論文の概要: LOCARD: An Agentic Framework for Blockchain Forensics
- arxiv url: http://arxiv.org/abs/2604.04211v1
- Date: Sun, 05 Apr 2026 18:04:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-07 15:49:18.985139
- Title: LOCARD: An Agentic Framework for Blockchain Forensics
- Title（参考訳）: LOCARD: ブロックチェーン調査のためのエージェントフレームワーク
- Authors: Xiaohang Yu, William Knottenbelt,
- Abstract要約: ブロックチェーンの鑑識のための最初のエージェントフレームワークであるLOCARDを紹介する。
LOCARDはこの視点をTri-Core Cognitive Architectureを通じて運用する。
我々は,Sybilクラスタを分解するグループトランスファートラクションタスクのLOCARDを評価する。
- 参考スコア（独自算出の注目度）: 2.6498598849144464
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Blockchain forensics inherently involves dynamic and iterative investigations, while many existing approaches primarily model it through static inference pipelines. We propose a paradigm shift towards Agentic Blockchain Forensics (ABF), modeling forensic investigation as a sequential decision-making process. To instantiate this paradigm, we introduce LOCARD, the first agentic framework for blockchain forensics. LOCARD operationalizes this perspective through a Tri-Core Cognitive Architecture that decouples strategic planning, operational execution, and evaluative validation. Unlike generic LLM-based agents, it incorporates a Structured Belief State mechanism to enforce forensic rigor and guide exploration under explicit state constraints. To demonstrate the efficacy of the ABF paradigm, we apply LOCARD to the inherently complex domain of cross-chain transaction tracing. We introduce Thor25, a benchmark dataset comprising over 151k real-world cross-chain forensic records, and evaluate LOCARD on the Group-Transfer Tracing task for dismantling Sybil clusters. Validated against representative laundering sub-flows from the Bybit hack, LOCARD achieves high-fidelity tracing results, providing empirical evidence that modeling blockchain forensics as an autonomous agentic task is both viable and effective. These results establish a concrete foundation for future agentic approaches to large-scale blockchain forensic analysis. Code and dataset are publicly available at https://github.com/xhyumiracle/locard and https://github.com/xhyumiracle/thorchain-crosschain-data.
- Abstract（参考訳）: ブロックチェーンの法医学は本質的に動的かつ反復的な調査を伴うが、既存の多くのアプローチは静的推論パイプラインを通じてそれをモデル化している。
本稿では, エージェント・ブロックチェーン・フォレスティクス(ABF)へのパラダイムシフトを提案し, シーケンシャルな意思決定プロセスとしての法医学的調査をモデル化する。
このパラダイムをインスタンス化するために、ブロックチェーンの鑑識のための最初のエージェントフレームワークであるLOCARDを紹介します。
LOCARDは、戦略的計画、運用実行、評価検証を分離するTri-Core Cognitive Architectureを通じて、この視点を運用する。
ジェネリックLSMベースのエージェントとは異なり、法医学的な厳密さを強制し、明示的な状態制約の下で探索する構造的信念状態機構が組み込まれている。
ABFパラダイムの有効性を示すために、LOCARDを本質的に複雑なクロスチェーントランザクショントレース領域に適用する。
我々は,Sybilクラスタを分解するGroup-Transfer Tracingタスクにおいて,実世界151万件以上のクロスチェーン法定レコードからなるベンチマークデータセットTor25を紹介し,LOCARDを評価する。
Bybitハックからの代表的な洗浄サブフローに対して検証されたLOCARDは、高忠実性トレースの結果を達成し、ブロックチェーンの法医学を自律的なエージェントタスクとしてモデル化することは可能かつ効果的である、という実証的な証拠を提供する。
これらの結果は、大規模ブロックチェーンの法医学的分析に対する将来のエージェント的アプローチのための具体的な基盤を確立している。
コードとデータセットはhttps://github.com/xhyumiracle/locardとhttps://github.com/xhyumiracle/thorchain-crosschain-dataで公開されている。
関連論文リスト
- CREDIT: Certified Ownership Verification of Deep Neural Networks Against Model Extraction Attacks [54.04030169323115]
我々は、モデル抽出攻撃(MEA)に対する認証された所有権検証であるCREDITを紹介する。
DNNモデル間の類似性を定量化し、実用的な検証しきい値を提案し、このしきい値に基づいてオーナシップ検証を行うための厳密な理論的保証を提供する。
我々は、さまざまなドメインやタスクにまたがるいくつかの主流データセットに対するアプローチを広範囲に評価し、最先端のパフォーマンスを実現した。
論文 参考訳（メタデータ） (2026-02-23T23:36:25Z) - Markov Chain-based Model of Blockchain Radio Access Networks [65.59619477031194]
注意を引いた1つのワイヤレスアクセスアプローチはブロックチェーン対応RAN(B-RAN)である。
この研究はブロックチェーン技術をRANに統合するフレームワークを導入し、最先端モデルの限界にも対処する。
その結果、レイテンシの削減と同等のセキュリティにより、さまざまなアプリケーションシナリオに適したフレームワークが実現された。
論文 参考訳（メタデータ） (2025-08-20T08:28:30Z) - Efficient Blockchain-based Steganography via Backcalculating Generative Adversarial Network [105.47203971578871]
汎用ブロックチェーンベースのステガノグラフィーフレームワーク(GBSF)を提案する。
送信者は、追加の隠蔽データを埋め込んでチャネル容量を高めるために、量や手数料などの必要なフィールドを生成する。
GBSFに基づいて, 可逆的生成逆ネットワーク(R-GAN)を設計する。
対数直観的データ前処理とカスタムアクティベーション機能を備えたR-GAN,すなわちCCR-GANを提案する。
論文 参考訳（メタデータ） (2025-06-19T04:43:41Z) - Track and Trace: Automatically Uncovering Cross-chain Transactions in the Multi-blockchain Ecosystems [21.470299762211546]
クロスチェーン技術は、分散金融(DeFi)エコシステム内のシームレスな資産移動とメッセージパッシングを可能にする。
本稿では,DeFiエコシステムに特化して設計された双方向トランザクショントレースツールABCTRACERを提案する。
論文 参考訳（メタデータ） (2025-04-02T15:28:25Z) - Scalable Zero-Knowledge Proofs for Verifying Cryptographic Hashing in Blockchain Applications [16.72979347045808]
ゼロ知識証明(ZKP)は、現代のブロックチェーンシステムのスケーラビリティ問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。
本研究では,暗号ハッシュの計算完全性を保証するため,ZKPの生成と検証を行う手法を提案する。
論文 参考訳（メタデータ） (2024-07-03T21:19:01Z) - What Blocks My Blockchain's Throughput? Developing a Generalizable Approach for Identifying Bottlenecks in Permissioned Blockchains [0.3495246564946556]
許可されたブロックチェーンのボトルネックを特定するための、より統一的でグラフィカルなアプローチを開発しています。
Hyperledger FabricとQuorumという2つの広く使用されているパーミッションブロックチェーンについて、詳細なケーススタディを実施しています。
論文 参考訳（メタデータ） (2024-04-02T13:00:50Z) - Formal Verification for Blockchain-based Insurance Claims Processing [1.8087312035329557]
保険請求処理には、マルチドメインエンティティとマルチソースデータが含まれる。
チェーンコードのフォーマリズムをシミュレートし,モデルチェックによるチェーンコードの漏洩解析を行う。
論文 参考訳（メタデータ） (2024-02-20T17:29:59Z) - 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) - Blockchain Large Language Models [65.7726590159576]
本稿では,異常なブロックチェーントランザクションを検出するための動的,リアルタイムなアプローチを提案する。
提案するツールであるBlockGPTは、ブロックチェーンアクティビティのトレース表現を生成し、大規模な言語モデルをスクラッチからトレーニングして、リアルタイム侵入検出システムとして機能させる。
論文 参考訳（メタデータ） (2023-04-25T11:56:18Z)
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。