論文の概要: Towards Quantum-Ready Blockchain Fraud Detection via Ensemble Graph Neural Networks

• arxiv url: http://arxiv.org/abs/2509.23101v1
• Date: Sat, 27 Sep 2025 04:17:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 22:32:19.038916
• Title: Towards Quantum-Ready Blockchain Fraud Detection via Ensemble Graph Neural Networks
• Title（参考訳）: エンサンブルグラフニューラルネットワークによる量子可読ブロックチェーンフラッド検出に向けて
• Authors: M. Z. Haider, Tayyaba Noreen, M. Salman,
• Abstract要約: グラフ畳み込みネットワーク(GCN)、グラフ注意ネットワーク(GAT)、グラフ同型ネットワーク(GIN)を統合したアンサンブルフレームワークを提案する。 実世界の楕円型データセットを用いて、調整されたソフト投票アンサンブルは、1%未満の偽陽性率を維持しながら不正取引の高いリコールを実現する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Blockchain Business applications and cryptocurrencies such as enable secure, decentralized value transfer, yet their pseudonymous nature creates opportunities for illicit activity, challenging regulators and exchanges in anti money laundering (AML) enforcement. Detecting fraudulent transactions in blockchain networks requires models that can capture both structural and temporal dependencies while remaining resilient to noise, imbalance, and adversarial behavior. In this work, we propose an ensemble framework that integrates Graph Convolutional Networks (GCN), Graph Attention Networks (GAT), and Graph Isomorphism Networks (GIN) to enhance blockchain fraud detection. Using the real-world Elliptic dataset, our tuned soft voting ensemble achieves high recall of illicit transactions while maintaining a false positive rate below 1%, beating individual GNN models and baseline methods. The modular architecture incorporates quantum-ready design hooks, allowing seamless future integration of quantum feature mappings and hybrid quantum classical graph neural networks. This ensures scalability, robustness, and long-term adaptability as quantum computing technologies mature. Our findings highlight ensemble GNNs as a practical and forward-looking solution for real-time cryptocurrency monitoring, providing both immediate AML utility and a pathway toward quantum-enhanced financial security analytics.
• Abstract（参考訳）: ブロックチェーン ビジネスアプリケーションと、セキュアで分散化された価値転送を可能にするような暗号通貨は、その匿名性は違法な活動の機会を生み出し、反マネーロンダリング(AML)の執行において規制や取引に挑戦する。 ブロックチェーンネットワークにおける不正なトランザクションの検出には、構造的および時間的依存関係の両方をキャプチャすると同時に、ノイズや不均衡、敵の振る舞いに対する耐性を維持したモデルが必要である。 本研究では,GIN(Graph Convolutional Networks),GAT(Graph Attention Networks),GIN(Graph Isomorphism Networks)を統合し,ブロックチェーン不正検出を強化するアンサンブルフレームワークを提案する。 実世界の楕円型データセットを用いて、調整されたソフト投票アンサンブルは、1%未満の偽陽性率を維持しながら不正取引の高いリコールを実現し、個々のGNNモデルやベースライン手法を上回ります。 モジュラーアーキテクチャでは量子レディ設計フックが組み込まれており、量子特徴写像とハイブリッド量子古典グラフニューラルネットワークのシームレスな統合を可能にしている。 これにより、量子コンピューティング技術が成熟するにつれて、スケーラビリティ、堅牢性、長期適応性が保証される。 我々の発見は、リアルタイム暗号監視のための実用的で先進的なソリューションとして、GNNのアンサンブルを強調し、即時AMLユーティリティと、量子化された金融セキュリティ分析への道のりを提供する。

関連論文リスト

• Blockchain Network Analysis using Quantum Inspired Graph Neural Networks & Ensemble Models [0.32045605556635065]
  本研究では,量子インスパイアされたグラフニューラルネットワーク(QI-GNN)と,QBoostやRandom Forrestのような古典モデルを用いたエンサンブルモデルの選択の柔軟性を組み合わせた新しいアプローチを提案する。 このシステムを設計するための手法は,グラフニューラルネットワークフレームワークに新しいコンポーネントであるCP(Canonical Polyadic)分解層を組み込み,複雑なデータ構造を効率的に処理・解析する能力を向上させる。
  論文  参考訳（メタデータ） (2025-08-12T12:11:43Z)
• 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 Blockchain-based Quantum Binary Voting for Decentralized IoT Towards Industry 5.0 [21.831245120774344]
  我々はIoT量子ブロックチェーンフレームワークのための量子バイナリ投票アルゴリズムを開発した。 投票プロトコルの正確性について詳述する。 また、IBM Quantumプラットフォーム上でシミュレーションされた量子回路を用いた投票アルゴリズムの実装も提供する。
  論文  参考訳（メタデータ） (2025-03-26T05:28:18Z)
• Blockchain Security Risk Assessment in Quantum Era, Migration Strategies and Proactive Defense [2.5836862608084936]
  量子コンピューティングの出現は、ブロックチェーンシステムのセキュリティに深刻な課題をもたらす。 従来の暗号アルゴリズムは、量子コンピュータの膨大な計算能力に弱い。 本稿では,量子抵抗型ブロックチェーンへの移行のリスク評価を行う。
  論文  参考訳（メタデータ） (2025-01-21T00:27:41Z)
• Review of blockchain application with Graph Neural Networks, Graph Convolutional Networks and Convolutional Neural Networks [0.0]
  本稿では、ブロックチェーン技術におけるグラフニューラルネットワーク(GNN)、グラフ畳み込みニューラルネットワーク(GCN)、および畳み込みニューラルネットワーク(CNN)の適用についてレビューする。
  論文  参考訳（メタデータ） (2024-10-01T17:11:22Z)
• CTRQNets & LQNets: Continuous Time Recurrent and Liquid Quantum Neural Networks [76.53016529061821]
  Liquid Quantum Neural Network (LQNet) とContinuous Time Recurrent Quantum Neural Network (CTRQNet) を開発した。 LQNetとCTRQNetは、バイナリ分類によってCIFAR 10で40%の精度向上を実現している。
  論文  参考訳（メタデータ） (2024-08-28T00:56:03Z)
• Generative AI-enabled Blockchain Networks: Fundamentals, Applications, and Case Study [73.87110604150315]
  Generative Artificial Intelligence(GAI)は、ブロックチェーン技術の課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。 本稿では、まずGAI技術を紹介し、そのアプリケーションの概要を説明し、GAIをブロックチェーンに統合するための既存のソリューションについて議論する。
  論文  参考訳（メタデータ） (2024-01-28T10:46:17Z)
• Demonstration of quantum-digital payments [36.136619420474766]
  我々は、量子光が本質的に忘れられない量子暗号文を生成することによって、日々のデジタル決済をいかに確保できるかを示す。 提案したプロトコルとは異なり、我々のソリューションは長期の量子ストレージや信頼できるエージェント、認証チャネルに依存しない。 短期技術では実用的であり、量子可能なセキュリティの時代を告げるかもしれない。
  論文  参考訳（メタデータ） (2023-05-23T20:20:14Z)
• QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional Networks [124.7972093110732]
  本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。 現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。 我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
  論文  参考訳（メタデータ） (2022-11-09T21:43:16Z)

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。