論文の概要: SolRugDetector: Investigating Rug Pulls on Solana

• arxiv url: http://arxiv.org/abs/2603.24625v1
• Date: Wed, 25 Mar 2026 02:31:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-27 20:52:47.899235
• Title: SolRugDetector: Investigating Rug Pulls on Solana
• Title（参考訳）: SolRugDetector: ルグプルをSolanaで調査
• Authors: Jiaxin Chen, Ziwei Li, Zigui Jiang, Ruihong He, Yantong Zhou, Jiajing Wu, Zibin Zheng,
• Abstract要約: 本稿では,ソラナのラグプルスに関する包括的実証的研究について述べる。 オンチェーントランザクションと状態データのみを用いて不正トークンを識別する検出システムであるSolRugDetectorを提案する。 分析の結果, ソラナのラグプルズは極めて短いライフサイクル, 強い価格変動, 深刻な経済損失, 高度に組織化された集団行動を示した。
• 参考スコア（独自算出の注目度）: 44.07322754034999
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Solana has experienced rapid growth due to its high performance and low transaction costs, but the extremely low barrier to token issuance has also led to widespread Rug Pulls. Unlike Ethereum-based Rug Pulls that rely on malicious smart contracts, the unified SPL Token program on Solana shifts fraudulent behaviors toward on-chain operations such as market manipulation. However, existing research has not yet conducted a systematic analysis of these specific Rug Pull patterns on Solana. In this paper, we present a comprehensive empirical study of Rug Pulls on Solana. Based on 68 real-world incident reports, we construct and release a manually labeled dataset containing 117 confirmed Rug Pull tokens and characterize the workflow of Rug Pulls on Solana. Building on this analysis, we propose SolRugDetector, a detection system that identifies fraudulent tokens solely using on-chain transaction and state data. Experimental results show that SolRugDetector outperforms existing tools on the labeled dataset. We further conduct a large-scale measurement on 100,063 tokens newly issued in the first half of 2025 and identify 76,469 Rug Pull tokens. After validating the in-the-wild detection results, we release this dataset and analyze the Rug Pull ecosystem on Solana. Our analysis reveals that Rug Pulls on Solana exhibit extremely short lifecycles, strong price-driven dynamics, severe economic losses, and highly organized group behaviors. These findings provide insights into the Solana Rug Pull landscape and support the development of effective on-chain defense mechanisms.
• Abstract（参考訳）: ソラナは高いパフォーマンスと低い取引コストのために急速に成長してきたが、トークン発行の障壁が極端に低いため、ラグビープルズも普及している。 悪意のあるスマートコントラクトに依存するEthereumベースのRug Pullsとは異なり、Solana上のSPL Tokenプログラムは、市場操作のようなオンチェーン操作に不正な振る舞いをシフトさせる。 しかしながら、既存の研究はまだ、ソラナのこれらの特定のラグプルパターンの体系的な分析を行っていない。 本稿では,ソラナのラグプルスに関する包括的実証的研究について述べる。 68の現実世界のインシデントレポートに基づいて、117の確認されたRug Pullトークンを含む手動ラベル付きデータセットを構築し,Solana上でのRug Pullsのワークフローを特徴付ける。 この分析に基づいて,オンチェーントランザクションと状態データのみを用いて不正トークンを識別する検出システムであるSolRugDetectorを提案する。 実験の結果、SolRugDetectorはラベル付きデータセットの既存のツールよりも優れています。 さらに2025年前半に新たに発行された100,063個のトークンを大規模に測定し,76,469個のRug Pullトークンを同定した。 In-the-wild 検出結果を検証した後、このデータセットをリリースし、Solana 上の Rug Pull エコシステムを分析します。 分析の結果, ソラナのラグプルズは極めて短いライフサイクル, 強い価格変動, 深刻な経済損失, 高度に組織化された集団行動を示した。 これらの知見は、Solana Rug Pullの景観に対する洞察を与え、効果的なオンチェーン防御機構の開発を支援する。

関連論文リスト

• SseRex: Practical Symbolic Execution of Solana Smart Contracts [8.403608370743356]
  SseRexはSolana固有のバグを見つけるための最初のシンボリックな実行脆弱性検出手法である。 バイトコードのみの契約8,714件の評価は,既存のアプローチよりも優れていることを示している。
  論文  参考訳（メタデータ） (2026-03-17T10:33:11Z)
• Token Hidden Reward: Steering Exploration-Exploitation in Group Relative Deep Reinforcement Learning [64.04741347596938]
  Token Hidden Reward (THR) はトークンレベルのメトリクスで、それぞれのトークンが正しい応答の確率に与える影響を定量化する。 トレーニングダイナミクスは、高い絶対THR値を持つトークンの小さなサブセットに支配されている。 この知見は、GRPOの学習信号を修正し、エクスプロイトや探索に向けて明示的にバイアストレーニングを行うTHR誘導再重み付けアルゴリズムを示唆している。
  論文  参考訳（メタデータ） (2025-10-04T04:49:44Z)
• RPHunter: Unveiling Rug Pull Schemes in Crypto Token via Code-and-Transaction Fusion Analysis [17.258396879604387]
  Rug Pullの詐欺は暗号通貨に対する永続的な脅威として浮上している。 現在の方法は、コードリスクを検出するために事前に定義されたパターンに依存するか、統計的トランザクションデータを使用して検出モデルをトレーニングする。 我々は,RPHunterを提案する。RPHunterは,ラグプル検出のためのコードとトランザクションを統合する新しい手法である。
  論文  参考訳（メタデータ） (2025-06-23T08:34:15Z)
• A Midsummer Meme's Dream: Investigating Market Manipulations in the Meme Coin Ecosystem [57.92093214580746]
  我々は,ミーム硬貨のトケノミクスを特徴付け,その成長を3ヶ月の縦断解析で追跡する。 市場関心の誤解を招きかねない外観を生み出すために設計された人工的な成長戦略の広範な活用の証拠を見いだす。 関連するトークンの多くは以前、洗面用トレーディング(LPI)を経験しており、初期操作が後の搾取の舞台となることがしばしばあったことを示している。
  論文  参考訳（メタデータ） (2025-04-16T13:54:42Z)
• SolRPDS: A Dataset for Analyzing Rug Pulls in Solana Decentralized Finance [0.6367946001576646]
  Solanaの暴走は、分散ファイナンス(DeFi)と対話するユーザに大きなダメージを与えている。 開発者がユーザの信頼を利用して、DEX(Decentralized Exchanges)上のトークンプールから流動性を引き出すと、ラグプルが発生します。 Solanaのトランザクションから派生した最初の公開ルーグプルデータセットであるSolRPDSを紹介する。
  論文  参考訳（メタデータ） (2025-04-06T11:36:48Z)
• Token Spammers, Rug Pulls, and SniperBots: An Analysis of the Ecosystem of Tokens in Ethereum and in the Binance Smart Chain (BNB) [50.888293380932616]
  トークンと流動性のプールの生態系を研究する。 トークンの約60%が1日以内でアクティブであることが分かりました。 1日間の暴走が2億4000万ドルという利益を生み出したと見積もっている。
  論文  参考訳（メタデータ） (2022-06-16T14:20:19Z)
• How to Leverage Unlabeled Data in Offline Reinforcement Learning [125.72601809192365]
  オフライン強化学習(RL)は、静的データセットから制御ポリシーを学ぶことができるが、標準のRLメソッドと同様に、移行毎に報酬アノテーションを必要とする。 1つの自然な解決策は、ラベル付けされたデータから報酬関数を学習し、ラベル付けされていないデータをラベル付けすることである。 ラベルのないデータに単純に報酬をゼロにする方が、効果的なデータ共有につながる。
  論文  参考訳（メタデータ） (2022-02-03T18:04:54Z)

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。