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
- 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) - 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) - New intelligent defense systems to reduce the risks of Selfish Mining
and Double-Spending attacks using Learning Automata [0.43512163406551996]
我々は、二重投機と利己的な鉱業攻撃を組み合わせた新たな攻撃を導入する。
我々はSDTLAとWVBMの2つのモデルを開発した。
我々の発見は、ブロックチェーンネットワークのセキュリティと効率を高めるための有望なソリューションとして、SDTLAとWVBMの可能性を浮き彫りにしている。
論文 参考訳(メタデータ) (2023-07-02T09:46:05Z) - Incentive Mechanism Design for Joint Resource Allocation in
Blockchain-based Federated Learning [23.64441447666488]
本稿では,各クライアントに対して,トレーニングとマイニングに適切な報酬を割り当てるインセンティブ機構を提案する。
そこで我々は,Stackelbergのゲームモデルを2つの最適化問題に変換し,モデルオーナとクライアントの両方に対して最適な戦略を導出する。
論文 参考訳(メタデータ) (2022-02-18T02:19:26Z) - 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) - Quantum Multi-Solution Bernoulli Search with Applications to Bitcoin's
Post-Quantum Security [67.06003361150228]
作業の証明(英: proof of work、PoW)は、当事者が計算タスクの解決にいくらかの労力を費やしたことを他人に納得させることができる重要な暗号構造である。
本研究では、量子戦略に対してそのようなPoWの連鎖を見つけることの難しさについて検討する。
我々は、PoWs問題の連鎖が、マルチソリューションBernoulliサーチと呼ばれる問題に還元されることを証明し、量子クエリの複雑さを確立する。
論文 参考訳(メタデータ) (2020-12-30T18:03:56Z) - Blockchain Assisted Decentralized Federated Learning (BLADE-FL) with
Lazy Clients [124.48732110742623]
フェデレートラーニング(FL)にブロックチェーンを統合する新しいフレームワークを提案する。
BLADE-FLは、プライバシー保護、改ざん抵抗、学習の効果的な協力の点で優れたパフォーマンスを持っている。
遅延クライアントは、他人のトレーニングされたモデルを盗聴し、不正行為を隠すために人工的なノイズを加える。
論文 参考訳(メタデータ) (2020-12-02T12:18:27Z) - 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。