論文の概要: Clustering and analysis of user behaviour in blockchain: A case study of Planet IX

• arxiv url: http://arxiv.org/abs/2504.11702v1
• Date: Wed, 16 Apr 2025 01:57:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-17 14:39:58.515430
• Title: Clustering and analysis of user behaviour in blockchain: A case study of Planet IX
• Title（参考訳）: ブロックチェーンにおけるユーザ行動のクラスタリングと分析:Planet IXのケーススタディ
• Authors: Dorottya Zelenyanszki, Zhe Hou, Kamanashis Biswas, Vallipuram Muthukkumarasamy,
• Abstract要約: このタイプの情報を抽出し分析する方法を示すために,ユーザ行動分析パイプラインを提案した。 パイプラインは、Planet IXと呼ばれるブロックチェーンベースのゲームから収集されるスマートコントラクトを含むトランザクションデータの収集から始まる。 このデータから、別個のゲームアクションを作成でき、それらを利用してユーザーがゲーム内活動を行う方法と時期を提示する。 その結果,これらのクラスタに属するユーザについて,行動情報を抽出できることが判明した。
• 参考スコア（独自算出の注目度）: 0.14999444543328289
• License:
• Abstract: Decentralised applications (dApps) that run on public blockchains have the benefit of trustworthiness and transparency as every activity that happens on the blockchain can be publicly traced through the transaction data. However, this introduces a potential privacy problem as this data can be tracked and analysed, which can reveal user-behaviour information. A user behaviour analysis pipeline was proposed to present how this type of information can be extracted and analysed to identify separate behavioural clusters that can describe how users behave in the game. The pipeline starts with the collection of transaction data, involving smart contracts, that is collected from a blockchain-based game called Planet IX. Both the raw transaction information and the transaction events are considered in the data collection. From this data, separate game actions can be formed and those are leveraged to present how and when the users conducted their in-game activities in the form of user flows. An extended version of these user flows also presents how the Non-Fungible Tokens (NFTs) are being leveraged in the user actions. The latter is given as input for a Graph Neural Network (GNN) model to provide graph embeddings for these flows which then can be leveraged by clustering algorithms to cluster user behaviours into separate behavioural clusters. We benchmark and compare well-known clustering algorithms as a part of the proposed method. The user behaviour clusters were analysed and visualised in a graph format. It was found that behavioural information can be extracted regarding the users that belong to these clusters. Such information can be exploited by malicious users to their advantage. To demonstrate this, a privacy threat model was also presented based on the results that correspond to multiple potentially affected areas.
• Abstract（参考訳）: パブリックブロックチェーン上で動作する分散アプリケーション(dApps)は、ブロックチェーン上で発生するすべてのアクティビティがトランザクションデータを通じて公開トレース可能であるため、信頼性と透明性のメリットがある。 しかしこれは、このデータが追跡され分析され、ユーザーの行動情報が明らかになるため、潜在的なプライバシー問題を引き起こす。 ユーザ行動分析パイプラインは、この種の情報をどのように抽出して分析し、ゲーム内でユーザがどのように振る舞うかを記述できる個別の行動クラスタを識別するかを示すために提案された。 パイプラインは、Planet IXと呼ばれるブロックチェーンベースのゲームから収集されるスマートコントラクトを含むトランザクションデータの収集から始まる。 データ収集では、生のトランザクション情報と生のトランザクションイベントの両方が考慮される。 このデータから、別個のゲームアクションを形成でき、それらを活用して、ユーザがユーザフローの形でゲーム内アクティビティを行う方法と時期を提示する。 これらのユーザフローの拡張バージョンは、ユーザアクションでNon-Fungible Tokens(NFT)がどのように活用されているかを示す。 後者はグラフニューラルネットワーク(GNN)モデルの入力として与えられ、これらのフローにグラフ埋め込みを提供する。 提案手法の一部として,よく知られたクラスタリングアルゴリズムをベンチマークし,比較する。 ユーザ行動クラスタは分析され、グラフ形式で視覚化される。 その結果,これらのクラスタに属するユーザについて,行動情報を抽出できることが判明した。 このような情報を悪質なユーザーによって利用することができる。 これを示すために、複数の潜在的影響領域に対応する結果に基づいて、プライバシ脅威モデルも提示された。

関連論文リスト

• Cluster-based Graph Collaborative Filtering [55.929052969825825]
  グラフ畳み込みネットワーク(GCN)は、レコメンデーションシステムのためのユーザおよびアイテム表現の学習に成功している。 既存のGCNベースのほとんどのメソッドは、高階グラフ畳み込みを実行しながら、ユーザの複数の関心事を見落としている。 クラスタベースグラフ協調フィルタリング(ClusterGCF)と呼ばれる新しいGCNベースのレコメンデーションモデルを提案する。
  論文  参考訳（メタデータ） (2024-04-16T07:05:16Z)
• Reinforcement Graph Clustering with Unknown Cluster Number [91.4861135742095]
  本稿では,Reinforcement Graph Clusteringと呼ばれる新しいディープグラフクラスタリング手法を提案する。 提案手法では,クラスタ数決定と教師なし表現学習を統一的なフレームワークに統合する。 フィードバック動作を行うために、クラスタリング指向の報酬関数を提案し、同一クラスタの凝集を高め、異なるクラスタを分離する。
  論文  参考訳（メタデータ） (2023-08-13T18:12:28Z)
• 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)
• Behavioral graph fraud detection in E-commerce [10.621640214806794]
  本稿では,ユーザ行動の類似性に基づくトランザクションリンクを確立するための,行動バイオメトリクスに基づく新しい手法を提案する。 我々の知る限り、グラフ埋め込みアプリケーションで類似性に基づくソフトリンクが使用されるのはこれが初めてである。 本実験は,類似性に基づく行動グラフから学習した埋め込み特徴が,ベースライン不正検出モデルにおいて顕著な性能向上を実現していることを示す。
  論文  参考訳（メタデータ） (2022-10-13T12:47:09Z)
• Enel: Context-Aware Dynamic Scaling of Distributed Dataflow Jobs using Graph Propagation [52.9168275057997]
  本稿では,属性グラフ上でメッセージの伝搬を利用してデータフロージョブをモデル化する,新しい動的スケーリング手法であるEnelを提案する。 Enelが効果的な再スケーリングアクションを識別でき、例えばノードの障害に反応し、異なる実行コンテキストで再利用可能であることを示す。
  論文  参考訳（メタデータ） (2021-08-27T10:21:08Z)
• Blockchain Phishing Scam Detection via Multi-channel Graph Classification [1.6980621769406918]
  フィッシング詐欺検出方法は、被害者を保護し、より健全なブロックチェーンエコシステムを構築する。 ユーザのためのトランザクションパターングラフを定義し,フィッシング詐欺検出をグラフ分類タスクに変換する。 提案したマルチチャネルグラフ分類モデル(MCGC)は,対象ユーザのトランザクションパターンの特徴を抽出することにより,潜在的なフィッシングを検出することができる。
  論文  参考訳（メタデータ） (2021-08-19T02:59:55Z)
• Community Detection for Access-Control Decisions: Analysing the Role of Homophily and Information Diffusion in Online Social Networks [0.0]
  ACL(Access-Control Lists)は、オンラインソーシャルネットワーク(OSN)の最も重要なプライバシー機能のひとつである。 本研究は,OSNにおけるACLの自動生成におけるコミュニティ検出アルゴリズムの利用について検討する。
  論文  参考訳（メタデータ） (2021-04-19T08:49:59Z)
• Identity Inference on Blockchain using Graph Neural Network [5.5927440285709835]
  アカウントのアイデンティティに関する事前推論を目的としたアイデンティティ推論は、ブロックチェーンセキュリティにおいて重要な役割を果たします。 本稿では,id推論タスクをグラフ分類パターンに変換するトランザクションサブグラフの観点から,ユーザの行動を解析するための新しい手法を提案する。 また、$textI2 textBGNN$という汎用的なエンドツーエンドグラフニューラルネットワークモデルを提案し、サブグラフを入力として受け入れ、トランザクションサブグラフパターンをアカウントアイデンティティにマッピングする関数を学ぶことができる。
  論文  参考訳（メタデータ） (2021-04-14T00:15:38Z)
• Detecting Malicious Accounts in Permissionless Blockchains using Temporal Graph Properties [4.506782035297339]
  ノードとしてアカウントをモデル化し、トランザクションを指向するグラフのエッジとして -- ブロックチェーンのための時間的特性。 これに触発されて、すでに使用されているいくつかのグラフ特性の上にバーストや魅力のような時間的特徴を導入する。 我々はさまざまな機械学習(ML)アルゴリズムを訓練し、どのアカウントが悪意があるかを検出するのに最適なアルゴリズムを識別する。
  論文  参考訳（メタデータ） (2020-07-10T05:15:26Z)
• LSD-C: Linearly Separable Deep Clusters [145.89790963544314]
  ラベルなしデータセットのクラスタを識別する新しい手法であるLSD-Cを提案する。 本手法は,最近の半教師付き学習の実践からインスピレーションを得て,クラスタリングアルゴリズムと自己教師付き事前学習と強力なデータ拡張を組み合わせることを提案する。 CIFAR 10/100, STL 10, MNIST, および文書分類データセットReuters 10Kなど, 一般的な公開画像ベンチマークにおいて, 当社のアプローチが競合より大幅に優れていたことを示す。
  論文  参考訳（メタデータ） (2020-06-17T17:58:10Z)
• Mining Implicit Entity Preference from User-Item Interaction Data for Knowledge Graph Completion via Adversarial Learning [82.46332224556257]
  本稿では,知識グラフ補完タスクにおけるユーザインタラクションデータを活用することで,新たな逆学習手法を提案する。 我々のジェネレータはユーザインタラクションデータから分離されており、識別器の性能を向上させるのに役立ちます。 利用者の暗黙の実体的嗜好を発見するために,グラフニューラルネットワークに基づく精巧な協調学習アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2020-03-28T05:47:33Z)

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。