralized exchanges (DEXs) since 2018. We identified 3,117 SLID affected liquidity pools, resulting in cumulative losses of more than US$103 million. We propose a rule-based heuristic and an enhanced machine learning model for early detection. Our machine learning model achieves a detection speed 4.77 times faster than the heuristic while maintaining 95% accuracy. Our study establishes a foundation for protecting DeFi investors at an early stage and promoting transparency in the DeFi ecosystem.
• Abstract（参考訳）: 我々は、分散型金融(DeFi)に対する汚くて利益の出る脅威であるSLID詐欺を特定し、大規模で永続的で、生態系のリスクを増大させている。 ラグプルやハニーポット(USENIX Sec'19, USENIX Sec'23)のような従来の詐欺とは異なり、SLIDは長期にわたって流動性プールから資金を徐々に吸い込むため、発見は極めて困難である。 本稿では,2018年以降の6大分散型取引所(DEX)における319,166の流動性プールの大規模解析を行った。 SLIDは3,117個の流動性プールを同定し, 累積損失は1億3300万ドル以上となった。 本稿では,早期検出のためのルールベースヒューリスティックと強化された機械学習モデルを提案する。 我々の機械学習モデルは、95%の精度を維持しながら、ヒューリスティックよりも4.77倍高速な検出速度を達成する。 我々の研究は、DeFi投資家を早期に保護し、DeFiエコシステムの透明性を促進するための基盤を確立する。

関連論文リスト

• A Sea of Coins: The Proliferation of Cryptocurrencies in UniswapV2 [0.8192907805418583]
  新たに作成したトークンの財務的影響を分析し、市場ダイナミクス、収益性、流動性操作を評価する。 簡単な買い買い戦略を適用することで、新しく作成されたトークンへの投資に関連するいくつかの大きなリスクを明らかにすることができます。 本研究は、分散市場におけるリスクと金融のダイナミクスと投資家への課題に関する洞察を提供する。
  論文  参考訳（メタデータ） (2025-02-14T19:18:39Z)
• Zaptos: Towards Optimal Blockchain Latency [52.30047458198369]
  Zaptosは、エンドツーエンドのレイテンシを最小限に抑えるために設計された並列パイプラインアーキテクチャである。 Zaptosは秒単位のレイテンシで毎秒20,000トランザクションのスループットを実現している。
  論文  参考訳（メタデータ） (2025-01-18T00:22:22Z)
• Smart Contract Fuzzing Towards Profitable Vulnerabilities [10.908512696717724]
  VERITEは利益中心のスマートコントラクトファジィフレームワークである。 悪質な脆弱性を検出し、悪用された利益を最大化する。 合計で1800万ドル以上を抽出でき、検出と悪用の両方で最先端のファズーであるITYFUZZよりはるかに優れている。
  論文  参考訳（メタデータ） (2025-01-15T14:38:18Z)
• Mitigating Challenges in Ethereum's Proof-of-Stake Consensus: Evaluating the Impact of EigenLayer and Lido [4.606106768645647]
  Proof-of-Work(PoW)からProof-of-Stake(PoS)コンセンサスメカニズムへの移行は、ブロックチェーンバリデーションに対する変革的なアプローチを導入している。 本稿では,EigenLayer と Lido の2つの革新的なソリューションについて検討する。 よりレジリエントで包括的なエコシステムを育むために,EigenLayer と Lido の併用の可能性を評価する。
  論文  参考訳（メタデータ） (2024-10-30T19:58:46Z)
• Empirical and Theoretical Analysis of Liquid Staking Protocols [3.2963988742807295]
  液状ステイクプロトコルは、バリデータに資本をロックする不利益を伴わずに、ステイク報酬を得られる。 彼らはProof-of-Stakeブロックチェーンセキュリティに対する脅威と見なされている。 本論文は液体ステイクの実装を分類した最初の論文である。
  論文  参考訳（メタデータ） (2024-01-29T17:56:45Z)
• Playing the MEV Game on a First-Come-First-Served Blockchain [2.9942612239708826]
  本稿では,FCFSネットワーク,特にAlgorandにおけるMEV抽出ゲームのダイナミクスについて述べる。 本稿では,FCFSネットワークの時間制約に合わせた調停検出アルゴリズムを提案する。 時間制約の異なるアルゴリズムの性能は、任意探索におけるタイミングの重要性を浮き彫りにする。
  論文  参考訳（メタデータ） (2024-01-15T22:34:00Z)
• Diffusion Variational Autoencoder for Tackling Stochasticity in Multi-Step Regression Stock Price Prediction [54.21695754082441]
  長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。 多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。 深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。 本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-18T16:21:15Z)
• Uniswap Liquidity Provision: An Online Learning Approach [49.145538162253594]
  分散取引所(DEX)は、テクノロジーを活用した新しいタイプのマーケットプレイスである。 そのようなDECの1つ、Unixwap v3は、流動性プロバイダが資金のアクティブな価格間隔を指定することで、より効率的に資金を割り当てることを可能にする。 これにより、価格間隔を選択するための最適な戦略を見出すことが問題となる。 我々は、この問題を非確率的な報酬を伴うオンライン学習問題として定式化する。
  論文  参考訳（メタデータ） (2023-02-01T17:21:40Z)
• Confident Adaptive Language Modeling [95.45272377648773]
  CALMは、入力と生成時間ごとに異なる量の計算を動的に割り当てるフレームワークである。 ハイパフォーマンスを確実に維持しつつ、計算能力、潜在的スピードアップを最大3ドルまで削減する上で、我々のフレームワークの有効性を実証する。
  論文  参考訳（メタデータ） (2022-07-14T17:00:19Z)
• Neural Networks and Value at Risk [59.85784504799224]
  リスクしきい値推定における資産価値のモンテカルロシミュレーションを行う。 株式市場と長期債を試験資産として利用し、ニューラルネットワークについて検討する。 はるかに少ないデータでフィードされたネットワークは、大幅にパフォーマンスが悪くなっています。
  論文  参考訳（メタデータ） (2020-05-04T17:41:59Z)
• Momentum Improves Normalized SGD [51.27183254738711]
  モーメントを追加することで、目的に対する大きなバッチサイズの必要性を確実に排除できることを示す。 本稿では,ResNet-50 や BERT といった大規模タスクの事前学習において,提案手法が有効であることを示す。
  論文  参考訳（メタデータ） (2020-02-09T07:00:54Z)

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。