論文の概要: DeFiFusion: Combining Transaction Events with Smart Contracts to Detect Price Manipulation Attacks
- arxiv url: http://arxiv.org/abs/2609.11008v1
- Date: Thu, 10 Sep 2026 02:36:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 23:53:35.199421
- Title: DeFiFusion: Combining Transaction Events with Smart Contracts to Detect Price Manipulation Attacks
- Title（参考訳）: DeFiFusion: トランザクションイベントとスマートコントラクトを組み合わせて価格操作攻撃を検出する
- Abstract要約: 分散ファイナンス(DeFi)は、市場トランザクションのダイナミクスとスマートコントラクトロジックが複雑に絡み合う、ブロックチェーンベースの金融サービスとして急速に成長している。
プライス・マニピュレーション・アタック(PMA)は、すでに壊滅的な財政損失を被っている。
本稿では、トランザクションイベントとスマートコントラクトセマンティクスを共同でモデル化することで、このギャップを埋めるデュアルモーダルPMA検出フレームワークであるDeFiFusionを紹介する。
- 参考スコア（独自算出の注目度）: 24.680454716643325
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Decentralized Finance (DeFi) has emerged as a rapidly growing blockchain-based financial service, where market transaction dynamics and underlying smart contract logic are intricately intertwined. This autonomous interplay, while eliminating centralized intermediaries, significantly expands the vulnerability surface of DeFi protocols to Price Manipulation Attacks (PMAs), which have already inflicted catastrophic financial losses. Despite their gravity, existing detection paradigms suffer from fundamental limitations. Transaction-centric methods lack awareness of contract execution semantics, making them prone to false positives under legitimate market volatility, while static contract analyses ignore real transaction behaviors and frequently report vulnerabilities that are infeasible to exploit in practice. We present DeFiFusion, a dual-modal PMA detection framework that closes this gap by jointly modeling transaction events and smart contract semantics within a unified pipeline. Our core insight is that PMA maliciousness emerges only from the interaction between transaction behaviors and the contract logic they exploit; neither signal suffices in isolation. Accordingly, we derive price-manipulation-aware event encoding for extracting fine-grained temporal and economic features tailored to manipulation patterns. We further introduce LLM-based contract semantic extraction to supply the execution-logic context that prior behavioral methods lack. To fuse these modalities, we propose a Dual-Modal Projection-Fusion Transformer with T5-style relative positional encoding, capturing the cyclic multi-stage execution structures that distinguish PMAs from benign market activity. Extensive experiments demonstrate that DeFiFusion consistently achieves state-of-the-art detection performance, effectively recalling 222 of the 225 PMA cases while maintaining a precision of 96.10%.
- Abstract（参考訳）: 分散ファイナンス(DeFi)は、市場トランザクションのダイナミクスと基盤となるスマートコントラクトロジックが複雑に絡み合う、ブロックチェーンベースの金融サービスとして急速に成長している。
この自律的な対話は、中央集権的な仲介者を排除する一方で、DeFiプロトコルの脆弱性表面を、すでに壊滅的な財政的損失をもたらしているプライス・マニピュレーション・アタック(PMA)へと大幅に拡張する。
その重力にもかかわらず、既存の検出パラダイムは基本的な制限に悩まされている。
トランザクション中心のメソッドは、コントラクトの実行セマンティクスに対する認識が欠如しているため、正当な市場のボラティリティの下では偽陽性になりがちだが、静的コントラクト分析は実際のトランザクションの振る舞いを無視し、実際に利用できない脆弱性を頻繁に報告する。
DeFiFusionは、トランザクションイベントとスマートコントラクトセマンティクスを統合パイプライン内で共同でモデル化することで、このギャップを埋めるデュアルモーダルPMA検出フレームワークである。
私たちの中核的な洞察は、PMAの悪意は、トランザクションの振る舞いとそれらが利用するコントラクトロジックの間の相互作用によってのみ現れます。
そこで我々は,操作パターンに合わせた微粒な時間的・経済的特徴を抽出するための価格操作対応イベントエンコーディングを導出する。
さらに,LCMに基づく契約意味抽出を導入し,従来の動作手法に欠けている実行論理的コンテキストを提供する。
これらのモダリティを融合させるため、T5スタイルの相対的位置符号化を備えたデュアルモード射影融合変換器を提案し、PMAと良質な市場活動とを区別する巡回多段階実行構造をキャプチャする。
大規模な実験により、DeFiFusionは、96.10%の精度を維持しながら、225件のPMAケースのうち222件を効果的にリコールし、常に最先端の検出性能を達成していることが示された。
関連論文リスト
- From Viral to Void: Multi-Dimensional Behavioral and Contractual Analysis for Rug Pull Identification [2.7875224007687827]
ラッシュプル詐欺は、極端に低い配備コスト、隠蔽実行、迅速な資金移動、高い検出困難が特徴である。
本稿では,悪意のあるスマートコントラクト設計,オンチェーントランザクション異常,流動性操作,ソーシャルメディア開示といった次元に基づく多次元機能システムを開発する。
実験の結果、このモデルは0.927の精度、F1スコア0.787の精度、AUC-ROC0.952の精度を実現し、従来の手法よりも優れていた。
論文 参考訳（メタデータ） (2026-08-03T02:34:24Z) - Semantic Pareto-DQN: A Multi-Objective Reinforcement Learning Framework for Financial Anomaly Detection [0.2864713389096699]
金融異常検出におけるクラス不均衡を克服する多目的強化学習フレームワークを提案する。
提案手法は, 大規模言語モデルで符号化された, 不均一なトランザクション特徴を結合的な自然言語モデルに合成する。
これは、スカラー化ベースラインよりも優れたマイノリティクラスリコールを実現し、金融異常発見のための取引境界操作摩擦の代替となる。
論文 参考訳（メタデータ） (2026-07-10T17:39:00Z) - Securing Multimodal AI through Internal Information Decomposition [43.51030662124641]
マルチモーダルな言語モデルは、単調なシステムに存在しない攻撃面を導入している。
本稿では,内部のマルチモーダル一貫性を監視して有害な入力を検出する軽量な推論時間フレームワークであるFlowGuardを提案する。
本研究は,マルチモーダル推論において,クロスモーダル整合性監視が効率的かつ効果的に防御できることを示す。
論文 参考訳（メタデータ） (2026-05-03T19:21:06Z) - 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) - From Risk to Rescue: An Agentic Survival Analysis Framework for Liquidation Prevention [46.90931293070464]
本稿では,リスクを認識し,対実的未来をシミュレートし,積極的に清算を防止するためのプロトコルに忠実な介入を行う自律エージェントを提案する。
我々は,ハイリスクユーザプロファイル4,882のコホート上で,高忠実でプロトコルに忠実なAave v3シミュレータを用いて,我々のアプローチを検証する。
論文 参考訳（メタデータ） (2026-04-16T03:22:05Z) - Information Fidelity in Tool-Using LLM Agents: A Martingale Analysis of the Model Context Protocol [69.11739400975445]
モデルコンテキストプロトコル(MCP)エージェントにおけるエラー蓄積を解析するための最初の理論的枠組みを紹介する。
累積歪みが線形成長と高確率偏差を$O(sqrtT)$で表すことを示す。
主な発見は、意味重み付けは歪みを80%減らし、周期的再接地は、エラー制御の約9ステップごとに十分である。
論文 参考訳（メタデータ） (2026-02-10T21:08:53Z) - Contamination Detection for VLMs using Multi-Modal Semantic Perturbation [73.76465227729818]
オープンソースのVision-Language Models (VLM)は、ベンチマークタスクで最先端のパフォーマンスを達成した。
プレトレーニングコーパスは,テストセットリークによるパフォーマンスの低下という,実践者とユーザ双方にとって重要な懸念を提起する。
既存の検出手法が不整合性を示すか,不整合性を示すかを示す。
マルチモーダルなセマンティック摂動に基づく,新しい簡易かつ効果的な検出法を提案する。
論文 参考訳（メタデータ） (2025-11-05T18:59:52Z) - Penetrating the Hostile: Detecting DeFi Protocol Exploits through Cross-Contract Analysis [13.470122729910152]
DeFi(Decentralized Finance)プロトコルは、ブロックチェーン上に開発された暗号通貨で、デジタル資産を管理する。
現在のツールは、悪意のあるイベント中に発生する可能性のある状態変化を分析して、コントラクトの潜在的な脆弱性を検出し、検出する。
本稿では,DeFiTailを提案する。DeFiTailは,アクセス制御とフラッシュローンのエクスプロイト検出にディープラーニング技術を利用する最初のフレームワークである。
論文 参考訳（メタデータ） (2025-11-01T05:23:24Z) - Robust Reinforcement Learning in Finance: Modeling Market Impact with Elliptic Uncertainty Sets [57.179679246370114]
金融分野では、強化学習(RL)エージェントは、価格に影響を与えない歴史的データに基づいて訓練されることが多い。
展開中、これらのエージェントは、自身の取引が資産価格を変えることができるライブマーケットで取引する。
従来のロバストなRLアプローチは、不確実性の集合に対して最悪のパフォーマンスを最適化することで、このモデルの誤特定に対処する。
楕円型不確実性集合の新たなクラスを開発し,効率的かつ堅牢な政策評価を可能にする。
論文 参考訳（メタデータ） (2025-10-22T18:22:25Z) - HyPV-LEAD: Proactive Early-Warning of Cryptocurrency Anomalies through Data-Driven Structural-Temporal Modeling [0.0]
異常な暗号通貨取引は、金融の整合性にリスクをエスカレートさせる。
既存のアプローチは主にモデル中心であり、ポストホックである。
本稿では,データ駆動早期警告フレームワークHyPV-LEADを紹介する。
論文 参考訳（メタデータ） (2025-09-03T12:23:38Z) - 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) - 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。