MétaCan
Menu
Retour à la cohorte
Enregistrement W4409886598 · doi:10.1016/j.dcan.2025.04.004

Mitigating Blockchain Extractable Value threats by Distributed Transaction Sequencing Strategy

2025· article· en· W4409886598 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueDigital Communications and Networks · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueBlockchain Technology Applications and Security
Établissements canadiensSimon Fraser University
Organismes subventionnairesResearch Services and Knowledge Transfer Office, University of MacauUniversidade de Macau
Mots-clésBlockchainComputer scienceDatabase transactionComputer securityData scienceDatabase

Résumé

récupéré en direct d'OpenAlex

The rapid growth of blockchain and Decentralized Finance (DeFi) has introduced new challenges and vulnerabilities that threaten the integrity and efficiency of the ecosystem. This study identifies critical issues such as Transaction Order Dependence (TOD), Blockchain Extractable Value (BEV), and Transaction Importance Diversity (TID), which collectively undermine the fairness and security of DeFi systems. BEV-related activities, including sandwich attacks, liquidations, transaction replay etc. have emerged as significant threats, collectively generating $540.54 million in losses over 32 months across 11,289 addresses, involving 49,691 cryptocurrencies and 60,830 on-chain markets. These attacks exploit transaction mechanics to manipulate asset prices and extract value at the expense of other participants, with sandwich attacks being particularly impactful. Additionally, the growing adoption of blockchain in traditional finance highlights the challenge of TID, wherein high transaction volumes can strain systems and compromise time-sensitive operations. To address these pressing issues, we propose a novel Distributed Transaction Sequencing Strategy (DTSS) that integrates forking mechanisms with an Analytic Hierarchy Process (AHP) to enforce fair and transparent transaction ordering in a decentralized manner. Our approach is further enhanced by an optimization framework and the introduction of a Normalized Allocation Disparity Metric (NADM) that ensures optimal parameter selection for transaction prioritization. Experimental evaluations demonstrated that the DTSS effectively mitigated BEV risks, enhanced transaction fairness, and significantly improved the security and transparency of DeFi ecosystems. • Distributed Transaction Sequencing Strategy (DTSS) was proposed address TOD, BEV, and TID issues. • DTSS adapts block size based on transaction attributes. • An optimization framework was introduced to determine optimal parameters for DTSS. • Experimental results show the superiority of DTSS in mitigating risks associated with BEV. • Results also show that DTSS can ensure a fair and transparent transaction ordering.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,979
Score d'incertitude au seuil0,584

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,016
Tête enseignante GPT0,255
Écart entre enseignants0,240 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle