論文の概要: Vision-Based Learning for Cyberattack Detection in Blockchain Smart Contracts and Transactions

• arxiv url: http://arxiv.org/abs/2512.11272v1
• Date: Fri, 12 Dec 2025 04:28:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-15 15:48:11.654153
• Title: Vision-Based Learning for Cyberattack Detection in Blockchain Smart Contracts and Transactions
• Title（参考訳）: ブロックチェーンスマートコントラクトとトランザクションにおけるサイバー攻撃検出のためのビジョンベース学習
• Authors: Do Hai Son, Le Vu Hieu, Tran Viet Khoa, Yibeltal F. Alem, Hoang Trong Minh, Tran Thi Thuy Quynh, Nguyen Viet Ha, Nguyen Linh Trung,
• Abstract要約: 本稿では,ブロックチェーンシステム内のサイバー攻撃を検出するための,新しい効果的なフレームワークを提案する。 私たちのフレームワークは、自然言語処理(NLP)技術を使用して、ブロックチェーントランザクションの重要な特徴をイメージ表現に変換する前処理ツールから始まります。 これらの画像は、複雑なパターンやセマンティックな関係を捉える能力で知られているコンピュータビジョンの最近の進歩であるビジョントランスフォーマー(ViT)を用いて、視覚に基づく解析によって分析される。
• 参考スコア（独自算出の注目度）: 1.6301630538569725
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Blockchain technology has experienced rapid growth and has been widely adopted across various sectors, including healthcare, finance, and energy. However, blockchain platforms remain vulnerable to a broad range of cyberattacks, particularly those aimed at exploiting transactions and smart contracts (SCs) to steal digital assets or compromise system integrity. To address this issue, we propose a novel and effective framework for detecting cyberattacks within blockchain systems. Our framework begins with a preprocessing tool that uses Natural Language Processing (NLP) techniques to transform key features of blockchain transactions into image representations. These images are then analyzed through vision-based analysis using Vision Transformers (ViT), a recent advancement in computer vision known for its superior ability to capture complex patterns and semantic relationships. By integrating NLP-based preprocessing with vision-based learning, our framework can detect a wide variety of attack types. Experimental evaluations on benchmark datasets demonstrate that our approach significantly outperforms existing state-of-the-art methods in terms of both accuracy (achieving 99.5%) and robustness in cyberattack detection for blockchain transactions and SCs.
• Abstract（参考訳）: ブロックチェーン技術は急速に成長し、医療、金融、エネルギーなど様々な分野に広く採用されている。 しかし、ブロックチェーンプラットフォームは、広範囲にわたるサイバー攻撃、特にトランザクションとスマートコントラクト(SC)を利用してデジタル資産を盗んだり、システムの整合性を損なうことを目的としたものに対して、依然として脆弱である。 この問題に対処するために、ブロックチェーンシステム内のサイバー攻撃を検出するための、新しく効果的なフレームワークを提案する。 私たちのフレームワークは、自然言語処理(NLP)技術を使用して、ブロックチェーントランザクションの重要な特徴をイメージ表現に変換する前処理ツールから始まります。 これらの画像は、複雑なパターンやセマンティックな関係を捉える能力で知られているコンピュータビジョンの最近の進歩であるビジョントランスフォーマー(ViT)を用いて、視覚に基づく解析によって分析される。 NLPベースの事前処理と視覚ベースの学習を統合することで、我々のフレームワークは多様な攻撃タイプを検出できる。 ベンチマークデータセットを用いた実験により,ブロックチェーントランザクションとSCのサイバー攻撃検出における精度(99.5%)とロバスト性の両方の観点から,我々のアプローチが既存の最先端手法を著しく上回ることを示した。

関連論文リスト

• BridgeShield: Enhancing Security for Cross-chain Bridge Applications via Heterogeneous Graph Mining [41.291205709614026]
  ブロックチェーンの相互運用性を実現する上で、ブロックチェーンブリッジは重要な役割を果たす。 本質的に設計上の欠陥と、それらが持つ膨大な価値のため、ハッカー攻撃の標的となっている。 既存の検出方法は、主に単一チェーンの振る舞いに対処し、クロスチェーンのセマンティクスをキャプチャできない。 我々はBridgeShieldを提案する。BridgeShieldは、ソースチェーン、オフチェーンコーディネーション、デスティネーションチェーンを統一グラフ表現内で共同でモデル化するフレームワークである。
  論文  参考訳（メタデータ） (2025-08-28T07:59:20Z)
• DoS Attacks and Defense Technologies in Blockchain Systems: A Hierarchical Analysis [0.8225825738565354]
  本稿では、既存のDoS攻撃を分類し、整理する。 コントラクト層とコンセンサス層DoSアタックの原則と方法の説明に重点を置いています。 一般的に使われている検出方法と防衛技術を総合的に分析し比較する。
  論文  参考訳（メタデータ） (2025-07-30T12:29:34Z)
• Enhancing Blockchain Cross Chain Interoperability: A Comprehensive Survey [39.613235136790244]
  学術誌,デジタル図書館,灰色文学から150以上の影響源を体系的に分析する。 私たちはAtomic Swaps、Sidechains、Light Clientsなどの相互運用性アプローチの分類を提供しています。 私たちの研究の目的は、研究者や政策立案者、業界リーダーがブロックチェーンの相互運用性の変革の可能性を活用して、現在の課題に対処し、結束したマルチチェーンエコシステムを前進させることです。
  論文  参考訳（メタデータ） (2025-05-08T04:24:50Z)
• Trusted Compute Units: A Framework for Chained Verifiable Computations [41.94295877935867]
  本稿では,異種技術間のコンポーザブルで相互運用可能な計算を可能にする統合フレームワークであるTrusted Compute Unit(TCU)を紹介する。 オンチェーンの確認遅延やガス料金を発生させることなく、セキュアなオフチェーンインタラクションを可能にすることで、TCUはシステムパフォーマンスとスケーラビリティを大幅に改善する。
  論文  参考訳（メタデータ） (2025-04-22T09:01:55Z)
• Machine Learning for Blockchain Data Analysis: Progress and Opportunities [9.07520594836878]
  ブロックチェーンデータセットは、例えば、人間のユーザ、自律的なプログラム、スマートコントラクトなど、現実世界のエンティティ間でのインタラクションの複数のレイヤを含んでいる。 これらのユニークな特徴は、ブロックチェーンデータ上での機械学習の機会と課題の両方を示している。 本稿は、研究者、実践者、政策立案者のための総合的な資源として機能し、このダイナミックで変革的な分野をナビゲートするためのロードマップを提供する。
  論文  参考訳（メタデータ） (2024-04-28T17:18:08Z)
• Enhancing Trust and Privacy in Distributed Networks: A Comprehensive Survey on Blockchain-based Federated Learning [51.13534069758711]
  ブロックチェーンのような分散型アプローチは、複数のエンティティ間でコンセンサスメカニズムを実装することで、魅力的なソリューションを提供する。 フェデレートラーニング(FL)は、参加者がデータのプライバシを保護しながら、協力的にモデルをトレーニングすることを可能にする。 本稿では,ブロックチェーンのセキュリティ機能とFLのプライバシ保護モデルトレーニング機能の相乗効果について検討する。
  論文  参考訳（メタデータ） (2024-03-28T07:08:26Z)
• 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)
• Collaborative Learning Framework to Detect Attacks in Transactions and Smart Contracts [26.70294159598272]
  本稿では、ブロックチェーントランザクションとスマートコントラクトの攻撃を検出するために設計された、新しい協調学習フレームワークを提案する。 当社のフレームワークは,マシンコードレベルでの複雑な攻撃を含む,さまざまな種類のブロックチェーン攻撃を分類する機能を示している。 我々のフレームワークは、広範囲なシミュレーションによって約94%の精度を達成し、リアルタイム実験では91%のスループットで毎秒2,150トランザクションを処理している。
  論文  参考訳（メタデータ） (2023-08-30T07:17:20Z)

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。