論文の概要: Modeling Decisions in Blockchain Analytics: A Leakage-Aware Evaluation of Tree-Based vs. Sequential Models

• arxiv url: http://arxiv.org/abs/2607.27350v1
• Date: Wed, 29 Jul 2026 18:08:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-31 21:37:00.300475
• Title: Modeling Decisions in Blockchain Analytics: A Leakage-Aware Evaluation of Tree-Based vs. Sequential Models
• Title（参考訳）: ブロックチェーン分析における決定のモデル化:木に基づくシーケンスモデルとシーケンスモデルの漏洩を考慮した評価
• Abstract要約: Sybilbotsは、正当なユーザーを模倣してエアドロップ報酬を抽出したり、ガバナンスに影響を与えるアクターである。 オーガニックユーザ、Sybilボット、MEVボットは、トランザクション履歴の構造的複雑さが異なるかどうかを問う。 我々はBlind-Spotプロトコルとトランザクション文法による財布の挙動の表現からSybilボットの検出を行う。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sybil bots are Ethereum actors that imitate legitimate users to extract airdrop rewards or influence governance. Recent Sybil detection methods increasingly use deep learning and treat blockchain activity as a quasi-linguistic sequence. However, complex sequence models are computationally expensive for real-time monitoring, and their reported performance may be inflated by label leakage from high-signal smart contracts. We ask whether and how organic users, Sybil bots, and MEV bots differ in the structural complexity of their transaction histories; whether sequential models outperform tree-based tabular models once leakage is reduced; whether transaction order or timing provides the stronger behavioral signal; and whether the resulting models are practical for low-latency deployment. Our approach to leakage-aware Sybil bot detection consists of a Blind-Spot protocol and a Transaction Grammar representation of wallet behavior. The former eliminates shortcuts associated with high-signal contracts, whereas the latter models wallets using rhythm, EVM execution structure, and intent. We evaluate this approach on Ethereum actor classification by comparing Transformer and BiLSTM sequence models against XGBoost and SVM baselines. We contribute a framework for leakage-aware Ethereum actor classification and a Transaction Grammar representation of wallet behavior. Our results demonstrate that, under leakage-aware evaluation, XGBoost outperforms Transformer-based sequence models while providing lower latency and estimated energy use.
• Abstract（参考訳）: Sybilbotsは、正当なユーザーを模倣してエアドロップ報酬を抽出したり、ガバナンスに影響を与えるEthereumアクターである。 近年のSybil検出手法では、ディープラーニングを使用して、ブロックチェーンアクティビティを準言語的シーケンスとして扱うようになっている。 しかし、複雑なシーケンスモデルはリアルタイム監視には計算コストがかかり、その報告された性能は高信号のスマートコントラクトからのラベルリークによって増大する可能性がある。 我々は、オーガニックユーザ、Sybilボット、MEVボットが、トランザクション履歴の構造的複雑さにどのように違いがあるのか、そして、一度リークするとツリーベースのタブモデルよりも優れたシーケンシャルモデルなのか、トランザクション順序やタイミングがより強力な行動シグナルを提供するのか、そして、結果として得られるモデルは低レイテンシデプロイメントに実用的であるのかを問う。 我々はBlind-Spotプロトコルとトランザクション文法による財布の挙動の表現からSybilボットの検出を行う。 前者は高信号契約に関連するショートカットを排除し、後者はリズム、EVM実行構造、インテントを使用してウォレットをモデル化する。 本手法は,Transformer と BiLSTM のシーケンスモデルと XGBoost と SVM のベースラインを比較し,Ethereum アクターの分類について評価する。 リーク対応Ethereumアクター分類のためのフレームワークと,ウォレット動作のトランザクション文法表現にコントリビュートする。 以上の結果から,XGBoostは低いレイテンシと推定エネルギー使用量を提供しながら,Transformerベースのシーケンスモデルよりも優れた性能を示した。

関連論文リスト

• Compression-Based Behavioral Similarity for Open-World Sybil Discovery on Ethereum [0.0]
  Sybilアタッカー(Sybil attacks)は、通常のユーザの特徴を取り入れたアクターである。 GzipベースのNCDは、Sybil発見のための行動グラフを構築するために使用される。 コアとなるNCDプリミティブは教師付きトレーニングを必要とせず、明確な資金リンクなしで不審なシードウォレットを拡張することができる。
  論文  参考訳（メタデータ） (2026-07-29T18:23:58Z)
• PhyAgentOS: A Self-Evolving Operating System for Embodied Agents with Decoupled Cognitive Planning and Physical Execution [49.776611937968]
  我々は、スケジューリング、検証、メモリ、ベンチマーク、安全性をシステムレベルのサービスとして提供するPhyAgentOSを紹介します。 セッション中心のセッションは、スケジューリング、互換性、監督された実行、エビデンス収集、受け入れの最小単位として、アクションではなくセッションを扱う。 SessionVerifierは、実行終了とセマンティックタスク完了を、成功、失敗、または再計画のエビデンスに基づいて判断する。 ベンチマークはデプロイメントセッションと検証パスを再利用するので、結果は実際の実行に遡る。
  論文  参考訳（メタデータ） (2026-07-18T04:46:53Z)
• Quantum-Inspired Contextual Learning for Sparse-Ring Fraud Detection in Dynamic Transaction Graphs [0.0]
  協調詐欺は個々の取引だけでは見えず、多周期関係パターンとして現れる可能性がある。 我々はスパースリング詐欺(sparse-ring fraud)に焦点をあてる。これは、完了した指示サイクルが数日にわたって分散されるスタイル化されたパターンである。 本研究では, スパースリングインジェクションが完了し, デコイが破損した合成トランザクションシミュレータを用いてこの問題を考察する。
  論文  参考訳（メタデータ） (2026-06-22T05:38:02Z)
• Temporal Motif-aware Graph Test-time Adaptation for OOD Blockchain Anomaly Detection [55.18577006122169]
  textbfTEmporal textbfMotif-aware textbfGraph textbfTest-textbfTime textbfAdaptation (textbfTEMG-TTA) という新しいフレームワークを提案する。 まず、効率的な計算機構を用いて、各アクティブアドレスの3ノードの時間的モチーフ分布を包括的にキャプチャする。 第2に、トレーニングとテストグラフ間の共通パターンの共有を容易にするための、シンプルで効果的なテスト時間適応戦略を設計する。
  論文  参考訳（メタデータ） (2026-05-28T07:43:20Z)
• TransXion: A High-Fidelity Graph Benchmark for Realistic Anti-Money Laundering [23.412985636416163]
  マネーロンダリングはグローバルな金融システムに深刻なリスクをもたらし、トランザクション監視に機械学習が広く採用されている。 既存のトランザクショングラフデータセットには2つの制限がある。 我々は,反モニー洗浄研究のためのベンチマークエコシステムであるTransXionを提案する。
  論文  参考訳（メタデータ） (2026-04-19T13:02:24Z)
• Esim: EVM Bytecode Similarity Detection Based on Stable-Semantic Graph [18.420449483065997]
  一般的なコードの再利用と、限られたオープンソースコントリビューションは、ブロックチェーンエコシステムに重大な課題をもたらしています。 従来のバイナリ類似性検出方法は典型的には命令ストリームや制御フローグラフに基づいている。 安定意味グラフ(SSG)と呼ばれる新しいEVMバイトコード表現を提案する。 異種グラフニューラルネットワークを用いた類似性検出のために,SSGを行列に埋め込んだプロトタイプEsimを実装した。
  論文  参考訳（メタデータ） (2025-11-17T04:48:52Z)
• Impatient Users Confuse AI Agents: High-fidelity Simulations of Human Traits for Testing Agents [58.00130492861884]
  TraitBasisは、AIエージェントを体系的にストレステストするための軽量でモデルに依存しない方法である。 TraitBasisは、ステアブルなユーザ特性に対応するアクティベーション空間で方向を学習する。 We observed on average a 2%-30% performance degradation on $tau$-Trait across frontier model。
  論文  参考訳（メタデータ） (2025-10-06T05:03:57Z)
• Exploring Microstructural Dynamics in Cryptocurrency Limit Order Books: Better Inputs Matter More Than Stacking Another Hidden Layer [9.2463347238923]
  ニューラルネットワークに余分な隠蔽層やパラメータを追加することで、短期的な価格予測が真に向上するかどうかを検討することを目的としている。 我々は,BTC/USDT LOBスナップショットを100ミリ秒から複数秒間隔で公開して,解釈可能なベースライン,ロジスティック回帰,XGBoostからディープアーキテクチャ(DeepLOB,Conv1D+LSTM)まで,モデルをベンチマークする。
  論文  参考訳（メタデータ） (2025-06-06T05:43:30Z)
• Towards Model Resistant to Transferable Adversarial Examples via Trigger Activation [95.3977252782181]
  知覚不能な摂動によって特徴づけられる敵対的な例は、彼らの予測を誤解させることで、ディープニューラルネットワークに重大な脅威をもたらす。 本稿では,移動可能な敵例(TAE)に対して,より効率的かつ効果的に堅牢性を高めることを目的とした,新たなトレーニングパラダイムを提案する。
  論文  参考訳（メタデータ） (2025-04-20T09:07:10Z)
• DI-MaskDINO: A Joint Object Detection and Instance Segmentation Model [67.56918651825056]
  MaskDinoの開始変圧器デコーダ層から中間結果を調べる際に, 物体検出遅延がインスタンスセグメンテーションの遅れ(すなわち, 性能不均衡)の原因となる。 本稿では,DI-MaskDINOモデルを提案する。その中核となる考え方は,検出・セグメンテーションの不均衡を緩和し,最終的な性能を改善することである。 DI-MaskDINOはCOCOとBDD100Kベンチマークで既存のジョイントオブジェクト検出とインスタンスセグメンテーションモデルを上回っている。
  論文  参考訳（メタデータ） (2024-10-22T05:22:49Z)
• LookAhead: Preventing DeFi Attacks via Unveiling Adversarial Contracts [15.071155232677643]
  DeFi(Decentralized Finance)は、30億ドルを超える損失を計上している。 現在の検出ツールは、攻撃活動を効果的に識別する上で重大な課題に直面している。 敵契約を公開することでDeFi攻撃を検出する新しいフレームワークであるLookAheadを提案する。
  論文  参考訳（メタデータ） (2024-01-14T11:39:33Z)
• Detecting Anomalies in Blockchain Transactions using Machine Learning Classifiers and Explainability Analysis [4.456941846147711]
  本研究は、XAI手法と異常ルールを木に基づくアンサンブル分類器に統合し、異常なビットコイン取引を検出する。 我々は,異常なトランザクションデータと非異常なトランザクションデータのバランスをとるために,XGBCLUSというアンダーサンプリングアルゴリズムを導入する。 提案するアンサンブル分類器は,精度,TPR,FPRの点で,従来の単木型機械学習分類器よりも優れている。
  論文  参考訳（メタデータ） (2024-01-07T16:01:51Z)
• 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。