온체인 거래 데이터를 기반으로 상호작용 그래프(AIG)를 구성하고, 서브그래프 대비 학습(contrastive learning)과 GNN 분류기를 공동 학습하는 BlockGC 프레임워크를 제안하여 블록체인 계정 정체성 추론 정확도를 향상시켰다. 논문 요약 해결하려는 문제 본 연구는 블록체인 네트워크에서 익명성으로 인해 사용자 계정의 정체성을 파악하고 악성 행위를…
Tabular GAN(CTGAN/CTABGAN+)을 활용하여 이더리움 주소 데이터를 증강하고, 이를 통해 피싱 및 Ponzi 등 악성 지갑을 식별하는 분류기의 성능을 개선했다. 논문 요약 해결하려는 문제 본 연구는 이더리움 블록체인 네트워크에서 **악성 지갑(피싱, Ponzi 등)**을 분류하는 데 있어 라벨링된 데이터셋의 부족과 클래스 불균형(Class…
7,000개의 합성 이더리움 지갑 데이터셋을 기반으로 Tfidf 전처리 및 XGBoost 모델을 활용하여 honeypot 지갑을 탐지하고, 이를 Streamlit 웹 앱으로 구현하여 실시간 분류 시스템의 실용성을 입증했다. 논문 요약 해결하려는 문제 본 연구는 이더리움 블록체인 기반의 탈중앙화 애플리케이션(dApps)에서 사용자들을 속여 자산을 탈취하는…
이더리움 주소의 온체인 거래 속성을 추출하여 XGBoost 기반 지도 학습 모델로 악성 지갑을 탐지하는 프레임워크를 제안하고, 우수한 탐지 성능과 주요 특징을 규명했다. 논문 요약 해결하려는 문제 본 연구는 이더리움 블록체인 네트워크 내에서 발생하는 **악성 활동(불법 자금 이동, 사기 등)**을 효과적으로…
이더리움 블록체인 주소를 대상으로 지도 학습(랜덤 포레스트, XGBoost 등)을 적용하여 정상/악성 활동을 분류하고, 그 성능을 분석함으로써 블록체인 보안 및 자금세탁방지에 기여했다. 논문 요약 해결하려는 문제 본 연구는 이더리움 블록체인 네트워크 내에서 발생하는 악성 활동(피싱, 사기, 자금세탁 등)을 탐지하고 분류하는 데…