論文の概要: Compression-Based Behavioral Similarity for Open-World Sybil Discovery on Ethereum
- arxiv url: http://arxiv.org/abs/2607.27370v1
- Date: Wed, 29 Jul 2026 18:23:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-31 21:37:00.305157
- Title: Compression-Based Behavioral Similarity for Open-World Sybil Discovery on Ethereum
- Title（参考訳）: Ethereum上のオープンワールド・シビルディスカバリのための圧縮に基づく行動類似性
- Authors: Michał Bartnicki, Jarosław A. Chudziak,
- Abstract要約: 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。
- 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 attackers are Blockchain actors that adopt the characteristics of regular users to exploit airdrops or influence governance. Current methods of Sybil actor detection include constructing graphs, which requires token transfers between examined wallets. Machine learning algorithms have been employed as well, but they treat the task as a closed-set classification problem, making them vulnerable to frequent changes in attack strategies or evasion tactics. We address the following questions: can compression-based similarity differentiate Sybil bots, organic users, and arbitrage bot wallets without direct financial links? What is the effect of high-signal contracts on the discovery of Sybils, and how robust are behavioral graphs under temporal drift and adversarial perturbations? Our approach synthesizes a symbolic Transaction Grammar from EVM (Ethereum Virtual Machine) traces, capturing separately transaction rhythm, execution structure, and functional intent. The high-signal contracts are filtered with our own protocol, called the Blind-Spot Protocol. Gzip-based NCD is used to construct a behavioral graph for Sybil discovery. We validate this framework against supervised machine learning baselines, a temporal split, and synthetic camouflage stress tests. Ultimately, we contribute a leakage-aware behavioral framework for Sybil candidate discovery. Its core NCD primitive requires no supervised training and can expand suspicious seed wallets without explicit funding links. We position the method as a training-free local discovery primitive for open-world blockchain audits, rather than as a formal open-set recognition system.
- Abstract（参考訳）: Sybilアタッカーはブロックチェーンのアクターであり、通常のユーザの特徴を活用して、エアドロップを利用するか、ガバナンスに影響を与える。
Sybil アクター検出の現在の方法は、検査されたウォレット間のトークン転送を必要とするグラフの構築を含む。
機械学習アルゴリズムも採用されているが、それらはタスクをクローズドセットの分類問題として扱い、攻撃戦略や回避戦術の頻繁な変更に対して脆弱である。
圧縮ベースの類似性は、Sybilボット、オーガニックユーザー、直接の金融リンクなしでボットウォレットを仲裁できるだろうか?
高次契約がシビルズ発見に与える影響と、時間的ドリフトと対向的摂動の下での行動グラフがどれほど頑丈か?
EVM(Ethereum Virtual Machine)トレースからシンボリックトランザクション文法を合成し、個別のトランザクションリズム、実行構造、機能意図をキャプチャする。
高信号契約は、Blind-Spot Protocolと呼ばれる独自のプロトコルでフィルタリングされます。
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。
我々はこの枠組みを、教師付き機械学習ベースライン、時間分割、および合成カモフラージュストレステストに対して検証する。
最終的には、Sybil候補発見のための漏洩認識行動フレームワークをコントリビュートする。
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。
我々は、この手法を、正式なオープンセット認識システムではなく、オープンワールドブロックチェーン監査のためのトレーニング不要なローカルディスカバリプリミティブとして位置付ける。
関連論文リスト
- Modeling Decisions in Blockchain Analytics: A Leakage-Aware Evaluation of Tree-Based vs. Sequential Models [0.0]
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。
論文 参考訳（メタデータ） (2026-07-29T18:08:07Z) - 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) - 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) - CANTXSec: A Deterministic Intrusion Detection and Prevention System for CAN Bus Monitoring ECU Activations [53.036288487863786]
物理ECUアクティベーションに基づく最初の決定論的侵入検知・防止システムであるCANTXSecを提案する。
CANバスの古典的な攻撃を検知・防止し、文献では調査されていない高度な攻撃を検知する。
物理テストベッド上での解法の有効性を実証し,攻撃の両クラスにおいて100%検出精度を達成し,100%のFIAを防止した。
論文 参考訳（メタデータ） (2025-05-14T13:37:07Z) - Exact Certification of (Graph) Neural Networks Against Label Poisoning [50.87615167799367]
グラフニューラルネットワーク(GNN)におけるラベルフリップの正確な認証手法を提案する。
本稿では,ノード分類タスクにおける広範囲なGNNアーキテクチャの認証に本手法を適用した。
私たちの研究は、ニューラルネットワークによって引き起こされた毒殺攻撃に対する最初の正確な認証を提示します。
論文 参考訳（メタデータ） (2024-11-30T17:05:12Z) - 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) - Identity Inference on Blockchain using Graph Neural Network [5.5927440285709835]
アカウントのアイデンティティに関する事前推論を目的としたアイデンティティ推論は、ブロックチェーンセキュリティにおいて重要な役割を果たします。
本稿では,id推論タスクをグラフ分類パターンに変換するトランザクションサブグラフの観点から,ユーザの行動を解析するための新しい手法を提案する。
また、$textI2 textBGNN$という汎用的なエンドツーエンドグラフニューラルネットワークモデルを提案し、サブグラフを入力として受け入れ、トランザクションサブグラフパターンをアカウントアイデンティティにマッピングする関数を学ぶことができる。
論文 参考訳（メタデータ） (2021-04-14T00:15:38Z) - ESCORT: Ethereum Smart COntRacTs Vulnerability Detection using Deep
Neural Network and Transfer Learning [80.85273827468063]
既存の機械学習ベースの脆弱性検出方法は制限され、スマートコントラクトが脆弱かどうかのみ検査される。
スマートコントラクトのための初のDeep Neural Network(DNN)ベースの脆弱性検出フレームワークであるESCORTを提案する。
ESCORTは6種類の脆弱性に対して平均95%のF1スコアを達成し,検出時間は契約あたり0.02秒であることを示す。
論文 参考訳（メタデータ） (2021-03-23T15:04:44Z)
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。