論文の概要: Toward Low-Cost and Stable Blockchain Networks
- arxiv url: http://arxiv.org/abs/2002.08027v2
- Date: Wed, 26 Feb 2020 20:39:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-30 14:38:38.509512
- Title: Toward Low-Cost and Stable Blockchain Networks
- Title（参考訳）: 低コストで安定なブロックチェーンネットワークを目指して
- Authors: Minghong Fang, Jia Liu
- Abstract要約: ブロックチェーンマイニングリソース割り当てアルゴリズムを提案し,PoWベースの(ワークオブワークベースの)ブロックチェーンネットワークにおけるマイニングコストを削減する。
- 参考スコア（独自算出の注目度）: 10.790006312359795
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Envisioned to be the future of secured distributed systems, blockchain
networks have received increasing attention from both the industry and academia
in recent years. However, blockchain mining processes demand high hardware
costs and consume a vast amount of energy (studies have shown that the amount
of energy consumed in Bitcoin mining is almost the same as the electricity used
in Ireland). To address the high mining cost problem of blockchain networks, in
this paper, we propose a blockchain mining resources allocation algorithm to
reduce the mining cost in PoW-based (proof-of-work-based) blockchain networks.
We first propose an analytical queueing model for general blockchain networks.
In our queueing model, transactions arrive randomly to the queue and are served
in a batch manner with unknown service rate probability distribution and
agnostic to any priority mechanism. Then, we leverage the Lyapunov optimization
techniques to propose a dynamic mining resources allocation algorithm (DMRA),
which is parameterized by a tuning parameter $K>0$. We show that our algorithm
achieves an $[O(1/K), O(K)]$ cost-optimality-gap-vs-delay tradeoff. Our
simulation results also demonstrate the effectiveness of DMRA in reducing
mining costs.
- Abstract（参考訳）: セキュアな分散システムの未来を前提として、ブロックチェーンネットワークは近年、業界と学術の両方から注目を集めている。
しかし、ブロックチェーンマイニングプロセスは高いハードウェアコストを必要とし、膨大なエネルギーを消費している(研究によると、ビットコインマイニングで消費されるエネルギー量はアイルランドで使用される電力とほぼ同じである)。
本稿では,ブロックチェーンネットワークのマイニングコスト問題に対処するため,pow(proof-of-work-based)ブロックチェーンネットワークにおけるマイニングコストを削減するブロックチェーンマイニングリソース割り当てアルゴリズムを提案する。
まず,一般ブロックチェーンネットワークのための解析待ち行列モデルを提案する。
我々のキューモデルでは、トランザクションはランダムにキューに届き、未知のサービスレート確率分布でバッチ形式で提供され、任意の優先度メカニズムに依存しない。
次に, Lyapunov 最適化手法を利用して動的マイニング資源割当アルゴリズム (DMRA) を提案し, チューニングパラメータ $K>0$ でパラメータ化を行う。
提案アルゴリズムは,[O(1/K), O(K)]$コスト最適化-gap-vs-遅延トレードオフを実現する。
また, マイニングコスト低減のためのDMRAの有効性をシミュレーションにより検証した。
関連論文リスト
- The Latency Price of Threshold Cryptosystem in Blockchains [52.359230560289745]
本稿では,Byzantine-fault Tolerant(BFT)コンセンサスプロトコルを用いた,しきい値暗号とブロックチェーンのクラス間の相互作用について検討する。
しきい値暗号システムに対する既存のアプローチは、しきい値暗号プロトコルを実行するための少なくとも1つのメッセージ遅延の遅延オーバーヘッドを導入している。
しきい値が狭いブロックチェーンネイティブのしきい値暗号システムに対して,このオーバーヘッドを取り除く機構を提案する。
論文 参考訳（メタデータ） (2024-07-16T20:53:04Z) - Fully Automated Selfish Mining Analysis in Efficient Proof Systems Blockchains [5.864854777864723]
私たちは、Bitcoinのような長鎖ブロックチェーンにおける自己中心的なマイニング攻撃について研究していますが、そこでは、作業の証明が効率的な証明システムに置き換えられます。
本稿では,敵の相対収益を最大化することを目的とした,新たな自尊心のあるマイニング攻撃を提案する。
本稿では,MDP の最適相対収益を$epsilon$-tight で計算する形式解析手法を提案する。
論文 参考訳（メタデータ） (2024-05-07T15:44:39Z) - Enhancing Trust and Privacy in Distributed Networks: A Comprehensive Survey on Blockchain-based Federated Learning [51.13534069758711]
ブロックチェーンのような分散型アプローチは、複数のエンティティ間でコンセンサスメカニズムを実装することで、魅力的なソリューションを提供する。
フェデレートラーニング(FL)は、参加者がデータのプライバシを保護しながら、協力的にモデルをトレーニングすることを可能にする。
本稿では,ブロックチェーンのセキュリティ機能とFLのプライバシ保護モデルトレーニング機能の相乗効果について検討する。
論文 参考訳（メタデータ） (2024-03-28T07:08:26Z) - Generative AI-enabled Blockchain Networks: Fundamentals, Applications,
and Case Study [73.87110604150315]
Generative Artificial Intelligence(GAI)は、ブロックチェーン技術の課題に対処するための有望なソリューションとして登場した。
本稿では、まずGAI技術を紹介し、そのアプリケーションの概要を説明し、GAIをブロックチェーンに統合するための既存のソリューションについて議論する。
論文 参考訳（メタデータ） (2024-01-28T10:46:17Z) - Dynamic Mining Interval to Improve Blockchain Throughput [0.4915744683251149]
ブロックサイズと取引量に応じて採掘間隔を調整する動的マイニングインターバル(DMI)機構を提案する。
また,様々な要因に基づいて採掘間隔を調整するためのDMI選択機構についても論じる。
論文 参考訳（メタデータ） (2023-12-21T17:03:53Z) - Cryptocurrency Portfolio Optimization by Neural Networks [81.20955733184398]
本稿では,これらの投資商品を活用するために,ニューラルネットワークに基づく効果的なアルゴリズムを提案する。
シャープ比を最大化するために、各アセットの割り当て重量を時間間隔で出力するディープニューラルネットワークを訓練する。
ネットワークの特定の資産に対するバイアスを規制する新たな損失項を提案し,最小分散戦略に近い割り当て戦略をネットワークに学習させる。
論文 参考訳（メタデータ） (2023-10-02T12:33:28Z) - Cobalt: Optimizing Mining Rewards in Proof-of-Work Network Games [6.052883613180156]
マイニング報酬に影響を及ぼす重要な要因は、ピアツーピアネットワークにおけるマイナー間の接続である。
我々は、鉱夫が誰と接続するかを盗賊問題として決定する問題を定式化する。
我々の研究の重要な貢献は、帯域幅アルゴリズム内のネットワーク構造を学習するためにネットワーク座標に基づくモデルを使用することである。
論文 参考訳（メタデータ） (2023-07-10T16:50:58Z) - HDCoin: A Proof-of-Useful-Work Based Blockchain for Hyperdimensional
Computing [2.7462881838152913]
本稿では、新しい機械学習スキームのためのブロックチェーンベースのフレームワークであるHDCoinを紹介する。
HDCのシナリオでは、マイナーは与えられたデータセット上で最も高いテスト精度を得るために競争している。
勝者のモデルはブロックチェーンに記録されており、信頼できるHDCモデルとして一般に公開されている。
論文 参考訳（メタデータ） (2022-02-07T06:21:29Z) - Quantum-resistance in blockchain networks [46.63333997460008]
本稿では、ブロックチェーンネットワークにおける量子脅威を特定し、排除するために、米国間開発銀行、IDBラボ、LACChain、量子コンピューティング(CQC)、Tecnologicalo de Monterreyによる研究について述べる。
量子コンピューティングの出現は、非量子耐性暗号アルゴリズムを利用するため、インターネットプロトコルやブロックチェーンネットワークを脅かす。
論文 参考訳（メタデータ） (2021-06-11T23:39:25Z) - Resource Management for Blockchain-enabled Federated Learning: A Deep
Reinforcement Learning Approach [54.29213445674221]
Federated Learning (BFL)は、機械学習モデル所有者(MLMO)が必要とするニューラルネットワークモデルを、モバイルデバイスが協調的にトレーニングすることを可能にする。
BFLの問題は、モバイルデバイスがシステムの寿命とトレーニング効率を低下させるエネルギーとCPUの制約を持っていることである。
我々は,Deep Reinforcement Learning (DRL) を用いて最適決定を導出することを提案する。
論文 参考訳（メタデータ） (2020-04-08T16:29:19Z) - A Proof of Useful Work for Artificial Intelligence on the Blockchain [0.3599866690398789]
本稿では,ブロックチェーン上での機械学習モデルのトレーニングに基づく,新たな"有用な作業の保護"(PoUW)プロトコルについて述べる。
マイナーは、正直なMLトレーニングをした後、新しいコインを作る機会を得る。
我々は、有用な仕事を報い、悪意ある俳優を罰する仕組みを概説する。
論文 参考訳（メタデータ） (2020-01-25T01:10:46Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。