TM-RUGPULL: A Temporary Sound, Multimodal Dataset for Early Detection of RUG Pulls Across the Tokenized Ecosystem
本論文は、既存のリソースにおけるデータ漏洩とモダリティの限界を克服するために設計された、1,028 のトークンプロジェクトからなる厳密にキュレーションされたマルチモーダルデータセット「TM-RugPull」を導入し、それによってトークン化されたエコシステム全体におけるラグプル詐欺の早期検出のための新たなベンチマークを確立するものである。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
暗号資産の世界を、巨大で賑やかなデジタル市場だと想像してください。この市場では、人々が投資家に売るために新しい「トークン」（デジタルコイン）を作成します。時には、誠実な創設者が価値あるものを構築しますが、他の時には、詐欺師が「ラグプル（Rug Pull）」と呼ばれる手口を働きます。
ラグプルとは、見世物小屋のゲーム運営者がブースを設け、皆からお金を集めた後、プレイヤーがゲームが手抜きだと気づく前に、突然床の絨毯を剥ぎ取り、現金を持って逃げ出すようなものです。
あなたが共有した論文「TM-RugPull」は、詐欺師が逃げ出す前にそれらを特定するための、より優れた「トレーニングマニュアル」をコンピュータに構築することについて述べています。以下に、簡単な言葉で解説します。
問題点：「後向き」なトレーニングマニュアル
現在、詐欺師を見つけるためにコンピュータが使用するツールには欠陥があります。それは、泥棒が金を盗んで逃げ去った後の写真を見せながら、警備員に泥棒を見分けることを教えるようなものです。
- 欠陥: 古いデータセットは、詐欺が完了した後にのみ現れる手がかり（価格の暴落や資金の消滅など）を使用しています。
- 結果: このデータで訓練されたコンピュータは、詐欺を予測するのが得意だと考えていますが、現実世界では失敗します。なぜなら、彼らが手がかりを探しているのは、手遅れになるまで存在しないものだからです。また、彼らは主に一つの種類のプロジェクト（DeFi）しか見ておらず、ミーム、ゲーム、または有名人トークンにおける詐欺を見逃しています。
解決策：「タイムトラベル」データセット
著者たちは「TM-RugPull」という新しいデータセットを作成しました。彼らはそれを厳格なタイムトラベルのルールのように設計しました。「災害が発生する前に利用可能な情報のみを見ることができる」というルールです。
以下に、彼らがそれを構築した方法を示します。
1. 多様な群衆（1,000 のプロジェクト）
真面目な金融アプリだけを見るのではなく、彼らは 1,000 の異なるプロジェクトを集めました。以下のようなラインナップを想像してください。
- 真面目な金融アプリ（DeFi）。
- おかしなインターネットのジョーク（ミームトークン）。
- デジタルアートやゲーム（NFT）。
- 有名人ブランドのコイン。
これにより、コンピュータは真面目なものだけでなく、あらゆる種類のデジタルプロジェクトにおける詐欺師を見分けることを学びます。
2. 「中間点」ルール（時間漏洩の防止）
コンピュータが未来を見て不正を働かないようにするため、著者たちは各プロジェクトに対して時間の特定の「中間点」を選びました。
- ルール: コンピュータは、プロジェクトの生涯の「前半」（中間点以前）からのデータのみを見ることができます。
- チェック: もしプロジェクトが後に詐欺であることが判明した場合、コンピュータは、詐欺が始まる前に現れた「初期の手がかり」のみを使用してそれを予測できたかどうかで評価されます。もしコンピュータが詐欺が始まった後に現れた手がかりを使用した場合は、失格となります。これを「時間的漏洩（temporal leakage）」の防止と呼びます。
3. 市場を監視する三つの目（マルチモーダルデータ）
完全な図を得るために、このデータセットはプロジェクトを同時に三つの異なる「レンズ」を通して見ています。
- レンズ 1：オンチェーン行動: ブロックチェーン上の資金とトークンの実際の動きを監視すること（レジの動きを見ているようなもの）。
- レンズ 2：スマートコントラクトのメタデータ: コード自体に書かれた「ルール」を読むこと（契約の細則を読むようなもの）。
- レンズ 3：OSINT（オープンソースインテリジェンス）: ソーシャルメディア、Google 検索、ニュースを確認すること（町の広場での噂話を聞くようなもの）。
- 重要性: 多くの場合、人々はブロックチェーン上で実際に資金が消える前に、Twitter や Google で詐欺について話し始めます。このデータセットは、そのような初期のささやきを捉えます。
4. 人間の探偵チーム（手動ラベリング）
著者たちは、誰が詐欺師かをコンピュータに任せるだけではありませんでした。彼らは人間の専門家チームを使用しました。
- プロセス: 何か問題が起きた後、72 時間プロジェクトを監視しました。流動性が消え、活動が停止し、価格が凍結した場合、それを「ラグプル」とラベル付けしました。
- 安全網: 彼らは既知の詐欺データベースとこれを二重に確認し、誤りがないようにするために二人の専門家が判決に同意しました。
結果
この論文は、AI 向けのクリーンで誠実、かつ多様なトレーニングセットを提示します。
- 1,000 のプロジェクト（約 60% が詐欺師、40% が誠実）を含みます。
- 5 つの異なるブロックチェーン（Ethereum や Binance など）をカバーします。
- 将来の情報を活用して「不正」を行うことを厳格に禁止しています。
要約すると: 著者たちは、AI 警備員のための「フライトシミュレーター」を構築しました。すでに発生した墜落の映像で訓練するのではなく、彼らは墜落前の信号で訓練しました。これにより、警備員は実際に墜落を防ぐことができるようになります。彼らは、このシミュレーターとそれを作成するためのコードを、誰もが使用できるように公開しました。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。