論文の概要: How Reliable Is the Multi-Input Heuristic for Bitcoin Address Clustering in Law Enforcement Contexts?

• arxiv url: http://arxiv.org/abs/2607.07414v2
• Date: Thu, 09 Jul 2026 20:45:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-13 16:48:13.409208
• Title: How Reliable Is the Multi-Input Heuristic for Bitcoin Address Clustering in Law Enforcement Contexts?
• Title（参考訳）: 法執行コンテキストにおけるBitcoinアドレスクラスタリングのマルチ入力ヒューリスティックはどの程度信頼性が高いか?
• Abstract要約: アドレスクラスタリングは不正な暗号資産フローを追跡するために使用される。 広く採用されているにもかかわらず、MIHは信頼性の高い真実データに対して評価されることはめったにない。 フルクラスタを評価するメトリクスは、精度とリコールがかなり低い。
• 参考スコア（独自算出の注目度）: 4.111192859037845
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Address clustering is an important technique in blockchain forensics, widely employed by law enforcement to trace illicit crypto asset flows. The multi-input heuristic (MIH), which clusters addresses potentially associated with the same entity, is the most widely used. Yet, despite its broad adoption, the MIH has rarely been evaluated against reliable ground truth data. We implement a reusable evaluation framework covering nine established metrics and apply it to ground truth address-to-entity mappings obtained directly from European crypto asset service providers under legally mandated reporting obligations. When evaluation is restricted to reported addresses, the MIH appears strong at dataset level: we observe no mergers between reported services and recover same-service address pairs with recall 0.71. However, this result is driven by one large service and ignores unlabeled addresses absorbed into full clusters. Metrics that assess the full clusters show substantially lower precision and recall (0.36 and 0.44), meaning that services are often only partially recovered or embedded in larger clusters. Entity-level results further reveal near-complete failures for some services. When MIH-based clusters are used to support criminal suspicion, preliminary seizure of crypto assets to secure later forfeiture/ confiscation, or as evidence in trial proceedings, prosecutors and judges must account for the heuristic's metric-dependent and entity-dependent reliability.
• Abstract（参考訳）: アドレスクラスタリングはブロックチェーンの法医学において重要なテクニックであり、不正な暗号資産の流れを追跡するために法執行機関が広く使用している。 マルチインプット・ヒューリスティック(MIH)は、クラスタが同一のエンティティと潜在的に関連付けられている可能性に対処するものであり、最も広く使われている。 しかし、広く採用されているにもかかわらず、MIHは信頼性の高い真実データに対して評価されることはめったにない。 我々は、9つの確立されたメトリクスをカバーする再利用可能な評価フレームワークを実装し、それを、法的に義務づけられた報告義務の下で、欧州の暗号資産サービスプロバイダから直接得られる真理アドレス対エンタリティマッピングに応用する。 評価が報告されたアドレスに限定されると、MIHはデータセットレベルで強く見える: 報告されたサービス間のマージを観察し、リコール0.71で同一サービスのアドレスペアを復元する。 しかし、この結果はひとつの大きなサービスによって駆動され、完全なクラスタに吸収されたラベルのないアドレスを無視します。 完全なクラスタを評価するメトリクスは、精度とリコールが著しく低い(0.36と0.44)ため、サービスが部分的に回復されるか、より大きなクラスタに埋め込まれることが少なくない。 エンティティレベルの結果はさらに、いくつかのサービスのほぼ完全な障害を明らかにします。 MIHベースのクラスタが犯罪の疑いや、後続の偽造・没収の確保のための暗号資産の予備差し押さえ、または裁判の証拠として使用される場合、検察官や裁判官は、ヒューリスティックのメートル法に依存し、実体に依存した信頼性を考慮しなければならない。

関連論文リスト

• Proof of Source of Funds: Efficient On-chain Provenance of Cryptoassets [5.222265639534245]
  Proof of Source of Funds (PoSoF) は,ユーザの負担をシフトする新しい暗号フレームワークである。 PoSoFは検証可能な暗号証明を提供し、中間トランザクショントポロジをリークすることなく、資金の正当性を保証する。 私たちのベンチマークでは、完全にプライベートでプロアクティブなコンプライアンスが極めて実践的であることが示されています。
  論文  参考訳（メタデータ） (2026-06-08T21:07:02Z)
• Extending Blockchain Untraceability with Plausible Deniability [2.789569228841494]
  本稿では,移動イベント自体を共通の分散ファイナンス(DeFi)活動にブレンドすることで観測不能にすることができるかを検討する。 我々は、共通の損失発生イベントを発生させる転送のクラスであるDeniable Covert Asset Transfer (DCAT)を紹介する。 評価された設定の下では、DCAT転送は両鎖で経験的に観測できない。
  論文  参考訳（メタデータ） (2026-05-13T08:02:15Z)
• FERA: Uncertainty-Aware Federated Reasoning for Large Language Models [60.52562148874846]
  我々は、サーバがプライベートなデモンストレーションを行う異種クライアントと協調することで、多段階推論を改善するフェデレーション推論について研究する。 重要な課題は、クライアントの信頼性がクエリ依存であるのに対して、サーバはクライアントデータを検査して、どのコントリビューションが信頼できるかを判断できません。 本稿では,サーバクライアントの反復的コリファインメントに基づくトレーニングフリーフレームワークである Uncertainty-Aware Federated Reasoning (FERA) を提案する。
  論文  参考訳（メタデータ） (2026-05-11T07:04:51Z)
• GoAT-X: A Graph of Auditing Thoughts for Securing Token Transactions in Cross-Chain Contracts [52.51342355102833]
  マルチチェーンエコシステムの重要な基盤であるクロスチェーンブリッジは、攻撃者にとって主要なターゲットとなっている。 バイトコードレベルの静的解析のような既存の防御は、チェーン間の相互作用のセマンティックな複雑さを扱うには不十分である。 パターンマッチングから体系的な第一原理検証へ自動的なクロスチェーンスマートコントラクト監査を移行するフレームワークであるGoAT-Xを提案する。
  論文  参考訳（メタデータ） (2026-04-27T11:34:21Z)
• Scalable and Verifiable Federated Learning for Cross-Institution Financial Fraud Detection [0.0]
  本研究では,不正検出のためのセキュアアグリゲーションフレームワークであるDynamic Sharded Learning (DSFL)を提案する。 DSFLはトポロジを動的シャーディングに置き換え、O(N2) から m(N2) への複雑さを減らす インサイダーの脅威を軽減するために,加法的同型コミットメント機構である線形積分タグを導入する。
  論文  参考訳（メタデータ） (2026-04-25T20:49:22Z)
• AEGIS: From Clues to Verdicts -- Graph-Guided Deep Vulnerability Reasoning via Dialectics and Meta-Auditing [9.271196825503417]
  大きな言語モデル(LLM)は、脆弱性検出にますます採用されているが、その推論は基本的には正しくない。 AEGISは、未解決の投機から、クローズドな事実ベース上の法医学的検証へ、検出をシフトする新しいマルチエージェントフレームワークである。 これは、主要なベースラインと比較して偽陽性率を最大54.40%削減し、1サンプルあたりの平均コストはタスク固有のトレーニングなしで0.09ドルである。
  論文  参考訳（メタデータ） (2026-03-21T04:12:04Z)
• IMMACULATE: A Practical LLM Auditing Framework via Verifiable Computation [49.796717294455796]
  経済的なモチベーションのある逸脱を検出するための実践的な監査フレームワークIMMACULATEを提案する。 IMMACULATEは、検証可能な計算を用いて少数のリクエストを選択的に監査し、暗号オーバーヘッドを償却しながら強力な検出保証を達成する。
  論文  参考訳（メタデータ） (2026-02-26T07:21:02Z)
• StableAML: Machine Learning for Behavioral Wallet Detection in Stablecoin Anti-Money Laundering on Ethereum [1.6492745888221318]
  世界の違法なファンドフローは年間3.1兆ドルを超えており、流動性のために洗剤として好まれる。 本研究では、データセットを分析し、行動特徴を用いてロバストなAMLフレームワークを開発する。 高精度検出を自動化することにより、イノベーションを損なうことなく、経済的不作為の経済的コストを効果的に高めるアプローチを提案する。
  論文  参考訳（メタデータ） (2026-02-19T21:13:39Z)
• Favia: Forensic Agent for Vulnerability-fix Identification and Analysis [5.43098755190303]
  脆弱性修正識別のための法医学的エージェントベースのフレームワークであるFaviaを提案する。 Faviaは、スケーラブルな候補ランキングと、深く反復的なセマンティック推論を組み合わせる。 私たちは、実世界の3,708のリポジトリから800万以上のコミットからなる大規模なデータセットであるCVEVC上で、Faviaを評価しました。
  論文  参考訳（メタデータ） (2026-02-13T00:51:22Z)
• A Label-Free Heterophily-Guided Approach for Unsupervised Graph Fraud Detection [60.09453163562244]
  本稿では,非教師付きGFDのための非教師付きグラフ不正検出手法(HUGE)を提案する。 推定モジュールでは、GFD の臨界グラフ特性をキャプチャする HALO と呼ばれる新しいラベルフリーなヘテロフィリー計量を設計する。 アライメントに基づく不正検出モジュールにおいて、ランキング損失と非対称アライメント損失を有する合同GNNアーキテクチャを開発する。
  論文  参考訳（メタデータ） (2025-02-18T22:07:36Z)
• Towards Multiple References Era -- Addressing Data Leakage and Limited Reference Diversity in NLG Evaluation [55.92852268168816]
  BLEUやchrFのようなN-gramマッチングに基づく評価指標は、自然言語生成(NLG)タスクで広く利用されている。 近年の研究では、これらのマッチングベースの指標と人間の評価との間には弱い相関関係が示されている。 本稿では,これらの指標と人的評価の整合性を高めるために,テキストマルチプル参照を利用することを提案する。
  論文  参考訳（メタデータ） (2023-08-06T14:49:26Z)
• Leveraging Machine Learning for Multichain DeFi Fraud Detection [5.213509776274283]
  本稿では,最も大きなチェーンを含むさまざまなチェーンから特徴を抽出するフレームワークを提案し,広範囲なデータセットで評価する。 XGBoostやニューラルネットワークなど、さまざまな機械学習手法を使用して、DeFiと対話する不正アカウントの検出を識別した。 本稿では,新しいDeFi関連機能の導入により,評価結果が大幅に改善されることを実証する。
  論文  参考訳（メタデータ） (2023-05-17T15:48:21Z)
• Meta Clustering Learning for Large-scale Unsupervised Person Re-identification [124.54749810371986]
  メタクラスタリング学習(MCL)と呼ばれる「大規模タスクのための小さなデータ」パラダイムを提案する。 MCLは、第1フェーズのトレーニングのためにコンピューティングを節約するためにクラスタリングを介して、未ラベルデータのサブセットを擬似ラベル付けするのみである。 提案手法は計算コストを大幅に削減すると同時に,従来よりも優れた性能を実現している。
  論文  参考訳（メタデータ） (2021-11-19T04:10:18Z)
• Improving Face Recognition by Clustering Unlabeled Faces in the Wild [77.48677160252198]
  極値理論に基づく新しいアイデンティティ分離法を提案する。 重なり合うラベルノイズによる問題を大幅に低減する。 制御された設定と実際の設定の両方の実験は、我々のメソッドの一貫性のある改善を示している。
  論文  参考訳（メタデータ） (2020-07-14T12:26:50Z)

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。