論文の概要: Detecting Sybil Addresses in Blockchain Airdrops: A Subgraph-based Feature Propagation and Fusion Approach

• arxiv url: http://arxiv.org/abs/2505.09313v1
• Date: Wed, 14 May 2025 12:04:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-15 21:44:09.440154
• Title: Detecting Sybil Addresses in Blockchain Airdrops: A Subgraph-based Feature Propagation and Fusion Approach
• Title（参考訳）: ブロックチェーンエアドロップにおける安定化アドレスの検出--サブグラフに基づく特徴伝播と融合アプローチ
• Authors: Qiangqiang Liu, Qian Huang, Frank Fan, Haishan Wu, Xueyan Tang,
• Abstract要約: Sybil攻撃はブロックチェーンエコシステムに重大なセキュリティ脅威をもたらす。 本稿では,サブグラフ特徴抽出光GBMに基づく新しいシビルアドレス識別手法を提案する。
• 参考スコア（独自算出の注目度）: 10.569723963492205
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sybil attacks pose a significant security threat to blockchain ecosystems, particularly in token airdrop events. This paper proposes a novel sybil address identification method based on subgraph feature extraction lightGBM. The method first constructs a two-layer deep transaction subgraph for each address, then extracts key event operation features according to the lifecycle of sybil addresses, including the time of first transaction, first gas acquisition, participation in airdrop activities, and last transaction. These temporal features effectively capture the consistency of sybil address behavior operations. Additionally, the method extracts amount and network structure features, comprehensively describing address behavior patterns and network topology through feature propagation and fusion. Experiments conducted on a dataset containing 193,701 addresses (including 23,240 sybil addresses) show that this method outperforms existing approaches in terms of precision, recall, F1 score, and AUC, with all metrics exceeding 0.9. The methods and results of this study can be further applied to broader blockchain security areas such as transaction manipulation identification and token liquidity risk assessment, contributing to the construction of a more secure and fair blockchain ecosystem.
• Abstract（参考訳）: Sybil攻撃は、特にトークンエアドロップイベントにおいて、ブロックチェーンエコシステムに重大なセキュリティ脅威をもたらす。 本稿では,サブグラフ特徴抽出光GBMに基づく新しいシビルアドレス識別手法を提案する。 本手法は、まず、アドレス毎に2層ディープトランザクションサブグラフを構築し、次いで、シビルアドレスのライフサイクルに応じて、第1のトランザクションの時刻、第1のガス取得、エアドロップ活動の参加、最後のトランザクションを含む重要なイベント操作特徴を抽出する。 これらの時間的特徴は、シビルアドレスの動作操作の一貫性を効果的に捉える。 さらに,特徴伝播と融合を通じて,アドレス行動パターンとネットワークトポロジを包括的に記述した量とネットワーク構造の特徴を抽出する。 193,701のアドレス(23,240のシビルアドレスを含む)を含むデータセットで行った実験は、この手法が既存の手法よりも精度、リコール、F1スコア、AUCを上回り、全ての測定値が0.9を超えることを示した。 この研究の方法と結果は、トランザクション操作の識別やトークンの流動性リスク評価といった、より広範なブロックチェーンセキュリティ領域にさらに適用することができ、よりセキュアで公正なブロックチェーンエコシステムの構築に寄与する。

関連論文リスト

• Track and Trace: Automatically Uncovering Cross-chain Transactions in the Multi-blockchain Ecosystems [21.470299762211546]
  クロスチェーン技術は、分散金融(DeFi)エコシステム内のシームレスな資産移動とメッセージパッシングを可能にする。 本稿では,DeFiエコシステムに特化して設計された双方向トランザクショントレースツールABCTRACERを提案する。
  論文  参考訳（メタデータ） (2025-04-02T15:28:25Z)
• Optimizing Blockchain Analysis: Tackling Temporality and Scalability with an Incremental Approach with Metropolis-Hastings Random Walks [2.855856661274715]
  既存のメソッドは主にトランザクションネットワークのスナップショットに焦点を当てている。 本稿では,トランザクションネットワークにおけるランダムウォークに基づくノード表現学習のための漸進的なアプローチを提案する。 潜在的なアプリケーションには、トランザクションネットワークの監視、不正検出のためのブロックチェーンアドレスの効率的な分類、ネットワーク内の特別なアドレスタイプの識別などがある。
  論文  参考訳（メタデータ） (2025-01-21T20:34:38Z)
• MIETT: Multi-Instance Encrypted Traffic Transformer for Encrypted Traffic Classification [59.96233305733875]
  トラフィックの分類は、セキュリティの脅威を検出し、ネットワーク管理を最適化するために不可欠である。 トークンレベルとパケットレベルの両方の関係をキャプチャするMulti-Instance Encrypted Traffic Transformer (MIETT)を提案する。 MIETTは5つのデータセットにまたがって結果を達成し、暗号化されたトラフィックの分類と複雑なネットワーク動作の理解の有効性を示す。
  論文  参考訳（メタデータ） (2024-12-19T12:52:53Z)
• RiskSEA : A Scalable Graph Embedding for Detecting On-chain Fraudulent Activities on the Ethereum Blockchain [7.954598640724204]
  RiskSEAは、大規模ブロックチェーントランザクショングラフの動的性質を扱う、スケーラブルなリスクスコアリングシステムである。 node2vecの埋め込みを生成し、それをブロックチェーンの集合全体へ効果的にスケールするための2つの新しいアプローチを提案する。 本研究では, 動作特性とノード2vec特性を組み合わせることで, 分類性能が著しく向上することを示す。
  論文  参考訳（メタデータ） (2024-10-03T02:54:19Z)
• Scalable Zero-Knowledge Proofs for Verifying Cryptographic Hashing in Blockchain Applications [16.72979347045808]
  ゼロ知識証明(ZKP)は、現代のブロックチェーンシステムのスケーラビリティ問題に対処するための、有望なソリューションとして登場した。 本研究では,暗号ハッシュの計算完全性を保証するため,ZKPの生成と検証を行う手法を提案する。
  論文  参考訳（メタデータ） (2024-07-03T21:19:01Z)
• Object Segmentation by Mining Cross-Modal Semantics [68.88086621181628]
  マルチモーダル特徴の融合と復号を導くために,クロスモーダル・セマンティックスをマイニングする手法を提案する。 具体的には,(1)全周減衰核融合(AF),(2)粗大デコーダ(CFD),(3)多層自己超越からなる新しいネットワークXMSNetを提案する。
  論文  参考訳（メタデータ） (2023-05-17T14:30:11Z)
• 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)
• 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)

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。