論文の概要: An Adaptive Neuro-Fuzzy Blockchain-AI Framework for Secure and Intelligent FinTech Transactions
- arxiv url: http://arxiv.org/abs/2603.23829v1
- Date: Wed, 25 Mar 2026 01:28:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-26 21:06:11.080374
- Title: An Adaptive Neuro-Fuzzy Blockchain-AI Framework for Secure and Intelligent FinTech Transactions
- Title（参考訳）: セキュアかつインテリジェントフィンテックトランザクションのための適応型ニューロファジィブロックチェーンAIフレームワーク
- Authors: Gunjan Mishra, Yash Mishra,
- Abstract要約: 本稿では,FinTechトランザクションにおけるセキュリティを実現するために,適応型ニューロファジィAIフレームワーク(ANFB-AI)を提案する。
トランザクションの整合性、適応的脅威分類、統合リスクベースの意思決定を説明するために、明確な数学的モデルが作成される。
大規模シミュレーションは、正常、中等度、および高フレード条件で実行される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Financial systems have a growing reliance on computer-based and distributed systems, making FinTech systems vulnerable to advanced and quickly emerging cyber-criminal threats. Traditional security systems and fixed machine learning systems cannot identify more intricate fraud schemes whilst also addressing real-time performance and trust demands. This paper presented an Adaptive Neuro-Fuzzy Blockchain-AI Framework (ANFB-AI) to achieve security in FinTech transactions by detecting threats using intelligent and decentralized algorithms. The framework combines both an immutable, transparent and tamper resistant layer of a permissioned blockchain to maintain the immutability, transparency and resistance to tampering of transactions, and an adaptive neuro-fuzzy learning model to learn the presence of uncertainty and behavioural drift in fraud activities. An explicit mathematical model is created to explain the transaction integrity, adaptive threat classification, and unified risk based decision-making. The proposed framework uses Proof-of-Authority consensus to overcome low-latency validation of transactions and scalable real-time financial services. Massive simulations are performed in normal, moderate, and high-fraud conditions with the use of realistic financial and cryptocurrency transactions. The experimental evidence proves that ANFB-AI is always more accurate and precise than recent state-of-the-art algorithms and costs much less in terms of transaction confirmation time, propagation delay of blocks and end-to end latency. ANFB-AI performance supports the appropriateness of adaptive neuro-fuzzy intelligence to blockchain-based FinTech security.
- Abstract（参考訳）: 金融システムはコンピュータベースおよび分散システムへの依存度が高まり、フィンテックシステムは高度なサイバー犯罪の脅威に脆弱である。
従来のセキュリティシステムと固定された機械学習システムは、リアルタイムのパフォーマンスと信頼の要求にも対処しながら、より複雑な詐欺計画を特定できない。
本稿では、インテリジェントで分散化されたアルゴリズムを用いて脅威を検出することにより、フィンテックトランザクションのセキュリティを実現するための適応型ニューロファジィブロックチェーンAIフレームワーク(ANFB-AI)を提案する。
このフレームワークは、許可されたブロックチェーンの不変で透明で改ざんされた抵抗層を結合して、トランザクションの改ざんに対する不変性、透明性、抵抗性を維持するとともに、適応型ニューロファジィ学習モデルと組み合わせて、不正行為における不確実性と行動の漂流の存在を学習する。
トランザクションの整合性、適応的脅威分類、統合リスクベースの意思決定を説明するために、明確な数学的モデルが作成される。
提案フレームワークは、Proof-of-Authorityコンセンサスを使用して、トランザクションとスケーラブルなリアルタイム金融サービスの低レイテンシ検証を克服する。
大規模なシミュレーションは、現実的な金融取引と暗号通貨取引を用いて、通常、適度、高額な条件で実行される。
実験的な証拠は、ANFB-AIが最近の最先端のアルゴリズムよりも常に正確で正確であり、トランザクション確認時間、ブロックの伝搬遅延、エンドツーエンドのレイテンシの点ではるかにコストが安いことを証明している。
ANFB-AIパフォーマンスは、ブロックチェーンベースのFinTechセキュリティに対する適応型ニューロファジィインテリジェンスの有効性をサポートする。
関連論文リスト
- "Blockchain-Enabled Zero Trust Framework for Securing FinTech Ecosystems Against Insider Threats and Cyber Attacks" [0.6437284704257459]
セキュリティメカニズムは、インサイダー攻撃、マルウェア侵入、APT(Advanced Persistent Threats)のような進化する脅威に対して不十分である
本稿では、ブロックチェーン統合Zero Trustフレームワークを提案し、"Never Trust, Always"の原則に準拠した。
このフレームワークはスマートコントラクトを使用して、MFA(Multi Factor Authentication)、RBAC(Role-Based Access Control)、Just-In-Time(JIT)アクセス権限を強制する。
論文 参考訳（メタデータ） (2025-07-26T15:21:04Z) - 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) - Deep Learning Approaches for Anti-Money Laundering on Mobile Transactions: Review, Framework, and Directions [51.43521977132062]
マネーロンダリング(英: Money laundering)は、不正資金の起源を隠蔽する金融犯罪である。
モバイル決済プラットフォームとスマートIoTデバイスの普及は、マネーロンダリング対策をかなり複雑にしている。
本稿では,AMLにおけるディープラーニングソリューションとその利用に関する課題について,包括的レビューを行う。
論文 参考訳（メタデータ） (2025-03-13T05:19:44Z) - Efficient and Trustworthy Block Propagation for Blockchain-enabled Mobile Embodied AI Networks: A Graph Resfusion Approach [60.80257080226662]
本稿では,コンソーシアムブロックチェーン対応MEANETのためのグラフ再拡散モデルに基づく信頼性の高いブロック伝搬最適化フレームワークを提案する。
具体的には,信頼クラウドモデルに基づく革新的な信頼計算機構を提案する。
グラフニューラルネットワークと拡散モデルの強みを利用して,最適なブロック伝搬軌跡を効果的かつ適応的に生成するグラフ拡散モデルを開発した。
論文 参考訳（メタデータ） (2025-01-26T07:47:05Z) - Digital Twin-Assisted Federated Learning with Blockchain in Multi-tier Computing Systems [67.14406100332671]
産業用 4.0 システムでは、リソース制約のあるエッジデバイスが頻繁にデータ通信を行う。
本稿では,デジタルツイン (DT) とフェデレーション付きデジタルツイン (FL) 方式を提案する。
提案手法の有効性を数値解析により検証した。
論文 参考訳（メタデータ） (2024-11-04T17:48:02Z) - A Novel Endorsement Protocol to Secure BFT-Based Consensus in Permissionless Blockchain [1.3723120574076126]
BFTベースのコンセンサスメカニズムは、ネットワークの高スケーラビリティ要件を満たすために、許可されたブロックチェーンで広く採用されている。
Sybil攻撃は、無許可ブロックチェーンにBFTベースのコンセンサスメカニズムを適用する際の最も潜在的な脅威の1つである。
本稿では,認証と検証プロセスの合理化と拡張性を実現するシグネチャアルゴリズムを用いた,新規なサポートベースのブートストラッププロトコルを提案する。
論文 参考訳（メタデータ） (2024-05-04T03:00:33Z) - QFNN-FFD: Quantum Federated Neural Network for Financial Fraud Detection [4.2435928520499635]
本研究ではQFNN-FFD(Quantum Federated Neural Network for Financial Fraud Detection)を提案する。
QFNN-FFDは、金融詐欺検出のために、量子機械学習(QML)とFederated Learning(FL)との量子コンピューティングを統合するフレームワークである。
量子技術の計算能力とFLが提供する堅牢なデータプライバシ保護を利用することで、QFNN-FFDは不正取引を識別するためのセキュアで効率的な方法として現れる。
論文 参考訳（メタデータ） (2024-04-03T09:19:46Z) - Trustworthy Federated Learning via Blockchain [30.887469477336783]
統合学習(FL)は、コラボレーティブデバイス上でグローバルAIモデルをトレーニングするための、有望なプライバシ保護フレームワークとみなされている。
FLフレームワークには、悪意のあるデバイスからのビザンチン攻撃や、悪意のあるサーバからのモデル改ざん攻撃など、セキュリティ上の課題がまだ残っている。
セキュアなグローバルアグリゲーションアルゴリズムを用いて、悪意のあるデバイスに抵抗する分散FL(B-FL)アーキテクチャを提案する。
我々は,B-FLがエッジデバイスやサーバからの悪意ある攻撃に抵抗できることを示し,B-FLのトレーニング遅延を深層強化学習に基づくアルゴリズムにより著しく低減できることを示した。
論文 参考訳（メタデータ） (2022-08-13T03:43:10Z)
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。