論文の概要: LNTest: A Testbed for Evaluating Bitcoin Lightning Network-Based Botnets
- arxiv url: http://arxiv.org/abs/2606.12887v1
- Date: Thu, 11 Jun 2026 04:29:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-12 15:55:27.579799
- Title: LNTest: A Testbed for Evaluating Bitcoin Lightning Network-Based Botnets
- Title（参考訳）: LNTest:Bitcoinライトニングネットワークベースのボットネットを評価するテストベッド
- Authors: Thomas Bakaysa, Ahmet Kurt, Abdul-Salem Beibitkhan, Jesus Maria Romo Diaz de Leon, Tag Kalat, Joshua Kramer, Estela Rodriguez, Abraham Watkins, Abdullah Aydeger,
- Abstract要約: BitcoinのLightning Networkは、ボットネットの隠蔽で低コストなコマンド・アンド・コントロールチャネルとして利用することができる。
LNTestは、Dockerでコンテナ化されたCore Lightningノードから構築されたLNベースのボットネットのための、初めての再利用可能なテストベッドです。
- 参考スコア（独自算出の注目度）: 0.24378845585726894
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Bitcoin's Lightning Network (LN) can be exploited as a covert, low-cost command-and-control (C&C) channel for botnets, as demonstrated by the LNBot and D-LNBot designs. However, both remain proof-of-concept prototypes evaluated only through simulation, leaving key questions about real-world topology formation, propagation complexity, and resilience to takedowns unanswered. We present LNTest, the first reusable testbed for LN-based botnets, built from Core Lightning nodes containerized with Docker over a shared Bitcoin Core regtest chain. LNTest supports three overlay topology modes (a deterministic chain, autonomous peer discovery, and user-supplied graphs), enabling controlled experiments across different botnet structures. Using LNTest, we report three main findings. First, D-LNBot's autonomous formation protocol does not produce the uniform chain from its design; instead, it creates a clustered chain in which cliques are linked by bridge nodes whose removal fragments the network. Second, command propagation scales linearly with botnet size ($Θ(n)$), not the $O(m \log n)$ previously claimed, and gains nothing from higher neighbor connectivity. Third, the overlay topology determines the effectiveness of takedown strategies: uniform-degree chains resist targeted removal but fragment under random failure, scale-free topologies show the opposite pattern, and the autonomous clustered chain is fragile under both, making it the most vulnerable of the three. LNTest is released as open source, with a script that reproduces all our experiments, to support reproducible research on LN-based botnet defenses.
- Abstract（参考訳）: BitcoinのLightning Network(LN)は、LNBotとD-LNBotの設計で示されているように、ボットネットの隠蔽で低コストなコマンド・アンド・コントロール(C&C)チャネルとして利用することができる。
しかし、どちらもシミュレーションによってのみ評価された概念実証プロトタイプであり、実際のトポロジの形成、伝播の複雑さ、そして未解決の分解に対するレジリエンスに関する重要な疑問を残している。
私たちはLNベースのボットネット用に初めて再利用可能なテストベッドであるLNTestを紹介します。
LNTestは3つのオーバーレイトポロジモード(決定論的連鎖、自律的なピアディスカバリ、およびユーザ供給グラフ)をサポートし、異なるボットネット構造間の制御実験を可能にする。
LNTestを用いて3つの主な所見を報告する。
まず、D-LNBotの自律的な生成プロトコルは、その設計から一様鎖を生成しない。
第二に、コマンドの伝搬はボットネットサイズ($O(m \log n)$)と線形にスケールし、以前に主張された$O(m \log n)$ではない。
第3に、オーバーレイトポロジは倒立戦略の有効性を決定する: 一様鎖は標的の除去に抵抗するが、ランダムな故障下でフラグメント、スケールフリートポロジは反対のパターンを示し、自律的なクラスタドトポロジは両下において脆弱であり、3つの中で最も脆弱である。
LNTestはオープンソースとしてリリースされ、LNベースのボットネット防御に関する再現可能な研究をサポートするために、すべての実験を再現するスクリプトが提供されている。
関連論文リスト
- Clustering Deposit and Withdrawal Activity in Tornado Cash: A Cross-Chain Analysis [0.9503773054285557]
Tornado Cashは分散型ミキサーで、暗号技術を使って預金者と引き出し者の間のチェーン上の道を切断する。
本稿では,3つのクラスタリング, (i) アドレス再利用, (ii) トランザクショナルリンク, (iii) 時間整合規則を提案する。
分析の結果, 5.1～12.6%の引き出しは, アドレス再利用や取引リンクを通じて, 既に起源の鉱床まで遡ることができることがわかった。
論文 参考訳（メタデータ） (2025-10-10T14:42:24Z) - 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) - Lite-PoT: Practical Powers-of-Tau Setup Ceremony [11.689131565202945]
Zk-SNARKは、パブリックパラメータ(しばしば「PoTのパワー」と呼ばれる)を生成するために、一度だけ信頼できる設定に依存している。
秘密パラメータの$tau$のリークにより、攻撃者は偽の証明を生成でき、その上に構築されたすべてのzk-SNARKシステムの音質を損なうことになる。
参加コストを削減するために設計された2つの主要なプロトコルを含むLite-PoTを提案する。
論文 参考訳（メタデータ） (2025-03-06T15:34:50Z) - Blockchain Amplification Attack [13.13413794919346]
攻撃者は修正ノードのネットワークトラフィックを3,600倍に増幅し,攻撃を行うために必要な約13,800倍の経済的損害を与えることを示す。
これらのリスクにもかかわらず、アグレッシブなレイテンシ削減は、修正ノードの存在を正当化するために、さまざまなプロバイダに十分な利益をもたらす可能性がある。
論文 参考訳（メタデータ） (2024-08-02T18:06:33Z) - My Brother Helps Me: Node Injection Based Adversarial Attack on Social Bot Detection [69.99192868521564]
Twitterのようなソーシャルプラットフォームは、数多くの不正なユーザーから包囲されている。
ソーシャルネットワークの構造のため、ほとんどの手法は攻撃を受けやすいグラフニューラルネットワーク(GNN)に基づいている。
本稿では,ボット検出モデルを欺いたノードインジェクションに基づく逆攻撃手法を提案する。
論文 参考訳（メタデータ） (2023-10-11T03:09:48Z) - Robust Training and Verification of Implicit Neural Networks: A
Non-Euclidean Contractive Approach [64.23331120621118]
本稿では,暗黙的ニューラルネットワークのトレーニングとロバスト性検証のための理論的および計算的枠組みを提案する。
組込みネットワークを導入し、組込みネットワークを用いて、元のネットワークの到達可能な集合の超近似として$ell_infty$-normボックスを提供することを示す。
MNISTデータセット上で暗黙的なニューラルネットワークをトレーニングするためにアルゴリズムを適用し、我々のモデルの堅牢性と、文献における既存のアプローチを通じてトレーニングされたモデルを比較する。
論文 参考訳（メタデータ） (2022-08-08T03:13:24Z) - NFDLM: A Lightweight Network Flow based Deep Learning Model for DDoS
Attack Detection in IoT Domains [0.13999481573773068]
本研究では,軽量かつ最適化されたニューラルネットワーク(ANN)ベースのDDoS攻撃検出フレームワークであるNFDLMを提案する。
全体として、ボットネットからの攻撃検出の精度は約99%である。
論文 参考訳（メタデータ） (2022-07-15T14:09:08Z) - On the Neural Tangent Kernel Analysis of Randomly Pruned Neural Networks [91.3755431537592]
ニューラルネットワークのニューラルカーネル(NTK)に重みのランダムプルーニングが及ぼす影響について検討する。
特に、この研究は、完全に接続されたニューラルネットワークとそのランダムに切断されたバージョン間のNTKの等価性を確立する。
論文 参考訳（メタデータ） (2022-03-27T15:22:19Z) - EE-Net: Exploitation-Exploration Neural Networks in Contextual Bandits [52.98326168071513]
EE-Netは、新しい探索戦略を持つニューラルネットワークベースのバンドイットアプローチである。
EE-Net が $mathcalO(sqrtTlog T)$ regret を達成することを示す。
論文 参考訳（メタデータ） (2021-10-07T04:12:36Z) - Automating Botnet Detection with Graph Neural Networks [106.24877728212546]
ボットネットは、DDoS攻撃やスパムなど、多くのネットワーク攻撃の主要なソースとなっている。
本稿では,最新のディープラーニング技術を用いてボットネット検出のポリシーを自動学習するニューラルネットワーク設計の課題について考察する。
論文 参考訳（メタデータ） (2020-03-13T15:34:33Z)
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。