本論文では、ブロックチェーンシステムにおける攻撃検知のための新しい協調学習フレームワークを提案している。
まず、プライベートイーサリアムネットワークを構築し、実際の攻撃シナリオを再現することで、ブロックチェーントランザクションおよびスマートコントラクトの攻撃データセットを作成した。これは、攻撃検知のための最も包括的かつ多様なデータセットである。
次に、トランザクションの重要な特徴を抽出し、画像に変換するツールを開発した。これにより、ソースコードを理解せずにバイトコードを直接分析できる。
さらに、各マイニングノードが独自のデータセットを使ってニューラルネットワークモデルをトレーニングし、他のノードと共有することで、協調的に攻撃を検知するフレームワークを提案した。これにより、中央集権的なモデルと同等の精度を達成しつつ、プライバシーを保護できる。
実験の結果、提案フレームワークは94%の高精度で攻撃を検知でき、1秒あたり2,150トランザクションの処理能力を持つことが示された。これは、提案フレームワークの有効性と現実世界の攻撃シナリオへの適応性を実証している。
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Tran Viet Kh... at arxiv.org 03-27-2024
https://arxiv.org/pdf/2308.15804.pdfDeeper Inquiries