Fugu-MT 論文翻訳(概要): Hybrid GCN-GRU Model for Anomaly Detection in Cryptocurrency Transactions

論文の概要: Hybrid GCN-GRU Model for Anomaly Detection in Cryptocurrency Transactions

arxiv url: http://arxiv.org/abs/2509.07392v1
Date: Tue, 09 Sep 2025 05:14:26 GMT
ステータス: 翻訳完了
システム内更新日: 2025-09-10 14:38:27.183479
Title: Hybrid GCN-GRU Model for Anomaly Detection in Cryptocurrency Transactions
Title（参考訳）: 暗号トランザクションにおける異常検出のためのハイブリッドGCN-GRUモデル
Authors: Gyuyeon Na, Minjung Park, Hyeonjeong Cha, Soyoun Kim, Sunyoung Moon, Sua Lee, Jaeyoung Choi, Hyemin Lee, Sangmi Chai,
Abstract要約: 本稿では,構造的特徴とシーケンシャル特徴の両方をキャプチャするハイブリッドGCN-GRUモデルを提案する。実際のBitcoinトランザクションデータを使用して、私たちのモデルは0.9470の精度と0.9807のAUC-ROCを達成した。
参考スコア（独自算出の注目度）: 2.7641397266582204
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Blockchain transaction networks are complex, with evolving temporal patterns and inter-node relationships. To detect illicit activities, we propose a hybrid GCN-GRU model that captures both structural and sequential features. Using real Bitcoin transaction data (2020-2024), our model achieved 0.9470 Accuracy and 0.9807 AUC-ROC, outperforming all baselines.
Abstract（参考訳）: ブロックチェーントランザクションネットワークは、時間的パターンの進化とノード間の関係が複雑である。不正行為を検出するために,構造的特徴とシーケンシャル特徴の両方をキャプチャするハイブリッドGCN-GRUモデルを提案する。実際のBitcoinトランザクションデータ(2020-2024)を使用して、私たちのモデルは0.9470の精度と0.9807のAUC-ROCを達成した。

関連論文リスト

Efficient Blockchain-based Steganography via Backcalculating Generative Adversarial Network [105.47203971578871]
汎用ブロックチェーンベースのステガノグラフィーフレームワーク(GBSF)を提案する。送信者は、追加の隠蔽データを埋め込んでチャネル容量を高めるために、量や手数料などの必要なフィールドを生成する。 GBSFに基づいて, 可逆的生成逆ネットワーク(R-GAN)を設計する。対数直観的データ前処理とカスタムアクティベーション機能を備えたR-GAN,すなわちCCR-GANを提案する。
論文参考訳（メタデータ） (2025-06-19T04:43:41Z)
A Novel Hybrid Approach Using an Attention-Based Transformer + GRU Model for Predicting Cryptocurrency Prices [0.0]
本稿では,Transformer と Gated Recurrent Unit (GRU) アーキテクチャを統合した新しいディープラーニングハイブリッドモデルを提案する。長距離パターンのキャプチャにおけるTransformerの強みと、GRUの短期トレンドとシーケンシャルトレンドをモデル化する能力を組み合わせることで、ハイブリッドモデルは時系列予測に十分に取り組んだアプローチを提供する。提案モデルと他の4つの機械学習モデルとの比較により,提案モデルの性能を評価する。
論文参考訳（メタデータ） (2025-04-23T20:00:47Z)
Hybrid-Segmentor: A Hybrid Approach to Automated Fine-Grained Crack Segmentation in Civil Infrastructure [52.2025114590481]
エンコーダ・デコーダをベースとした手法であるHybrid-Segmentorを導入する。これにより、モデルは、様々な種類の形状、表面、き裂の大きさを区別する一般化能力を向上させることができる。提案モデルは,5つの測定基準(精度0.971,精度0.804,リコール0.744,F1スコア0.770,IoUスコア0.630)で既存ベンチマークモデルより優れ,最先端の状態を達成している。
論文参考訳（メタデータ） (2024-09-04T16:47:16Z)
Comparative Study of Bitcoin Price Prediction [0.0]
一般化を高めるために5倍のクロスバリデーションを使用し、L2正規化を利用して過度な適合とノイズを低減する。我々の研究は、GRUsモデルがBitcoinの価格を予測するLSTMモデルよりも精度が高いことを示した。
論文参考訳（メタデータ） (2024-05-13T18:10:34Z)
Effective Illicit Account Detection on Large Cryptocurrency MultiGraphs [16.25273745598176]
暗号通貨関連の不正行為の増加は、ユーザーにとって大きな損失をもたらした。現在の検出方法は、主に機能工学に依存しているか、あるいは暗号取引ネットワーク内の複雑な情報を活用するのに不十分である。本稿では,有意なエッジを持つ有向多重グラフによってモデル化された暗号取引ネットワークにおける不正なアカウントを検出する効果的な方法であるDIAMを提案する。
論文参考訳（メタデータ） (2023-09-04T09:01:56Z)
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)
Ethereum Fraud Detection with Heterogeneous Graph Neural Networks [3.5819974193845328]
グラフ解析アルゴリズムと機械学習技術は、巨大なトランザクションネットワークにおけるフィッシングにつながる不審なトランザクションを検出する。多くのグラフニューラルネットワーク(GNN)モデルが、グラフ構造にディープラーニング技術を適用するために提案されている。我々は、実際の取引ネットワークデータセットにおけるGNNモデルのモデル性能と、報告されたラベルデータのフィッシングを比較した。
論文参考訳（メタデータ） (2022-03-23T12:35:59Z)
BScNets: Block Simplicial Complex Neural Networks [79.81654213581977]
グラフ学習における最新の方向性として、SNN(Simplicial Neural Network)が最近登場した。リンク予測のためのBlock Simplicial Complex Neural Networks (BScNets) モデルを提案する。 BScNetsは、コストを抑えながら最先端のモデルよりも大きなマージンを保っている。
論文参考訳（メタデータ） (2021-12-13T17:35:54Z)
ReActNet: Towards Precise Binary Neural Network with Generalized Activation Functions [76.05981545084738]
本稿では,新たな計算コストを伴わずに,実数値ネットワークからの精度ギャップを埋めるため,バイナリネットワークを強化するためのいくつかのアイデアを提案する。まず,パラメータフリーのショートカットを用いて,コンパクトな実数値ネットワークを修正・バイナライズすることで,ベースラインネットワークを構築する。提案したReActNetはすべての最先端技術よりも大きなマージンで優れていることを示す。
論文参考訳（メタデータ） (2020-03-07T02:12:02Z)

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。