論文の概要: Population-Calibrated Graph Screening at 835-Million-Address Scale, with Label-Free Transfer to New Chains

• arxiv url: http://arxiv.org/abs/2609.03036v1
• Date: Wed, 02 Sep 2026 18:08:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-04 18:28:38.822707
• Title: Population-Calibrated Graph Screening at 835-Million-Address Scale, with Label-Free Transfer to New Chains
• Title（参考訳）: 835-Million-Address Scaleにおける集団キャリブレーショングラフスクリーニング
• Abstract要約: 本稿では,マルチチェーントランザクショングラフにおいて,その位置によってアドレスをスコアするシステムについて述べる。 2つのチェーンで訓練されたヘッドは、ベース、アービタルム、グノーシスのホールドアウト陽性の0.8598 / 0.8182 / 0.9967を10～3ドルの人口警報レートでリコールし、ヘッドトレーニングのターゲットチェーンラベルは存在しない。
• 参考スコア（独自算出の注目度）: 0.2538209532048866
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Compliance screening of blockchain addresses is, in practice, a lookup against sanctions registries plus clustering heuristics; it fails on unlabelled addresses and on chains with no label coverage at all. We describe a deployed system that scores an address by its position in a multi-chain transaction graph rather than by its presence in a list. The substrate is a single graph of 835,330,427 addresses and 15,826,261,934 edges across five EVM chains; a shared inductive encoder with per-chain normalisation feeds two scoring heads. Decision thresholds are exact quantiles of the score distribution over the full population, scanned per chain segment, so the alert volume is known in advance. We report: label-free transfer: heads trained on two chains recall 0.8598 / 0.8182 / 0.9967 of held-out positives on Base, Arbitrum and Gnosis at a $10^{-3}$ population alert rate, with no target-chain labels in head training; a static lead-time replay over 68 external registry events: 40 of 68 (58.8%) flagged at the 0.1% budget, $\times$152 over an event-level random-flagging baseline, with first on-chain appearance a median of 528.8 days (Ethereum) / 647.8 days (Tron) before public designation; a serving path whose score is bit-identical to the offline artefact at end-to-end p50 151 ms, gated by a 2,882-address drift panel; and an adversarial harness of eight recurrent reinforcement-learned archetypes that passes an 8-criterion degeneracy audit and, on a detector-independent snapshot, exposes a measured blind spot of the deployed heads against synthesised behaviour.
• Abstract（参考訳）: ブロックチェーンアドレスのコンプライアンススクリーニングは、実際には、制裁レジストリとクラスタリングヒューリスティックスに対するルックアップである。 本稿では,マルチチェーントランザクショングラフにおけるアドレスの位置からアドレスをスコアするシステムについて述べる。 基板は835,330,427アドレスと15,826,261,934エッジの5つのEVMチェーンからなる単一のグラフである。 決定しきい値は、全集団のスコア分布の正確な定量値であり、チェーンセグメント毎にスキャンされるため、警告ボリュームは事前に知られている。 ラベルフリートランスファー:Base, Arbitrum, Gnosisの2つのチェーンでトレーニングされたヘッドをリコールする0.8598 / 0.8182 / 0.9967 at a 10^{-3}$ population alert rate, with no target-chain labels in head training; a static lead-time replay over 68 outside registration events: 40 of 68 (58.8%) flagged at the 0.1% budget, $\times$152 over a event-level random-flagging baseline, with a first on chain appearance a central of 528.8 days (Ethereum) / 647.8 days (Tron) before public designated; a service path which is bit-identical to the offline artefact at end-to-501 p1 p1 p2 p2 ed by a ad-adarieded panels and a ad-leange Relayed reinforcements on a 8-times on a 8-times on a visual testings on a visual testings, a visual testings on a cameras on a camera。

関連論文リスト

• SoK: Where Do Flow Labels Come From? Auditing Label Provenance in Encrypted Traffic Benchmarks [5.044786941116112]
  暗号化されたトラフィック分類は、トランスポート層オブザーバブルからのフローレコードを超えたセマンティクスを推論する。 近年の体系化では、モデルインプットとデータ分割を精査し、補完ラベル側を体系化している。 14のベンチマーク項目で2つの繰り返しラベル側戦略を同定した。
  論文  参考訳（メタデータ） (2026-09-02T05:51:42Z)
• Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
  PointArena 2026は77.2%の精度でベンチマークで2位である。 ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。 次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
  論文  参考訳（メタデータ） (2026-06-29T06:39:03Z)
• Strained Coherence: A Pre-Failure Signal in Coding Agent Execution Trajectories [0.0]
  LLMベースのコーディングエージェントは、時には自身の推論で問題を認識し、いずれにせよ前進する。 我々はClaude Sonnet 4.6のジャッジを構築し、完全なトラジェクトリとフラグがパターンの発生する場所にまたがる。 Qwen3.5-35B-A3Bのバックボーンを用いて44個の終端ベンチ2軌道上で評価を行った。
  論文  参考訳（メタデータ） (2026-06-05T22:52:16Z)
• Obfuscation as an Effective Signal for Prioritizing Cross-Chain Smart Contract Audits: Large-Scale Measurement and Risk Profiling [42.77773046319942]
  HOBFNETはOBFPROBEの高速サロゲートであり、数百万のクロスチェーンスコアリングを可能にする。 系統的なスコアドリフトを観察し、チェーン内のパーセンタイルキューを動機付ける。 チェーンの再利用は尾に富み、より小さなエコシステムから大きなエコシステムへと方向偏りがある。
  論文  参考訳（メタデータ） (2026-01-24T08:05:39Z)
• 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)
• Scalable and Adaptively Secure Any-Trust Distributed Key Generation and All-hands Checkpointing [3.1771413727096154]
  DLogベースの暗号システムのための実用的なDKGを提案し、共通のコインの助けを借りて(準)線形化とノード単位の通信コストを実現する。 我々のプロトコルは適応的な敵に対して安全であり、全てのノードの半分以下を破損させる可能性がある。 参加者が異なる重みを持つ場合でも,従来の分散プロトコルであるDKGを効率的にデプロイできる汎用トランスフォーマーを提案する。
  論文  参考訳（メタデータ） (2023-11-16T06:05:01Z)
• Collective Robustness Certificates: Exploiting Interdependence in Graph Neural Networks [71.78900818931847]
  ノード分類、画像分割、名前付き一致認識といったタスクでは、複数の予測を同時に出力する分類器があります。 既存の対向ロバスト性証明は、それぞれの予測を独立に考慮し、従ってそのようなタスクに対して過度に悲観的である。 本稿では,摂動下で安定に保たれることが保証される予測数を計算した最初の集合ロバスト性証明を提案する。
  論文  参考訳（メタデータ） (2023-02-06T14:46:51Z)
• Neighbour Consistency Guided Pseudo-Label Refinement for Unsupervised Person Re-Identification [80.98291772215154]
  教師なしの人物再識別(ReID)は、アノテーションを使わずに人物検索のための識別的アイデンティティの特徴を学習することを目的としている。 近年の進歩はクラスタリングに基づく擬似ラベルを活用することで実現されている。 本稿では, Pseudo Label Refinement フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-11-30T09:39:57Z)
• Refining Pseudo Labels with Clustering Consensus over Generations for Unsupervised Object Re-identification [84.72303377833732]
  教師なしのオブジェクト再識別は、アノテーションなしでオブジェクト検索のための識別表現を学習することを目的としている。 本稿では,クラスタリングコンセンサスを用いた連続学習世代間の擬似ラベル類似性を推定し,時間的に伝播およびアンサンブルされた擬似ラベルを用いた洗練された擬似ラベルを提案する。 提案する擬似ラベル精錬戦略は単純だが有効であり、既存のクラスタリングに基づく教師なし再同定手法にシームレスに統合することができる。
  論文  参考訳（メタデータ） (2021-06-11T02:42:42Z)

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。