論文の概要: Mitigating 51% Attacks in Blockchain Systems Through Early Detection and Checkpoint-Based Defense

• arxiv url: http://arxiv.org/abs/2609.14670v1
• Date: Sun, 13 Sep 2026 17:12:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:05.893085
• Title: Mitigating 51% Attacks in Blockchain Systems Through Early Detection and Checkpoint-Based Defense
• Title（参考訳）: 早期検出とチェックポイントによる防御によるブロックチェーンシステムの攻撃51%の軽減
• Abstract要約: 51%の攻撃は、Proof-of-Work(PoW)ブロックチェーンにおける重要なセキュリティ上の懸念の1つだ。 本稿では,早期のハッシュパワーモニタリングとチェックポイントによる緩和を組み合わせた2層ディフェンスを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The 51% attack remains one of the significant security concern in Proof-of-Work (PoW) blockchains, where increasing hash-power concentration can create a malicious majority-control risk and enable adversarial chain reorganization. This paper proposes a two-layer defense that combines early hash-power monitoring with checkpoint-based mitigation. The first layer monitors mining-power concentration and provides an early warning before the critical majority-control threshold is reached. The second layer uses checkpointing to restrict the depth of accepted chain reorganizations. Monte Carlo simulations are used to evaluate both mechanisms under different attack scenarios. Across 1,000 simulation runs, a 45% warning threshold provided a mean warning-to-critical lead time of 10.531 minutes before the modeled 50% critical threshold was reached. At the selected checkpoint depth of N = 6, approximately 63.68% of simulated reorganization attempts were rejected, while the mean reorganization-depth outcome decreased from 7.948 to 1.634 blocks, representing an approximately 79.4% reduction. The results demonstrate that early detection and checkpoint-based mitigation provide complementary mechanisms for reducing the potential impact of 51% attacks under the evaluated conditions.
• Abstract（参考訳）: 51%の攻撃はProof-of-Work(PoW)ブロックチェーンにおける重要なセキュリティ上の懸念の1つであり、ハッシュパワーの増大は悪意のある多数派制御リスクを生じさせ、敵のチェーン再編成を可能にする。 本稿では,早期のハッシュパワーモニタリングとチェックポイントによる緩和を組み合わせた2層ディフェンスを提案する。 第1層は、マイニングパワー濃度を監視し、臨界多数制御しきい値に達する前に早期警告を提供する。 第2のレイヤはチェックポイントを使用して、受け入れられたチェーンの再編成の深さを制限する。 モンテカルロシミュレーションは、異なる攻撃シナリオ下で両方のメカニズムを評価するために使用される。 1000回のシミュレーションで45%の警告しきい値が平均警告から臨界までのリードタイムを10.531分に設定し、50%の臨界しきい値に達した。 選択されたチェックポイント深さN = 6では, シミュレーション的再組織化の試みの63.68%が拒絶され, 平均再組織深度は7.948ブロックから1.634ブロックに減少し, 約79.4%の減少を示した。 その結果,早期検出とチェックポイントによる緩和は,評価条件下での51%の攻撃の潜在的影響を低減するための相補的メカニズムを提供することが示された。

関連論文リスト

• Decoy Direction Optimization: A Post-Hoc Defense Against LLM Abliteration [37.700303596218184]
  RFA(Refusal Feature Ablation)を用いたオープンウェイト言語モデルの安全ガードレールのバイパス 本稿では,DDO(Decoy Direction Optimization)について紹介する。 この効果を定式化するスペクトル境界を証明し、6つのモデルファミリーでDDOを評価し、標準RFA下で10%のASRを達成する。
  論文  参考訳（メタデータ） (2026-09-14T18:36:35Z)
• Corrupting Attention: Evasion-Based Adversarial Attacks on Encoder Attention in Detection Transformers [35.58130964667448]
  ニューラルネットワークの安全なデプロイにおいて、敵の脆弱性は依然として大きな関心事である。 既存の攻撃のほとんどは、これらのモデルを区別するアテンションメカニズムよりも、検出出力をターゲットにしている。 本稿では,エンコーダのアテンション目標を直接,非受容的かつ有界な$ell_infty$摂動で最適化する最初の攻撃を紹介する。
  論文  参考訳（メタデータ） (2026-08-07T00:42:25Z)
• Distributional Energy-Based Models for Uncertainty-Aware Structured LLM Reasoning [40.342912574072024]
  大規模言語モデルは、旅行計画やコードソリューションのような構造化されたアウトプットを生成する。 個々の推論ステップは正しく見えるが、アウトプット全体が予算に違反したり、テストケースに失敗したり、あるいは以前の推論に矛盾することがある。 構造化LCM出力の検証のための決定論的解析制約付き学習品質スコアラを提案する。
  論文  参考訳（メタデータ） (2026-05-15T17:08:27Z)
• TRUST: A Framework for Decentralized AI Service v.0.1 [47.384270414446604]
  大規模推論モデル (LRM) とマルチエージェントシステム (MAS) は, 信頼性の高い検証を必要とする。 TRUST(Transparent, Robust, and Unified Services for Trustworthy AI)は,3つのイノベーションを備えた分散フレームワークである。 我々は、悪質な俳優が損失を被っている間、正直な監査人の利益を確実に確保する安全利益理論を証明する。
  論文  参考訳（メタデータ） (2026-04-29T19:32:58Z)
• TraceGuard: Structured Multi-Dimensional Monitoring as a Collusion-Resistant Control Protocol [1.0195618602298684]
  TraceGuardは5次元にわたるエージェントアクションを評価する構造化多次元監視プロトコルである。 オープンソースのControlArenaフレームワーク用の新しいモニタタイプとして実装されている。
  論文  参考訳（メタデータ） (2026-04-05T05:05:59Z)
• Adversarial Learning Game for Intrusion Detection in Quantum Key Distribution [0.0]
  本稿では,デコイ状態量子鍵分布(QKD)における侵入検出のための高忠実度シミュレーションフレームワークを提案する。 このフレームワークは、学習ベースのディフェンダーと適応的な敵の間のミニマックスゲームとしてモデル化されている。 アダプティブ・アタックのシナリオでは、システムは正直な有限キーレートの8,2text--92%$を保存し、トラフィックは約1.2%しか捨てない。
  論文  参考訳（メタデータ） (2026-03-03T20:21:06Z)
• Adversarial Intent is a Latent Variable: Stateful Trust Inference for Securing Multimodal Agentic RAG [5.4716896485317195]
  マルチモーダルエージェントRAGに対する現在のステートレスディフェンスは、悪意のあるセマンティクスを配布する敵の戦略を検出するのに失敗する。 MMA-RAGTは,MTA (Modular Trust Agent) が管理する推定時制御フレームワークで,ほぼ信頼状態を維持している。
  論文  参考訳（メタデータ） (2026-02-24T23:52:27Z)
• Safety Recovery in Reasoning Models Is Only a Few Early Steering Steps Away [97.11976870616273]
  本稿では,安全回復を目的ではなく満足度の高い制約として扱う軽量な推論時防衛法を提案する。 6つのオープンソースMLRMと4つのjailbreakベンチマークで評価した結果、SafeThinkは攻撃成功率を30～60%削減しました。
  論文  参考訳（メタデータ） (2026-02-11T18:09:17Z)
• Quantifying Return on Security Controls in LLM Systems [0.0]
  本稿では、残留リスクを定量化するための意思決定指向フレームワークを提案する。 敵のプローブの結果を金融リスク推定と戻り制御の指標に変換する。
  論文  参考訳（メタデータ） (2025-12-17T04:58:09Z)
• An Improved Two-Step Attack on Lattice-Based Cryptography: A Case Study of Kyber [4.413722095749492]
  我々はキーバーに対する2段階攻撃を改良し、より少ないパワートレースと少ない時間で全秘密鍵 s を迅速に回収する。 最初のステップでは、相関パワー分析(CPA)を用いて、少数のパワートレースを持つsの推測値の一部を取得する。 第2のステップでは、CPAの結果に基づいてsを回復するために格子攻撃を採用する。
  論文  参考訳（メタデータ） (2024-07-09T15:19:09Z)
• The Adversarial Implications of Variable-Time Inference [47.44631666803983]
  本稿では,攻撃対象のMLモデルの予測を後処理するアルゴリズムの実行時間を簡単に計測する,新たなサイドチャネルを利用するアプローチを提案する。 我々は,物体検出装置の動作において重要な役割を果たす非最大抑圧(NMS)アルゴリズムからの漏れを調査する。 我々は、YOLOv3検出器に対する攻撃を実演し、タイミングリークを利用して、逆例を用いてオブジェクト検出を回避し、データセット推論を行う。
  論文  参考訳（メタデータ） (2023-09-05T11:53:17Z)
• Balancing detectability and performance of attacks on the control channel of Markov Decision Processes [77.66954176188426]
  マルコフ決定過程(MDPs)の制御チャネルにおける最適ステルス毒素攻撃の設計問題について検討する。 この研究は、MDPに適用された敵国・毒殺攻撃や強化学習(RL)手法に対する研究コミュニティの最近の関心に動機づけられている。
  論文  参考訳（メタデータ） (2021-09-15T09:13:10Z)

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。