論文の概要: Fishing for Phishers: Learning-Based Phishing Detection in Ethereum Transactions
- arxiv url: http://arxiv.org/abs/2504.17953v1
- Date: Thu, 24 Apr 2025 21:41:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:53.583286
- Title: Fishing for Phishers: Learning-Based Phishing Detection in Ethereum Transactions
- Title(参考訳): フィッシング・フォー・フィッシング:Ethereumトランザクションにおける学習に基づくフィッシング検出
- Authors: Ahod Alghuried, Abdulaziz Alghamdi, Ali Alkinoon, Soohyeon Choi, Manar Mohaisen, David Mohaisen,
- Abstract要約: フィッシング検出モデルの性能に異なる特徴セットがどう影響するかを示す。
また、クラス不均衡やデータセットの構成といった重要な課題にも対処します。
本研究は, 対人環境におけるモデルレジリエンスと一般化に対する特徴の影響について, より明確な理解を提供するものである。
- 参考スコア(独自算出の注目度): 9.362363409064546
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Phishing detection on Ethereum has increasingly leveraged advanced machine learning techniques to identify fraudulent transactions. However, limited attention has been given to understanding the effectiveness of feature selection strategies and the role of graph-based models in enhancing detection accuracy. In this paper, we systematically examine these issues by analyzing and contrasting explicit transactional features and implicit graph-based features, both experimentally and analytically. We explore how different feature sets impact the performance of phishing detection models, particularly in the context of Ethereum's transactional network. Additionally, we address key challenges such as class imbalance and dataset composition and their influence on the robustness and precision of detection methods. Our findings demonstrate the advantages and limitations of each feature type, while also providing a clearer understanding of how feature affect model resilience and generalization in adversarial environments.
- Abstract(参考訳): Ethereum上のフィッシング検出は、高度な機械学習技術を活用して不正なトランザクションを特定している。
しかし, 特徴選択戦略の有効性と, 検出精度の向上におけるグラフベースモデルの役割について, 限定的な注意が払われている。
本稿では,これらの問題を,明示的なトランザクショナル特徴と暗黙的なグラフベース特徴を実験的・解析的に分析・対比することによって,体系的に検討する。
異なる機能セットがフィッシング検出モデルのパフォーマンスにどのように影響するか、特にEthereumのトランザクションネットワークのコンテキストで検討する。
さらに,クラス不均衡やデータセット構成といった重要な課題に対処し,検出手法の堅牢性と精度に与える影響について検討する。
本研究は,各特徴タイプの長所と短所を示すとともに,モデルレジリエンスと対向環境の一般化にどう影響するかを,より明確に理解する。
関連論文リスト
- Evaluating the Vulnerability of ML-Based Ethereum Phishing Detectors to Single-Feature Adversarial Perturbations [9.362363409064546]
本稿では,不正取引検出の文脈において,単純な単一機能攻撃に対する機械学習モデルの脆弱性について検討する。
総合的な実験を通じて,様々な敵攻撃戦略がモデル性能指標に与える影響について検討する。
モデルロバスト性を向上し, その効果を示すために, 対戦訓練や特徴選択の強化など, 異なる緩和戦略の有効性を検討する。
論文 参考訳(メタデータ) (2025-04-24T15:54:56Z) - Simple Perturbations Subvert Ethereum Phishing Transactions Detection: An Empirical Analysis [12.607077453567594]
精度,精度,リコール,F1スコアなどのモデル性能指標に対する各種敵攻撃戦略の影響について検討する。
モデルロバスト性を高めるために, 対戦訓練や特徴選択の強化など, 様々な緩和策の有効性を検討する。
論文 参考訳(メタデータ) (2024-08-06T20:40:20Z) - Facilitating Feature and Topology Lightweighting: An Ethereum Transaction Graph Compression Method for Malicious Account Detection [3.877894934465948]
Bitcoinは暗号通貨の主要なグローバルプラットフォームの一つとなり、金融エコシステムの多様化を促進する上で重要な役割を果たしている。
従来の規制手法は通常、機能エンジニアリングや大規模トランザクショングラフマイニングを通じて悪意のあるアカウントを検出する。
本稿では,TGC4Ethというトランザクショングラフ圧縮手法を提案する。
論文 参考訳(メタデータ) (2024-05-14T02:21:20Z) - On the Potential of Network-Based Features for Fraud Detection [3.0846824529023382]
本稿では、パーソナライズされたPageRank(PPR)アルゴリズムを用いて、詐欺の社会的ダイナミクスを捉える。
主な目的は、従来の特徴と不正検出モデルにおけるPPRの追加を比較することである。
その結果,PPRの統合はモデルの予測能力を向上し,ベースラインモデルを上回ることが示唆された。
論文 参考訳(メタデータ) (2024-02-14T13:20:09Z) - Understanding Robust Overfitting from the Feature Generalization Perspective [61.770805867606796]
逆行訓練(AT)は、逆行摂動を自然データに組み込むことで、堅牢なニューラルネットワークを構築する。
これはロバストオーバーフィッティング(RO)の問題に悩まされ、モデルのロバスト性を著しく損なう。
本稿では,新しい特徴一般化の観点からROを考察する。
論文 参考訳(メタデータ) (2023-10-01T07:57:03Z) - Investigating Human-Identifiable Features Hidden in Adversarial
Perturbations [54.39726653562144]
我々の研究では、最大5つの攻撃アルゴリズムを3つのデータセットにわたって探索する。
対人摂動における人間の識別可能な特徴を同定する。
画素レベルのアノテーションを用いて、そのような特徴を抽出し、ターゲットモデルに妥協する能力を実証する。
論文 参考訳(メタデータ) (2023-09-28T22:31:29Z) - Improving robustness of jet tagging algorithms with adversarial training [56.79800815519762]
本研究では,フレーバータグ付けアルゴリズムの脆弱性について,敵攻撃による検証を行った。
シミュレーション攻撃の影響を緩和する対人訓練戦略を提案する。
論文 参考訳(メタデータ) (2022-03-25T19:57:19Z) - Information-Theoretic Odometry Learning [83.36195426897768]
生体計測推定を目的とした学習動機付け手法のための統合情報理論フレームワークを提案する。
提案フレームワークは情報理論言語の性能評価と理解のためのエレガントなツールを提供する。
論文 参考訳(メタデータ) (2022-03-11T02:37:35Z) - Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。
IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
論文 参考訳(メタデータ) (2021-07-26T10:40:59Z) - Understanding Failures of Deep Networks via Robust Feature Extraction [44.204907883776045]
本研究では,視覚的特徴を識別し,不在や不在がパフォーマンスの低下を招き,失敗を特徴づけ,説明することを目的とした手法を紹介し,検討する。
我々は、分離されたロバストモデルの表現を活用して、解釈可能な特徴を抽出し、これらの特徴を利用して障害モードを特定します。
論文 参考訳(メタデータ) (2020-12-03T08:33:29Z) - Information Obfuscation of Graph Neural Networks [96.8421624921384]
本稿では,グラフ構造化データを用いた学習において,情報難読化による機密属性保護の問題について検討する。
本稿では,全変動量とワッサーシュタイン距離を交互に学習することで,事前決定された機密属性を局所的にフィルタリングするフレームワークを提案する。
論文 参考訳(メタデータ) (2020-09-28T17:55:04Z) - Influence Functions in Deep Learning Are Fragile [52.31375893260445]
影響関数は、テスト時間予測におけるサンプルの効果を近似する。
影響評価は浅いネットワークでは かなり正確です
ヘッセン正則化は、高品質な影響推定を得るために重要である。
論文 参考訳(メタデータ) (2020-06-25T18:25:59Z)
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。