論文の概要: Function Name Is All You Need to Detect Blockchain Application Attacks
- arxiv url: http://arxiv.org/abs/2609.12315v1
- Date: Fri, 11 Sep 2026 00:43:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-15 07:38:31.576824
- Title: Function Name Is All You Need to Detect Blockchain Application Attacks
- Title（参考訳）: ブロックチェーンのアプリケーション攻撃を検知するのに必要な機能名
- Abstract要約: トランザクションコールトレースからアプリケーションセマンティクスを抽出することで,ブロックチェーンアプリケーション攻撃を自動的に検出するフレームワークであるTxLucentを提案する。
TxLucentは、14,611のアタックトランザクションを持つ424の既知のインシデントに対して1.56%の偽陰性率を達成し、ブロックチェーン上の良性トランザクションに対する推定0.0017%の偽陽性率を達成した。
- 参考スコア（独自算出の注目度）: 15.70200700618406
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Blockchain application attacks, targeting business logic bugs in decentralized applications (dApps), have been an increasing concern to their developers and users, causing significant financial loss. Existing attack detectors either rely on handcrafted rules for detection, or need difficult-to-obtain smart contract source code to analyze attack transactions. This makes them brittle and inapplicable in practice. In this paper, we argue that function name sequences suffice to capture the high-level semantics of a transaction, and hence can be used to detect blockchain application attacks. Our empirical study on transactions from 424 real-world attack incidents shows that 98.46% of call traces can be resolved to function names, whereas only 74.78% invoke contracts with available source code. Based on this observation, we propose TxLucent (pronounced "translucent"), an automated framework to detect blockchain application attacks by extracting application semantics from transaction call traces. TxLucent maps call traces to function name sequences and uses a transformer to learn semantics from such sequences. Consequently, TxLucent can detect attacks without relying on hand-coded patterns or source code. Our results show that TxLucent achieves a 1.56% false negative rate on 424 known incidents with 14,611 attack transactions, and an estimated 0.0017% false positive rate for benign transactions from over 500 million transactions on the Ethereum blockchain. Finally, TxLucent takes an average of 24.90 milliseconds to analyze a transaction, thus supporting real-time attack detection on popular blockchains.
- Abstract（参考訳）: 分散アプリケーション(dApps)のビジネスロジックバグをターゲットとするブロックチェーンアプリケーションアタックは、開発者やユーザにとってますます懸念され、大きな損失をもたらしている。
既存の攻撃検知器は、検出のための手作りのルールに依存するか、または攻撃トランザクションを分析するのに難しいスマートコントラクトソースコードを必要とする。
これにより、実際には脆く、適用できない。
本稿では,トランザクションの高レベルなセマンティクスを捉えるのに関数名シーケンスが十分であるので,ブロックチェーンアプリケーションアタックの検出に使用できる,と論じる。
424件の現実世界の攻撃インシデントによるトランザクションに関する実証研究によると、コールトレースの98.46%が関数名に解決でき、74.78%が利用可能なソースコードでコントラクトを呼び出している。
この観測に基づいて、トランザクションコールトレースからアプリケーションセマンティクスを抽出してブロックチェーンアプリケーションアタックを検出する自動化フレームワークであるTxLucent("translucent"と発音する)を提案する。
TxLucentマップは、トレースを関数名シーケンスに呼び出し、変換器を使用してそのようなシーケンスから意味学を学ぶ。
これにより、TxLucentは手書きのパターンやソースコードに頼ることなく攻撃を検出することができる。
我々の結果は、TxLucentが14,611の攻撃トランザクションを持つ424件の既知のインシデントに対して1.56%の偽陰性率を達成し、Ethereumブロックチェーン上の5億件以上のトランザクションから、良質なトランザクションに対して0.0017%の偽陽性率を推定していることを示している。
最後に、TxLucentはトランザクション分析に平均24.90ミリ秒を要し、一般的なブロックチェーンのリアルタイム攻撃検出をサポートする。
関連論文リスト
- 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) - TxRay: Agentic Postmortem of Live Blockchain Attacks [52.658018348998105]
5年も経たないうちに、DeFiのエコシステムは15.75億米ドル以上を失い、エクスプロイトが報告された。
我々は、限られた証拠から生のACT攻撃を再構築する死後システムであるTxRayを提示する。
DeFiHackLabsの114件のインシデントで、TxRayは105件のインシデントに対して専門家による根本原因と実行可能なPoCを生成し、92.11%のエンド・ツー・エンドの再現を達成した。
論文 参考訳（メタデータ） (2026-02-01T16:17:33Z) - From Transactions to Exploits: Automated PoC Synthesis for Real-World DeFi Attacks [15.23851315830671]
オンチェーンアタック実行から直接,概念実証(PoC)を検証可能な最初の自動フレームワークを提案する。
TracExpは、ノイズの多いマルチコントラクトトレースからアタック関連実行コンテキストをローカライズする。
我々は過去20ヶ月で321件の現実世界の攻撃についてTracExpを評価した。
論文 参考訳（メタデータ） (2026-01-23T11:52:50Z) - One Signature, Multiple Payments: Demystifying and Detecting Signature Replay Vulnerabilities in Smart Contracts [56.94148977064169]
署名の使用状況のチェックが不足すると、繰り返し検証が行われ、許可の不正使用のリスクが増大し、契約資産が脅かされる可能性がある。
我々はこの問題をSignature Replay Vulnerability (SRV) として定義する。
37のブロックチェーンセキュリティ企業を対象とした1,419の監査報告から、詳細なSRV記述と5種類のSRVを分類した108を識別しました。
論文 参考訳（メタデータ） (2025-11-12T09:17:13Z) - Decompiling Smart Contracts with a Large Language Model [51.49197239479266]
Etherscanの78,047,845のスマートコントラクトがデプロイされているにも関わらず(2025年5月26日現在)、わずか767,520 (1%)がオープンソースである。
この不透明さは、オンチェーンスマートコントラクトバイトコードの自動意味解析を必要とする。
バイトコードを可読でセマンティックに忠実なSolidityコードに変換する,先駆的な逆コンパイルパイプラインを導入する。
論文 参考訳（メタデータ） (2025-06-24T13:42:59Z) - Following Devils' Footprint: Towards Real-time Detection of Price Manipulation Attacks [10.782846331348379]
価格操作攻撃は、分散金融(DeFi)アプリケーションにおける悪名高い脅威の1つだ。
本研究では,攻撃前の価格操作攻撃を積極的に識別する新しい手法SMARTCATを提案する。
SMARTCATは91.6%のリコールと100%の精度で既存のベースラインを大幅に上回っている。
論文 参考訳（メタデータ） (2025-02-06T02:11:24Z) - Safeguarding Blockchain Ecosystem: Understanding and Detecting Attack Transactions on Cross-chain Bridges [3.07869141026886]
クロスチェーン橋への攻撃は2021年以来、43億ドル近くを失った。
本稿では,2021年6月から2024年9月までに発生した49件を含む,これまでで最大のクロスチェーン橋攻撃事件を収集する。
クロスチェーンビジネスロジックに対する攻撃を検出するためのBridgeGuardツールを提案する。
論文 参考訳（メタデータ） (2024-10-18T14:25:05Z) - 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) - 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) - Light Clients for Lazy Blockchains [12.330989180881701]
遅延ブロックチェーンのための効率的なライトクライアント作成を可能にするプロトコルを考案する。
私たちの構成は、すべての-有効または無効の-トランザクションの台帳を含むMerkleツリーを横切るバイセクションゲームに基づいています。
論文 参考訳（メタデータ） (2022-03-30T00:58:40Z) - Reputation-based PoS for the Restriction of Illicit Activities on Blockchain: Algorand Usecase [2.3455387491754975]
近年では、ブロックチェーントランザクションデータに基づいて、さまざまな機械学習ベースのテクニックが、このような犯罪要素を検出することができる。
本稿では,上記の不正行為を検知したユーザに対する評価に基づく応答手法を提案する。
論文 参考訳（メタデータ） (2021-12-21T07:32:22Z) - Quantum Multi-Solution Bernoulli Search with Applications to Bitcoin's
Post-Quantum Security [67.06003361150228]
作業の証明(英: proof of work、PoW)は、当事者が計算タスクの解決にいくらかの労力を費やしたことを他人に納得させることができる重要な暗号構造である。
本研究では、量子戦略に対してそのようなPoWの連鎖を見つけることの難しさについて検討する。
我々は、PoWs問題の連鎖が、マルチソリューションBernoulliサーチと呼ばれる問題に還元されることを証明し、量子クエリの複雑さを確立する。
論文 参考訳（メタデータ） (2020-12-30T18:03:56Z)
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。