論文の概要: More to Extract: Discovering MEV by Token Contract Analysis

• arxiv url: http://arxiv.org/abs/2603.07996v1
• Date: Mon, 09 Mar 2026 06:02:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:15.591096
• Title: More to Extract: Discovering MEV by Token Contract Analysis
• Title（参考訳）: 詳細:トークン契約分析によるMEVの発見
• Authors: Jiaqi Chen, Yuzhe Tang, Yue Duan,
• Abstract要約: 本稿では、Tokenスマートコントラクトから生じるブロックチェーン上の最大抽出可能な値であるtMEVの発見に取り組む。 この範囲は、アプリケーション層契約やアタッカー契約を分析する既存のMEV発見研究とは異なるが、広範囲で多様なトークン契約を無視している。 本稿では,トークン契約における非標準供給制御機能を特定する静的解析ツールtSCANや,利益率の高いtMEVの機会を明らかにする検索ツールtSEARCHなど,tMEV発見のためのテクニックのパイプラインを提案する。
• 参考スコア（独自算出の注目度）: 25.686056973641445
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper tackles the discovery of tMEV, that is, the Maximal Extractable Value on blockchains that arises from Token smart contracts. This scope differs from the existing MEV-discovery research, which analyzes application-layer contracts or attacker contracts, but ignores the wide and diverse range of token contracts. This paper presents a pipeline of techniques for tMEV discovery, including tSCAN, a static analysis tool for identifying non-standard supply-control functions in token contracts, and tSEARCH, a searcher that uncovers profitable tMEV opportunities by generating, refining, and solving token-specific constraints. By replaying real-world transactions, this paper demonstrates both the profitability of tMEV strategies and existing searchers' unawareness of them: the proposed tSEARCH extracts $10\times$ more profit than observed MEV activity on Ethereum. The practicality of tMEV searching is demonstrated through a prototype built on Slither, showing high effectiveness with low performance overhead.
• Abstract（参考訳）: 本稿では、Tokenスマートコントラクトから生じるブロックチェーン上の最大抽出可能な値であるtMEVの発見に取り組む。 この範囲は、アプリケーション層契約やアタッカー契約を分析する既存のMEV発見研究とは異なるが、広範囲で多様なトークン契約を無視している。 本稿では、トークン契約における非標準供給制御関数を識別する静的解析ツールtSCANや、トークン固有の制約の生成、精錬、解決によって利益の出るtMEVの機会を明らかにする検索ツールtSEARCHなど、tMEV発見のためのテクニックのパイプラインを提案する。 本稿では,実世界の取引を再現することにより,tMEV戦略の収益性と既存の検索者の無意識を両立させる。 tMEVサーチの実用性は、Slither上に構築されたプロトタイプを通して実証され、性能のオーバーヘッドが低い場合に高い効果を示す。

関連論文リスト

• Examining the Effectiveness of Transformer-Based Smart Contract Vulnerability Scan [0.0]
  スマートコントラクトの脆弱性スキャンに対するディープラーニングに基づくアプローチを評価する。 本稿では,トランスフォーマを用いたスマートコートの脆弱性解析装置VASCOTを提案する。 VASCOTの性能は、最先端のLSTMベースの脆弱性検出モデルと比較される。
  論文  参考訳（メタデータ） (2026-01-12T09:00:42Z)
• Long-horizon Reasoning Agent for Olympiad-Level Mathematical Problem Solving [65.02106674311908]
  本稿では,マルチラウンド階層的推論を行う長期水平数学エージェントであるIntern-S1-MOを紹介する。 コンパクトメモリをレムマの形で維持することにより、Intern-S1-MOはレムマリッチ推論空間をより自由に探索することができる。 実験の結果、インターンS1-MOはIMO2025の非幾何学的問題で35点中26点を得ることができ、銀メダリストのパフォーマンスに匹敵することがわかった。
  論文  参考訳（メタデータ） (2025-12-11T15:26:28Z)
• One Signature, Multiple Payments: Demystifying and Detecting Signature Replay Vulnerabilities in Smart Contracts [56.94148977064169]
  署名の使用状況のチェックが不足すると、繰り返し検証が行われ、許可の不正使用のリスクが増大し、契約資産が脅かされる可能性がある。 我々はこの問題をSignature Replay Vulnerability (SRV) として定義する。 37のブロックチェーンセキュリティ企業を対象とした1,419の監査報告から、詳細なSRV記述と5種類のSRVを分類した108を識別しました。
  論文  参考訳（メタデータ） (2025-11-12T09:17:13Z)
• Scam Detection for Ethereum Smart Contracts: Leveraging Graph Representation Learning for Secure Blockchain [1.2180334969164464]
  本稿では、グラフィカルな表現学習技術を用いて、取引パターンを見つけ、悪意のある取引契約を識別することを提案する。 私たちの研究は、エコシステムにおける信頼とセキュリティの可能性を拡大します。
  論文  参考訳（メタデータ） (2024-12-16T21:56:01Z)
• ForgerySleuth: Empowering Multimodal Large Language Models for Image Manipulation Detection [107.86009509291581]
  我々はForgerySleuthを提案し、包括的ヒント融合を行い、改ざんされた領域を示すセグメンテーション出力を生成する。 ForgeryAnalysisの有効性を実証し,ForgerySleuthが既存手法の堅牢性,一般化性,説明可能性において著しく優れていたことを示す。
  論文  参考訳（メタデータ） (2024-11-29T04:35:18Z)
• Maximal Extractable Value in Decentralized Finance: Taxonomy, Detection, and Mitigation [0.534772724436823]
  最大抽出可能な値(MEV)は、ブロックチェーン上の金融トランザクションから抽出することができる。 MEVは、DeFiエコシステムのセキュリティ、効率、分散化目標を破壊し、金融損失とコンセンサス不安定を引き起こす。 この調査は、研究者、開発者、利害関係者、政策立案者に貴重な洞察を提供する。
  論文  参考訳（メタデータ） (2024-10-22T12:11:41Z)
• Semantic Information Marketing in The Metaverse: A Learning-Based Contract Theory Framework [68.8725783112254]
  仮想サービスプロバイダ(VSP)によるインセンティブのメカニズム設計の問題に対処し,センサデータ販売にIoTデバイスを採用。 帯域幅が限られているため,センサIoTデバイスによる配信データを削減するためにセマンティック抽出アルゴリズムを提案する。 本稿では,新しい反復型契約設計を提案し,マルチエージェント強化学習(MARL)の新たな変種を用いて,モデル付き多次元契約問題の解法を提案する。
  論文  参考訳（メタデータ） (2023-02-22T15:52:37Z)
• ESCORT: Ethereum Smart COntRacTs Vulnerability Detection using Deep Neural Network and Transfer Learning [80.85273827468063]
  既存の機械学習ベースの脆弱性検出方法は制限され、スマートコントラクトが脆弱かどうかのみ検査される。 スマートコントラクトのための初のDeep Neural Network(DNN)ベースの脆弱性検出フレームワークであるESCORTを提案する。 ESCORTは6種類の脆弱性に対して平均95%のF1スコアを達成し,検出時間は契約あたり0.02秒であることを示す。
  論文  参考訳（メタデータ） (2021-03-23T15:04:44Z)
• Foreseeing the Benefits of Incidental Supervision [83.08441990812636]
  本稿では,実験を行なわずに,特定の目標タスクに対して,様々な種類の偶発信号の利点を定量化できるかどうかを考察する。 本稿では,PABI(PAC-Bayesian motivated informativeness measure)を提案する。
  論文  参考訳（メタデータ） (2020-06-09T20:59:42Z)

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。