論文の概要: ART: A Graph-based Framework for Investigating Illicit Activity in Monero via Address-Ring-Transaction Structures
- arxiv url: http://arxiv.org/abs/2511.16192v1
- Date: Thu, 20 Nov 2025 09:59:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-21 17:08:52.557988
- Title: ART: A Graph-based Framework for Investigating Illicit Activity in Monero via Address-Ring-Transaction Structures
- Title（参考訳）: ART: アドレスリングトランザクション構造を通じてMoneroの不正行為を調査するグラフベースのフレームワーク
- Authors: Andrea Venturi, Imanol Jerico-Yoldi, Francesco Zola, Raul Orduna,
- Abstract要約: 本稿では,モネロ取引から構造パターンと時間パターンを抽出するために,グラフに基づく新しい手法を用いたケーススタディを提案する。
これは、プライバシ保護ブロックチェーンエコシステムにおける調査作業を支援する分析ツールの開発に向けた、最初の部分的なステップである。
- 参考スコア（独自算出の注目度）: 0.9869634509510014
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As Law Enforcement Agencies advance in cryptocurrency forensics, criminal actors aiming to conceal illicit fund movements increasingly turn to "mixin" services or privacy-based cryptocurrencies. Monero stands out as a leading choice due to its strong privacy preserving and untraceability properties, making conventional blockchain analysis ineffective. Understanding the behavior and operational patterns of criminal actors within Monero is therefore challenging and it is essential to support future investigative strategies and disrupt illicit activities. In this work, we propose a case study in which we leverage a novel graph-based methodology to extract structural and temporal patterns from Monero transactions linked to already discovered criminal activities. By building Address-Ring-Transaction graphs from flagged transactions, we extract structural and temporal features and use them to train Machine Learning models capable of detecting similar behavioral patterns that could highlight criminal modus operandi. This represents a first partial step toward developing analytical tools that support investigative efforts in privacy-preserving blockchain ecosystems
- Abstract（参考訳）: 法執行機関が暗号通貨の法医学に進歩するにつれて、違法なファンドの動きを隠そうとする犯罪者は、サービスやプライバシーベースの暗号通貨を「混在」する傾向にある。
Moneroは、強力なプライバシー保護と追跡不能性のため、従来のブロックチェーン分析を非効率にするため、主要な選択肢として際立っている。
したがって、モネロにおける犯罪者の行動や行動パターンを理解することは困難であり、将来の調査戦略を支援し、違法行為を妨害することが不可欠である。
本研究では,新たに発見された犯罪行為に関連するモネロ取引から構造的・時間的パターンを抽出するために,グラフに基づく新たな手法を用いたケーススタディを提案する。
フラグ付きトランザクションからアドレス-リング-トランザクショングラフを構築することで、構造的特徴と時間的特徴を抽出し、同様の行動パターンを検出可能な機械学習モデルのトレーニングに使用します。
これは、プライバシ保護ブロックチェーンエコシステムにおける調査活動を支援する分析ツールの開発に向けた、最初の部分的なステップである。
関連論文リスト
- Towards Quantum-Ready Blockchain Fraud Detection via Ensemble Graph Neural Networks [0.0]
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。
論文 参考訳（メタデータ） (2025-09-27T04:17:23Z) - 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) - Topological Analysis of Mixer Activities in the Bitcoin Network [1.9124291792743577]
本稿では,ミキサーの操作をアドレス-応答グラフを用いて解析する手法を提案する。
ミキサーのmodus operandiを定義できる共通パターンを識別する。
このアプローチは、Bitcoinブロックチェーン内のBlender.ioミキサーアクティビティを識別するために適用される。
論文 参考訳（メタデータ） (2025-04-16T09:58:59Z) - 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) - Transaction Fraud Detection via an Adaptive Graph Neural Network [64.9428588496749]
本稿では,アダプティブサンプリングとアグリゲーションに基づくグラフニューラルネットワーク(ASA-GNN)を提案する。
ノイズの多いノードをフィルタリングし、不正なノードを補うために、隣のサンプリング戦略を実行する。
3つのファイナンシャルデータセットの実験により,提案手法のASA-GNNは最先端のデータセットよりも優れていることが示された。
論文 参考訳（メタデータ） (2023-07-11T07:48:39Z) - 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) - Detecting Anomalous Cryptocurrency Transactions: an AML/CFT Application
of Machine Learning-based Forensics [5.617291981476445]
本論文は,さまざまな手法を用いて,有向グラフネットワークとして表現されるBitcoinトランザクションの現実的なデータセットを解析する。
これは、Graph Convolutional Networks(GCN)とGraph Attention Networks(GAT)として知られるニューラルネットワークタイプが、有望なAML/CFTソリューションであることを示している。
論文 参考訳（メタデータ） (2022-06-07T16:22:55Z) - 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) - Adversarial Attack on Community Detection by Hiding Individuals [68.76889102470203]
我々はブラックボックス攻撃に焦点をあて、ディープグラフコミュニティ検出モデルの検出からターゲット個人を隠すことを目的としている。
本稿では,制約付きグラフ生成器として動作するモジュールと,サロゲート型コミュニティ検出モデルとして動作するモジュールを交互に更新する反復学習フレームワークを提案する。
論文 参考訳（メタデータ） (2020-01-22T09:50:04Z)
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。