論文の概要: Cybersquatting in Web3: The Case of NFT
- arxiv url: http://arxiv.org/abs/2504.13573v1
- Date: Fri, 18 Apr 2025 09:14:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-28 16:31:06.656447
- Title: Cybersquatting in Web3: The Case of NFT
- Title（参考訳）: Web3におけるサイバースクワット: NFTの事例
- Authors: Kai Ma, Ningyu He, Jintao Huang, Bosi Zhang, Ping Wu, Haoyu Wang,
- Abstract要約: 本報告では,NFT サイバースクワットの詳細な測定結果について述べる。
1億5000万のNFTトークンで220万以上のNFTコレクションを分析し,654件のNFTプロジェクトを対象とした8,019件のNFTコレクションを特定した。
我々の分析によると、これらのNFTサイバースクワット活動は、重大な経済的影響をもたらし、670万以上の犠牲者がこれらの詐欺に遭い、合計で5926万ドル(約54億円)の金銭的搾取に繋がった。
- 参考スコア（独自算出の注目度）: 7.84980925537562
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Cybersquatting refers to the practice where attackers register a domain name similar to a legitimate one to confuse users for illegal gains. With the growth of the Non-Fungible Token (NFT) ecosystem, there are indications that cybersquatting tactics have evolved from targeting domain names to NFTs. This paper presents the first in-depth measurement study of NFT cybersquatting. By analyzing over 220K NFT collections with over 150M NFT tokens, we have identified 8,019 cybersquatting NFT collections targeting 654 popular NFT projects. Through systematic analysis, we discover and characterize seven distinct squatting tactics employed by scammers. We further conduct a comprehensive measurement study of these cybersquatting NFT collections, examining their metadata, associated digital asset content, and social media status. Our analysis reveals that these NFT cybersquatting activities have resulted in a significant financial impact, with over 670K victims affected by these scams, leading to a total financial exploitation of $59.26 million. Our findings demonstrate the urgency to identify and prevent NFT squatting abuses.
- Abstract（参考訳）: サイバースクワット(Cybersquatting)とは、攻撃者が合法的なドメイン名と同様のドメイン名を登録し、違法な利益のためにユーザーを混乱させる慣習である。
非Fungible Token(NFT)エコシステムの成長に伴い、サイバースクワットの戦術がドメイン名をターゲットからNFTへと進化した兆候がある。
本報告では,NFT サイバースクワットの詳細な計測結果について述べる。
1億5000万のNFTトークンで220万以上のNFTコレクションを分析し,654件のNFTプロジェクトを対象とした8,019件のNFTコレクションを特定した。
体系的な分析により,スワマーが使用する7つの異なるしゃがみ方を発見し,特徴付ける。
さらに、これらのサイバースクワットNFTコレクションの包括的測定を行い、それらのメタデータ、関連デジタル資産コンテンツ、ソーシャルメディアの現状について調べる。
我々の分析によると、これらのNFTサイバースクワット活動は、重大な経済的影響をもたらし、670万以上の犠牲者がこれらの詐欺に遭い、合計で5926万ドル(約54億円)の金銭的搾取に繋がった。
以上の結果から,NTTしゃがみ乱用を特定・予防する緊急性を示した。
関連論文リスト
- Exact Certification of (Graph) Neural Networks Against Label Poisoning [50.87615167799367]
グラフニューラルネットワーク(GNN)におけるラベルフリップの正確な認証手法を提案する。
本稿では,ノード分類タスクにおける広範囲なGNNアーキテクチャの認証に本手法を適用した。
私たちの研究は、ニューラルネットワークによって引き起こされた毒殺攻撃に対する最初の正確な認証を提示します。
論文 参考訳（メタデータ） (2024-11-30T17:05:12Z) - Characterizing the Solana NFT Ecosystem [0.8225825738565354]
我々は2つの観点からSolana NFTの特性に関する最初の体系的研究を行う。
利用者の経済活動とNFT所有者情報を調べると、ソラナNFTの上位ユーザーがより高い購入の分布に向かって歪んでいることが分かる。
我々は,2,175台のSolana NFT上での洗剤取引監査を行うために,ローカル・アウトレイヤ・ファクターアルゴリズムを用いる。
論文 参考訳（メタデータ） (2024-03-16T10:16:49Z) - The Dark Side of NFTs: A Large-Scale Empirical Study of Wash Trading [28.20696034160891]
我々は,2,701,883 NFTから8,717,031の転送イベントと3,830,141のセールイベントを分析した。
NFTの3種類の洗剤取引を識別し,識別アルゴリズムを提案する。
また,マーケットプレース設計,収益性,NFTプロジェクト設計,支払トークン,ユーザ行動,NTTエコシステムといった6つの側面からの洞察も提供する。
論文 参考訳（メタデータ） (2023-12-19T19:29:24Z) - SoK: On the Security of Non-Fungible Tokens [9.574922406565372]
非偽造トークン(NFT)はWeb3エコシステムの繁栄を促進する。
NFTのセキュリティ問題には理解の欠如がある。
この論文は、NFTセキュリティの最初のSoKであり、その根本原因、現実世界の攻撃、それに対処する潜在的な方法を明かしている。
論文 参考訳（メタデータ） (2023-12-13T09:16:24Z) - Transaction Fraud Detection via an Adaptive Graph Neural Network [64.9428588496749]
本稿では,アダプティブサンプリングとアグリゲーションに基づくグラフニューラルネットワーク(ASA-GNN)を提案する。
ノイズの多いノードをフィルタリングし、不正なノードを補うために、隣のサンプリング戦略を実行する。
3つのファイナンシャルデータセットの実験により,提案手法のASA-GNNは最先端のデータセットよりも優れていることが示された。
論文 参考訳（メタデータ） (2023-07-11T07:48:39Z) - With Trail to Follow: Measurements of Real-world Non-fungible Token Phishing Attacks on Ethereum [4.297180143942048]
NFTフィッシング攻撃の新しい手段が生態系に現れたという逸話が増えている。
既存の研究のほとんどは、ブロックチェーン上のネイティブ暗号通貨のフィッシング詐欺アカウントの検出に重点を置いている。
新興NFTのフィッシング攻撃の分野では、研究の欠如がある。
論文 参考訳（メタデータ） (2023-07-04T09:18:59Z) - Unveiling the Risks of NFT Promotion Scams [24.54041279375181]
我々は823のNFTプロジェクトをまとめて推進したTwitter上で439のプロモーションサービス(アカウント)を調査した。
これらのプロジェクトの36%以上が不正で、フィッシング、ラグプル、プレミント詐欺で構成されていた。
我々はTwitter上で382の不正なNFTプロジェクトを積極的に検出できる機械学習ツールを開発した。
論文 参考訳（メタデータ） (2023-01-24T04:13:44Z) - A Game of NFTs: Characterizing NFT Wash Trading in the Ethereum Blockchain [53.8917088220974]
非Fungible Token(NFT)市場は2021年に爆発的に成長し、2022年1月には月間貿易額が60億ドルに達した。
ウォッシュトレーディングの可能性に関する懸念が浮かび上がっており、あるパーティがNFTを取引してそのボリュームを人為的に膨らませる市場操作の形式である。
洗濯物取引は全NFTコレクションの5.66%に影響し、総生産量は3,406,110,774ドルである。
論文 参考訳（メタデータ） (2022-12-02T15:03:35Z) - Probably Something: A Multi-Layer Taxonomy of Non-Fungible Tokens [62.997667081978825]
非Fungible Tokens(NFT)は、メタバースの重要なビルディングブロックとして売り出されつつある。
本研究の目的は,分類学における共通の特徴を同定し,構造化することで,NFTの基本的かつ包括的理解を確立することである。
論文 参考訳（メタデータ） (2022-08-29T18:00:30Z) - Trustworthy Graph Neural Networks: Aspects, Methods and Trends [115.84291569988748]
グラフニューラルネットワーク(GNN)は,さまざまな実世界のシナリオに対して,有能なグラフ学習手法として登場した。
パフォーマンス指向のGNNは、敵の攻撃に対する脆弱性のような潜在的な副作用を示す。
こうした意図しない害を避けるためには、信頼度に特徴付けられる有能なGNNを構築する必要がある。
論文 参考訳（メタデータ） (2022-05-16T02:21:09Z) - Robustness of Bayesian Neural Networks to White-Box Adversarial Attacks [55.531896312724555]
ベイジアンネットワーク(BNN)は、ランダム性を組み込むことで、敵の攻撃を扱うのに頑丈で適している。
我々はベイズ的推論(つまり変分ベイズ)をDenseNetアーキテクチャに融合させることで、BNN-DenseNetと呼ばれるBNNモデルを作成する。
逆向きに訓練されたBNNは、ほとんどの実験で非ベイズ的で逆向きに訓練されたBNNよりも優れています。
論文 参考訳（メタデータ） (2021-11-16T16:14:44Z)
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。