論文の概要: SCOOP: CoSt-effective COngestiOn Attacks in Payment Channel Networks

• arxiv url: http://arxiv.org/abs/2503.12625v1
• Date: Sun, 16 Mar 2025 19:41:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-18 15:58:31.800507
• Title: SCOOP: CoSt-effective COngestiOn Attacks in Payment Channel Networks
• Title（参考訳）: SCOOP:有料チャンネルネットワークにおけるCoSt効果のCongestiOn攻撃
• Authors: Mohammed Ababneh, Kartick Kolachala, Roopa Vishwanathan,
• Abstract要約: SCOOPはPCNに対する2つの新しい混雑攻撃を含むフレームワークである。 第1の攻撃は特定の混雑閾値を達成するために攻撃者の予算を割り当て、第2の攻撃は予算制約下での混雑を最大化する。
• 参考スコア（独自算出の注目度）: 0.9558392439655012
• License:
• Abstract: Payment channel networks (PCNs) are a promising solution to address blockchain scalability and throughput challenges, However, the security of PCNs and their vulnerability to attacks are not sufficiently studied. In this paper, we introduce SCOOP, a framework that includes two novel congestion attacks on PCNs. These attacks consider the minimum transferable amount along a path (path capacity) and the number of channels involved (path length), formulated as linear optimization problems. The first attack allocates the attacker's budget to achieve a specific congestion threshold, while the second maximizes congestion under budget constraints. Simulation results show the effectiveness of the proposed attack formulations in comparison to other attack strategies. Specifically, the results indicate that the first attack provides around a 40\% improvement in congestion performance, while the second attack offers approximately a 50\% improvement in comparison to the state-of-the-art. Moreover, in terms of payment to congestion efficiency, the first attack is about 60\% more efficient, and the second attack is around 90\% more efficient in comparison to state-of-the-art
• Abstract（参考訳）: 支払いチャネルネットワーク(PCN)は、ブロックチェーンのスケーラビリティとスループットの課題に対処するための有望なソリューションであるが、PCNのセキュリティと攻撃に対する脆弱性は十分に研究されていない。 本稿では,PCNに対する2つの新たな混雑攻撃を含むフレームワークであるSCOOPを紹介する。 これらの攻撃は、パス(パス容量)に沿った最小転送可能な量と、線形最適化問題として定式化された関連するチャネルの数(パス長さ)を考慮する。 第1の攻撃は特定の混雑閾値を達成するために攻撃者の予算を割り当て、第2の攻撃は予算制約下での混雑を最大化する。 シミュレーションの結果,他の攻撃戦略と比較して,提案手法の有効性が示された。 具体的には,第1の攻撃は混雑性能を約40倍改善し,第2の攻撃は最先端と比較して約50倍改善した。 さらに、渋滞効率に対する支払いに関しては、第1の攻撃は60倍効率が高く、第2の攻撃は最先端と比較して約90倍効率が高い。

関連論文リスト

• PGD-Imp: Rethinking and Unleashing Potential of Classic PGD with Dual Strategies for Imperceptible Adversarial Attacks [36.9876568320971]
  知覚不能な敵対的攻撃は、最近研究の関心を惹きつけている。 本研究は、PGD(共通攻撃と古典攻撃)の可能性を解き放つための、単純かつ効果的な2つの戦略を提案する。 提案したPGD-Imp攻撃は,非目標シナリオと目標シナリオの両方に対して,認識不能な敵攻撃を実現する。
  論文  参考訳（メタデータ） (2024-12-15T12:34:22Z)
• Constrained Adaptive Attack: Effective Adversarial Attack Against Deep Neural Networks for Tabular Data [12.641656743760874]
  そこで本研究では,適応機構による既存の勾配攻撃の障害を克服する勾配攻撃を提案する。 また、CAPGD攻撃と最高の検索ベース攻撃であるMOEVAを組み合わせた効率的な回避攻撃であるCAAを設計する。 私たちの実証研究は、CAAが既存の攻撃を20以上の設定で17で上回っていることを実証しています。
  論文  参考訳（メタデータ） (2024-06-02T15:26:52Z)
• Securing Recommender System via Cooperative Training [78.97620275467733]
  本稿では,データを相互に強化する3つの協調モデルを用いたTCD(Triple Cooperative Defense)を提案する。 既存の攻撃が二段階最適化と効率のバランスをとるのに苦労していることを考えると、リコメンダシステムにおける毒殺攻撃を再考する。 我々はゲームベースのコトレーニングアタック(GCoAttack)を提案し,提案したCoAttackとTCDをゲーム理論のプロセスとする。
  論文  参考訳（メタデータ） (2024-01-23T12:07:20Z)
• Cost Aware Untargeted Poisoning Attack against Graph Neural Networks, [5.660584039688214]
  本稿では,攻撃予算の配分を改善するため,コスト・アウェア・ポジショニング・アタック(CA-アタック)と呼ばれる新たなアタック・ロス・フレームワークを提案する。 実験の結果,提案したCA攻撃は既存の攻撃戦略を大幅に強化することが示された。
  論文  参考訳（メタデータ） (2023-12-12T10:54:02Z)
• Everything Perturbed All at Once: Enabling Differentiable Graph Attacks [61.61327182050706]
  グラフニューラルネットワーク(GNN)は敵の攻撃に弱いことが示されている。 本稿では,DGA(Dariable Graph Attack)と呼ばれる新しい攻撃手法を提案し,効果的な攻撃を効率的に生成する。 最先端と比較して、DGAは6倍のトレーニング時間と11倍のGPUメモリフットプリントでほぼ同等の攻撃性能を達成する。
  論文  参考訳（メタデータ） (2023-08-29T20:14:42Z)
• Transferable Attack for Semantic Segmentation [59.17710830038692]
  敵が攻撃し、ソースモデルから生成された敵の例がターゲットモデルを攻撃するのに失敗するのを観察します。 本研究では, セマンティックセグメンテーションのためのアンサンブルアタックを提案する。
  論文  参考訳（メタデータ） (2023-07-31T11:05:55Z)
• Versatile Weight Attack via Flipping Limited Bits [68.45224286690932]
  本研究では,展開段階におけるモデルパラメータを変更する新たな攻撃パラダイムについて検討する。 有効性とステルスネスの目標を考慮し、ビットフリップに基づく重み攻撃を行うための一般的な定式化を提供する。 SSA(Single sample attack)とTSA(Singr sample attack)の2例を報告した。
  論文  参考訳（メタデータ） (2022-07-25T03:24:58Z)
• Analysis and Extensions of Adversarial Training for Video Classification [0.0]
  ビデオに対して最適な攻撃を生成するには、特にステップサイズにおいて、攻撃パラメータを慎重に調整する必要があることを示す。 本稿では,攻撃予算の変動による攻撃に対する3つの防御策を提案する。 UCF101データセットの実験は、提案手法が複数の攻撃タイプに対する対角的堅牢性を向上させることを示した。
  論文  参考訳（メタデータ） (2022-06-16T06:49:01Z)
• Projective Ranking-based GNN Evasion Attacks [52.85890533994233]
  グラフニューラルネットワーク(GNN)は、グラフ関連のタスクに対して、有望な学習方法を提供する。 GNNは敵の攻撃の危険にさらされている。
  論文  参考訳（メタデータ） (2022-02-25T21:52:09Z)
• Sparse and Imperceptible Adversarial Attack via a Homotopy Algorithm [93.80082636284922]
  少数の敵対的攻撃は、数ピクセルを摂動するだけでディープ・ネットワーク(DNN)を騙すことができる。 近年の取り組みは、他の等級のl_infty摂動と組み合わせている。 本稿では,空間的・神経的摂動に対処するホモトピーアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-06-10T20:11:36Z)
• Going Far Boosts Attack Transferability, but Do Not Do It [16.901240544106948]
  7つの最適化アルゴリズム,4つのサロゲート,9つのブラックボックスモデルに関する包括的実験により,攻撃伝達性に対する最適化の影響を検討した。 最適化アルゴリズムからのAEsの様々な転送性は、元のサンプルから得られたRoot Mean Square Error(RMSE)と強く関係している。 LARAは転送可能性を大幅に20%改善するが、DNNの脆弱性を利用するには不十分である。
  論文  参考訳（メタデータ） (2021-02-20T13:19:31Z)

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。