論文の概要: LROO Rug Pull Detector: A Leakage-Resistant Framework Based on On-Chain and OSINT Signals

• arxiv url: http://arxiv.org/abs/2603.11324v1
• Date: Wed, 11 Mar 2026 21:35:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-13 14:46:25.659173
• Title: LROO Rug Pull Detector: A Leakage-Resistant Framework Based on On-Chain and OSINT Signals
• Title（参考訳）: LROOラグプル検出器:オンチェーン信号とOSINT信号に基づく漏洩抵抗型フレームワーク
• Authors: Fatemeh Shoaei, Mohammad Pishdar, Mozafar Bag-Mohammadi, Mojtaba Karami,
• Abstract要約: rug pullはスマートコントラクトベースのエコシステムにおける最も一般的な攻撃の1つです。 本稿では,早期のラグプル検出のためのリーク・アウェア・フレームワークを提案する。 オンチェーンの行動メトリクスと時間的に整合したオープンソースインテリジェンス(OSINT)信号を統合する。
• 参考スコア（独自算出の注目度）: 1.0382948833881696
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Smart contract-based ecosystems enable decentralized applications without trusted intermediaries, but their immutability and permissionless design also facilitate large-scale fraud. One of the most prevalent attacks is the rug pull, where project operators abruptly withdraw liquidity after artificially inflating token value. Existing detection methods primarily rely on reactive on-chain signals and often suffer from temporal data leakage, limiting their real-world reliability. This paper proposes a leakage-aware framework for early rug-pull detection that integrates on-chain behavioral metrics with temporally aligned Open Source Intelligence (OSINT) signals. We construct a hand-labeled dataset of 1,000 token projects, spanning DeFi and non-DeFi settings, with all features extracted strictly prior to any liquidity withdrawal to preserve causal validity. The dataset combines structural on-chain indicators with external attention signals derived from social media activity and search trends. Within this framework, TabPFN is employed as a core modeling component for learning from multimodal tabular data under strict temporal constraints. Experimental results show that the proposed framework achieves strong discriminative performance and improved probability calibration compared to classical baselines, while maintaining low false-negative rates. By framing rug-pull detection as a causal, multimodal forecasting problem, this work emphasizes the necessity of leakage-resilient evaluation and calibrated risk estimation for deployment in blockchain security systems.
• Abstract（参考訳）: スマートコントラクトベースのエコシステムは、信頼できる仲介者なしで分散アプリケーションを実現しますが、その不変性と無許可設計は、大規模な不正を助長します。 最も一般的な攻撃の1つは、ルーグプルであり、そこでは、プロジェクトオペレーターが、トークン値を人工的に膨らませた後、突然流動性を取り出す。 既存の検出方法は、主にリアクティブなオンチェーン信号に依存しており、しばしば時間的データ漏洩に悩まされ、実際の信頼性が制限される。 本稿では,初期ルーグプル検出のためのリーク・アウェア・フレームワークを提案する。このフレームワークは,オンチェーンの動作メトリクスと時間的に整合したオープンソースインテリジェンス(OSINT)信号を統合する。 我々はDeFiと非DeFi設定にまたがる1000のトークンプロジェクトの手書きデータセットを構築し、因果正当性を維持するために、流動性離脱前に厳密に抽出されたすべての特徴について述べる。 このデータセットは、構造上のオンチェーンインジケータと、ソーシャルメディアのアクティビティや検索トレンドから派生した外部の注意信号を組み合わせる。 このフレームワーク内では、TabPFNは厳密な時間制約の下でマルチモーダル表データから学習するためのコアモデリングコンポーネントとして使用される。 実験結果から,提案手法は従来のベースラインに比べて高い判別性能と確率校正性を実現し,偽陰性率を低く抑えていることがわかった。 ルーグプル検出を因果的かつマルチモーダルな予測問題として定義することにより、ブロックチェーンセキュリティシステムへのデプロイにおいて、リーク耐性評価とキャリブレーションされたリスク推定の必要性を強調する。

関連論文リスト

• TM-RUGPULL: A Temporary Sound, Multimodal Dataset for Early Detection of RUG Pulls Across the Tokenized Ecosystem [1.0382948833881696]
  TM-RugPullはDeFi、ミームコイン、NFT、有名人をテーマとしたトークンにまたがる1,028のトークンプロジェクトのリーク耐性データセットである。 RugPullは、チェーンの振る舞い、スマートコントラクトメタデータ、OSINT信号に関するすべての特徴をプロジェクトのライフサイクルの前半から厳密に抽出することで、厳格な時間的衛生を強制する。
  論文  参考訳（メタデータ） (2026-02-25T03:32:28Z)
• Tri-LLM Cooperative Federated Zero-Shot Intrusion Detection with Semantic Disagreement and Trust-Aware Aggregation [5.905949608791961]
  本稿では,言語に基づくセマンティック管理をフェデレーション最適化に組み込んだ,セマンティックス駆動のフェデレーションIDSフレームワークを提案する。 このフレームワークは、目に見えない攻撃パターンに対して80%以上のゼロショット検出精度を達成し、類似性に基づくベースラインと比較してゼロデイ識別を10%以上改善する。
  論文  参考訳（メタデータ） (2026-01-30T16:38:05Z)
• Robust Federated Learning for Malicious Clients using Loss Trend Deviation Detection [0.0]
  フェデレートラーニング(FL)は、ローカルデバイスに生データが残ることを保証しながら、分散クライアント間の協調的なモデルトレーニングを容易にする。 このようなクライアントは、誤解を招く更新を送信することでトレーニングプロセスに干渉し、グローバルモデルのパフォーマンスと信頼性に悪影響を及ぼす可能性がある。 モデル勾配ではなく時間的損失のダイナミクスを監視して悪意のある行動を検知・緩和する,軽量かつプライバシ保護型防衛フレームワークであるFL-LTDを提案する。
  論文  参考訳（メタデータ） (2026-01-28T18:09:53Z)
• Confidence-Based Response Abstinence: Improving LLM Trustworthiness via Activation-Based Uncertainty Estimation [7.3923284353934875]
  本稿では,大規模言語モデル(LLM)出力の正しさと密接に一致したRAGシステムにおける信頼度推定手法を提案する。 提案手法は、生のフィードフォワードネットワーク(FFN)を自己回帰信号として活用することにより、事前の不確実性定量化手法を拡張した。 我々の結果は、アクティベーションに基づく信頼度モデリングが、信頼性の高いRAGデプロイメントへのスケーラブルでアーキテクチャを意識したパスを提供することを示した。
  論文  参考訳（メタデータ） (2025-10-15T16:55:56Z)
• Revisiting Multivariate Time Series Forecasting with Missing Values [65.30332997607141]
  現実の時系列では欠落値が一般的である。 現在のアプローチでは、計算モジュールを使用して、不足した値を補う、計算済みの予測フレームワークが開発されている。 このフレームワークは、致命的な問題を見落としている: 欠落した値に対して基礎的な真理は存在せず、予測精度を劣化させる可能性のあるエラーの影響を受けやすいようにしている。 本稿では,Information Bottleneck原則に基づく新しいフレームワークであるConsistency-Regularized Information Bottleneck(CRIB)を紹介する。
  論文  参考訳（メタデータ） (2025-09-27T20:57:48Z)
• TrustLoRA: Low-Rank Adaptation for Failure Detection under Out-of-distribution Data [62.22804234013273]
  本稿では,共変量および意味的シフトの両条件下での拒絶による分類を統一し,促進する,単純な故障検出フレームワークを提案する。 キーとなる洞察は、障害固有の信頼性知識を低ランクアダプタで分離し、統合することにより、障害検出能力を効果的かつ柔軟に向上できるということです。
  論文  参考訳（メタデータ） (2025-04-20T09:20:55Z)
• Towards Resource-Efficient Federated Learning in Industrial IoT for Multivariate Time Series Analysis [50.18156030818883]
  異常と欠落したデータは、産業応用における厄介な問題を構成する。 ディープラーニングによる異常検出が重要な方向として現れている。 エッジデバイスで収集されたデータは、ユーザのプライバシを含む。
  論文  参考訳（メタデータ） (2024-11-06T15:38:31Z)
• Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable [70.77600345240867]
  新たな任意の任意配置(AIAO)戦略は、微調整による除去に耐性を持たせる。 拡散モデルの入力/出力空間のバックドアを設計する既存の手法とは異なり,本手法では,サンプルサブパスの特徴空間にバックドアを埋め込む方法を提案する。 MS-COCO,AFHQ,LSUN,CUB-200,DreamBoothの各データセットに関する実証研究により,AIAOの堅牢性が確認された。
  論文  参考訳（メタデータ） (2024-05-01T12:03:39Z)
• Privacy-Preserving Distributed Learning for Residential Short-Term Load Forecasting [11.185176107646956]
  電力システムの負荷データは、住宅ユーザの日常のルーチンを不注意に明らかにし、彼らの財産のセキュリティにリスクを及ぼす可能性がある。 我々はマルコフスイッチ方式の分散学習フレームワークを導入し、その収束は厳密な理論的解析によって実証される。 実世界の電力系統負荷データを用いたケーススタディにより,提案アルゴリズムの有効性を検証した。
  論文  参考訳（メタデータ） (2024-02-02T16:39:08Z)
• Free Lunch for Generating Effective Outlier Supervision [46.37464572099351]
  本稿では, ほぼ現実的な外乱監視を実現するための超効率的な手法を提案する。 提案したtextttBayesAug は,従来の方式に比べて偽陽性率を 12.50% 以上削減する。
  論文  参考訳（メタデータ） (2023-01-17T01:46:45Z)

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。