論文の概要: CryptoFlowBench: Benchmarking Multi-Hop Reasoning on Blockchains for Cryptocurrency Fund Tracing
- arxiv url: http://arxiv.org/abs/2610.16449v1
- Date: Mon, 12 Oct 2026 09:15:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:15.343344
- Title: CryptoFlowBench: Benchmarking Multi-Hop Reasoning on Blockchains for Cryptocurrency Fund Tracing
- Title（参考訳）: CryptoFlowBench: 暗号通貨ファンドのトレーシングのためのブロックチェーンのマルチホップ推論のベンチマーク
- Abstract要約: グラフツールを起動し、トレースの軌跡を更新するグラフツール拡張エージェントであるChainSleuthを紹介した。
ベースラインが4つのタスクすべてを支配することはなく、ローカルな不正検出とマルチホップファンドの追跡の間には、かなりのギャップが浮かび上がっている。
- 参考スコア（独自算出の注目度）: 47.75832884333834
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Pseudonymous accounts and complex smart-contract ecosystems substantially hinder the tracing of illicit cryptocurrency fund flows. Existing Graph Neural Networks (GNNs) have achieved promising performance in blockchain fraud detection, yet their static node- or edge-level predictions do not naturally generalize to multi-hop fund tracing. Meanwhile, existing tracing methods mainly rely on predefined heuristics to capture multi-hop relationships, limiting their adaptive reasoning capabilities. To bridge this gap, we introduce CryptoFlowBench, a benchmark constructed from authoritative reports on cryptocurrency-related illicit incidents, with four tasks spanning local to multi-hop fund tracing. These tasks pose substantial challenges to existing learning- and heuristic-based methods, particularly in complex multi-hop scenarios. We therefore propose ChainSleuth, a graph-tool-augmented agent that iteratively reasons, invokes graph tools, and updates its tracing trajectory, enabling adaptive information acquisition and recovery from erroneous paths. Experiments show that no baseline consistently dominates all four tasks, revealing substantial gaps between local fraud detection and multi-hop fund tracing. ChainSleuth achieves notable improvements on multi-hop tasks, demonstrating the potential of agentic graph reasoning for cryptocurrency fund investigation.
- Abstract（参考訳）: 偽名アカウントと複雑なスマートコントラクトエコシステムは、不正な暗号通貨ファンドフローの追跡を著しく妨げている。
既存のグラフニューラルネットワーク(GNN)は、ブロックチェーン不正検出において有望なパフォーマンスを達成したが、静的ノードレベルの予測やエッジレベルの予測は、自然にマルチホップファンドトレースに一般化するものではない。
一方、既存のトレース手法は、主にマルチホップ関係を捉えるために定義済みのヒューリスティックに依存し、適応的推論能力を制限している。
このギャップを埋めるために、CryptoFlowBenchという、暗号通貨関連の不正事象に関する権威あるレポートから構築されたベンチマークを紹介します。
これらのタスクは、特に複雑なマルチホップシナリオにおいて、既存の学習およびヒューリスティックな手法に重大な課題をもたらす。
そこで我々は,グラフツールを反復的に起動するグラフツール拡張エージェントChainSleuthを提案する。
実験の結果、ベースラインが4つのタスク全てを一貫して支配することはないことが示され、ローカルな不正検出とマルチホップファンドの追跡の間にかなりのギャップがあることが判明した。
ChainSleuthは、暗号通貨ファンドの調査におけるエージェントグラフ推論の可能性を示す、マルチホップタスクの顕著な改善を実現している。
関連論文リスト
- 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) - RiskTagger: An LLM-based Agent for Automatic Annotation of Web3 Crypto Money Laundering Behaviors [65.80108147440863]
RiskTaggerは、Web3における暗号洗浄行動の自動アノテーションのための、大言語モデルベースのエージェントである。
RiskTaggerは、複雑な構造化されていないレポートからヒントを抽出し、マルチチェーントランザクションパスを推論し、監査者フレンドリな説明を生成する、という3つの重要な課題に対処することによって、人間のアノテータを置き換えたり、補完するように設計されている。
論文 参考訳（メタデータ） (2025-10-12T08:54:28Z) - Towards Quantum-Ready Blockchain Fraud Detection via Ensemble Graph Neural Networks [0.0]
グラフ畳み込みネットワーク(GCN)、グラフ注意ネットワーク(GAT)、グラフ同型ネットワーク(GIN)を統合したアンサンブルフレームワークを提案する。
実世界の楕円型データセットを用いて、調整されたソフト投票アンサンブルは、1%未満の偽陽性率を維持しながら不正取引の高いリコールを実現する。
論文 参考訳（メタデータ） (2025-09-27T04:17:23Z) - Efficient Blockchain-based Steganography via Backcalculating Generative Adversarial Network [105.47203971578871]
汎用ブロックチェーンベースのステガノグラフィーフレームワーク(GBSF)を提案する。
送信者は、追加の隠蔽データを埋め込んでチャネル容量を高めるために、量や手数料などの必要なフィールドを生成する。
GBSFに基づいて, 可逆的生成逆ネットワーク(R-GAN)を設計する。
対数直観的データ前処理とカスタムアクティベーション機能を備えたR-GAN,すなわちCCR-GANを提案する。
論文 参考訳（メタデータ） (2025-06-19T04:43:41Z) - Optimizing Blockchain Analysis: Tackling Temporality and Scalability with an Incremental Approach with Metropolis-Hastings Random Walks [2.855856661274715]
既存のメソッドは主にトランザクションネットワークのスナップショットに焦点を当てている。
本稿では,トランザクションネットワークにおけるランダムウォークに基づくノード表現学習のための漸進的なアプローチを提案する。
潜在的なアプリケーションには、トランザクションネットワークの監視、不正検出のためのブロックチェーンアドレスの効率的な分類、ネットワーク内の特別なアドレスタイプの識別などがある。
論文 参考訳（メタデータ） (2025-01-21T20:34:38Z) - Cryptocurrency Portfolio Optimization by Neural Networks [81.20955733184398]
本稿では,これらの投資商品を活用するために,ニューラルネットワークに基づく効果的なアルゴリズムを提案する。
シャープ比を最大化するために、各アセットの割り当て重量を時間間隔で出力するディープニューラルネットワークを訓練する。
ネットワークの特定の資産に対するバイアスを規制する新たな損失項を提案し,最小分散戦略に近い割り当て戦略をネットワークに学習させる。
論文 参考訳（メタデータ） (2023-10-02T12:33:28Z) - Effective Illicit Account Detection on Large Cryptocurrency MultiGraphs [16.25273745598176]
暗号通貨関連の不正行為の増加は、ユーザーにとって大きな損失をもたらした。
現在の検出方法は、主に機能工学に依存しているか、あるいは暗号取引ネットワーク内の複雑な情報を活用するのに不十分である。
本稿では,有意なエッジを持つ有向多重グラフによってモデル化された暗号取引ネットワークにおける不正なアカウントを検出する効果的な方法であるDIAMを提案する。
論文 参考訳（メタデータ） (2023-09-04T09:01:56Z) - Transaction Fraud Detection via an Adaptive Graph Neural Network [64.9428588496749]
本稿では,アダプティブサンプリングとアグリゲーションに基づくグラフニューラルネットワーク(ASA-GNN)を提案する。
ノイズの多いノードをフィルタリングし、不正なノードを補うために、隣のサンプリング戦略を実行する。
3つのファイナンシャルデータセットの実験により,提案手法のASA-GNNは最先端のデータセットよりも優れていることが示された。
論文 参考訳（メタデータ） (2023-07-11T07:48:39Z) - Detecting Anomalous Cryptocurrency Transactions: an AML/CFT Application
of Machine Learning-based Forensics [5.617291981476445]
本論文は,さまざまな手法を用いて,有向グラフネットワークとして表現されるBitcoinトランザクションの現実的なデータセットを解析する。
これは、Graph Convolutional Networks(GCN)とGraph Attention Networks(GAT)として知られるニューラルネットワークタイプが、有望なAML/CFTソリューションであることを示している。
論文 参考訳（メタデータ） (2022-06-07T16:22:55Z) - Blockchain Phishing Scam Detection via Multi-channel Graph
Classification [1.6980621769406918]
フィッシング詐欺検出方法は、被害者を保護し、より健全なブロックチェーンエコシステムを構築する。
ユーザのためのトランザクションパターングラフを定義し,フィッシング詐欺検出をグラフ分類タスクに変換する。
提案したマルチチャネルグラフ分類モデル(MCGC)は,対象ユーザのトランザクションパターンの特徴を抽出することにより,潜在的なフィッシングを検出することができる。
論文 参考訳（メタデータ） (2021-08-19T02:59:55Z)
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。