論文の概要: Correlating Account on Ethereum Mixing Service via Domain-Invariant feature learning

• arxiv url: http://arxiv.org/abs/2505.09892v1
• Date: Thu, 15 May 2025 01:27:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-16 22:29:06.146497
• Title: Correlating Account on Ethereum Mixing Service via Domain-Invariant feature learning
• Title（参考訳）: ドメイン不変特徴学習によるEthereum混合サービスに関する考察
• Authors: Zheng Che, Taoyu Li, Meng Shen, Hanbiao Du, Liehuang Zhu,
• Abstract要約: Tornado Cashのようなサービスを混在させることによるトランザクションの追跡不能は、ブロックチェーンのセキュリティと金融規制に重大な課題をもたらす。 我々は、クロスタスクなドメイン不変の機能学習を通じてこれらの制限に対処する新しいフレームワークであるStealthLinkを提案する。 実世界の混合トランザクションデータセットの実験は、StealthLinkが10ショットの学習シナリオで96.98%のF1スコアで最先端のパフォーマンスを達成することを示した。
• 参考スコア（独自算出の注目度）: 13.405407918706254
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The untraceability of transactions facilitated by Ethereum mixing services like Tornado Cash poses significant challenges to blockchain security and financial regulation. Existing methods for correlating mixing accounts suffer from limited labeled data and vulnerability to noisy annotations, which restrict their practical applicability. In this paper, we propose StealthLink, a novel framework that addresses these limitations through cross-task domain-invariant feature learning. Our key innovation lies in transferring knowledge from the well-studied domain of blockchain anomaly detection to the data-scarce task of mixing transaction tracing. Specifically, we design a MixFusion module that constructs and encodes mixing subgraphs to capture local transactional patterns, while introducing a knowledge transfer mechanism that aligns discriminative features across domains through adversarial discrepancy minimization. This dual approach enables robust feature learning under label scarcity and distribution shifts. Extensive experiments on real-world mixing transaction datasets demonstrate that StealthLink achieves state-of-the-art performance, with 96.98\% F1-score in 10-shot learning scenarios. Notably, our framework shows superior generalization capability in imbalanced data conditions than conventional supervised methods. This work establishes the first systematic approach for cross-domain knowledge transfer in blockchain forensics, providing a practical solution for combating privacy-enhanced financial crimes in decentralized ecosystems.
• Abstract（参考訳）: Tornado CashのようなEthereumの混合サービスによって促進されるトランザクションの追跡性は、ブロックチェーンのセキュリティと金融規制に重大な課題をもたらす。 既存の混合アカウントの関連付け方法は、ラベル付きデータに制限があり、ノイズの多いアノテーションに脆弱性があるため、実際の適用性が制限される。 本稿では、クロスタスクなドメイン不変な特徴学習を通じてこれらの制限に対処する新しいフレームワークであるStealthLinkを提案する。 私たちの重要なイノベーションは、よく研究されているブロックチェーン異常検出のドメインから、トランザクショントレースを混合するデータスキャンタスクに知識を移すことです。 具体的には,混合グラフを符号化して局所的なトランザクショナルパターンをキャプチャするMixFusionモジュールを設計し,また,ドメイン間の識別的特徴を最小化することで,ドメイン間での識別的特徴を整合させる知識伝達機構を導入する。 この2つのアプローチは、ラベルの不足と分散シフトの下で、堅牢な特徴学習を可能にする。 実世界の混合トランザクションデータセットに関する大規模な実験は、StealthLinkが10ショットの学習シナリオで96.98\% F1スコアで最先端のパフォーマンスを達成することを示した。 特に,本フレームワークは従来の教師付き手法よりも不均衡なデータ条件において優れた一般化能力を示す。 この研究は、ブロックチェーンの法医学におけるクロスドメインな知識伝達のための最初の体系的なアプローチを確立し、分散化されたエコシステムにおけるプライバシー強化された金融犯罪と戦うための実践的なソリューションを提供する。

関連論文リスト

• 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)
• 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)
• Graph Attention Network-based Block Propagation with Optimal AoI and Reputation in Web 3.0 [59.94605620983965]
  我々は、ブロックチェーン対応Web 3.0のための、グラフ注意ネットワーク(GAT)ベースの信頼できるブロック伝搬最適化フレームワークを設計する。 ブロック伝搬の信頼性を実現するために,主観的論理モデルに基づく評価機構を導入する。 グラフ構造化データの処理能力に優れたGATが存在することを考慮し、GATを強化学習に利用して最適なブロック伝搬軌道を得る。
  論文  参考訳（メタデータ） (2024-03-20T01:58:38Z)
• 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)
• Enhancing Multiple Reliability Measures via Nuisance-extended Information Bottleneck [77.37409441129995]
  トレーニングデータに制限がある現実的なシナリオでは、データ内の多くの予測信号は、データ取得のバイアスからより多く得る。 我々は,相互情報制約の下で,より広い範囲の摂動をカバーできる敵の脅威モデルを考える。 そこで本研究では,その目的を実現するためのオートエンコーダベーストレーニングと,提案したハイブリッド識別世代学習を促進するための実用的なエンコーダ設計を提案する。
  論文  参考訳（メタデータ） (2023-03-24T16:03:21Z)
• Balancing Discriminability and Transferability for Source-Free Domain Adaptation [55.143687986324935]
  従来のドメイン適応(DA)技術は、ドメイン不変表現を学習することでドメイン転送性を改善することを目的としている。 ラベル付けされたソースとラベル付けされていないターゲットへの同時アクセス要件は、ソースフリーなDA設定に適さない。 そこで本研究では,原文と翻訳サンプルの混在が識別可能性と伝達可能性のトレードオフを促進することを示す新しい知見を導出する。
  論文  参考訳（メタデータ） (2022-06-16T09:06:22Z)
• Temporal-Amount Snapshot MultiGraph for Ethereum Transaction Tracking [5.579169055801065]
  ネットワークの観点からのトランザクションのより深い理解を提供するリンク予測によるトランザクション追跡の問題について検討する。 具体的には,TASMG(temporal-amount snapshot multigraph)とTAW(temporal-amount walk)からなる組込みリンク予測フレームワークを提案する。 トランザクションネットワークの現実的なルールと特徴を考慮することにより、TASMGはトランザクションレコードを時間単位のネットワークとしてモデル化し、TAWはトランザクションレコードを介してアカウントを効果的に埋め込みます。
  論文  参考訳（メタデータ） (2021-02-16T08:21:16Z)

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。