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…
Attention 기반 Temporal Fusion Transformer(ADE-TFT)를 통해 BTC, ETH 등 암호화폐 가격을 예측하고, 예측 변수 및 시계열 패턴의 해석 가능성을 제시하여 예측 성능과 설명력을 동시에 개선했다. 논문 요약 해결하려는 문제 본 연구는 암호화폐 시장의 예측 정확도 향상뿐만 아니라, 예측 결과에 대한…
암호화폐 시계열 데이터를 하위 범주(subseries)로 분류하고 각 범주에 특화된 Temporal Fusion Transformer(TFT)를 훈련하여, 암호화폐 가격 예측 정확도를 개선한 연구 논문이다. 논문 요약 해결하려는 문제 본 연구는 암호화폐 시장의 복잡하고 이질적인 시계열 특성으로 인해 단일 모델로 정확한 가격 예측을 수행하기 어려운…