論文の概要: An Incentive-Based Mechanism for Volunteer Computing using Blockchain
- arxiv url: http://arxiv.org/abs/2009.11901v1
- Date: Thu, 24 Sep 2020 18:48:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-01 02:25:46.878121
- Title: An Incentive-Based Mechanism for Volunteer Computing using Blockchain
- Title（参考訳）: ブロックチェーンを用いたボランティアコンピューティングのインセンティブに基づくメカニズム
- Authors: Ismaeel Al Ridhawi and Moayad Aloqaily and Yaser Jararweh
- Abstract要約: この記事では、ボランティアコンピューティングを通じてブロックチェーン可能なリソース共有とサービスソリューションを紹介します。
提案したソリューションは、高い報酬分布、ブロックチェーン生成数の増加、遅延の低減、リソース使用量のバランスを実現することができる。
- 参考スコア（独自算出の注目度）: 13.348848214843345
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The rise of fast communication media both at the core and at the edge has
resulted in unprecedented numbers of sophisticated and intelligent wireless IoT
devices. Tactile Internet has enabled the interaction between humans and
machines within their environment to achieve revolutionized solutions both on
the move and in real-time. Many applications such as intelligent autonomous
self-driving, smart agriculture and industrial solutions, and self-learning
multimedia content filtering and sharing have become attainable through
cooperative, distributed and decentralized systems, namely, volunteer
computing. This article introduces a blockchain-enabled resource sharing and
service composition solution through volunteer computing. Device resource,
computing, and intelligence capabilities are advertised in the environment to
be made discoverable and available for sharing with the aid of blockchain
technology. Incentives in the form of on-demand service availability are given
to resource and service providers to ensure fair and balanced cooperative
resource usage. Blockchains are formed whenever a service request is initiated
with the aid of fog and mobile edge computing (MEC) devices to ensure secure
communication and service delivery for the participants. Using both volunteer
computing techniques and tactile internet architectures, we devise a fast and
reliable service provisioning framework that relies on a reinforcement learning
technique. Simulation results show that the proposed solution can achieve high
reward distribution, increased number of blockchain formations, reduced delays,
and balanced resource usage among participants, under the premise of high IoT
device availability.
- Abstract（参考訳）: コアとエッジの両方における高速通信メディアの台頭は、前例のないほど洗練されたインテリジェントなワイヤレスiotデバイスを生み出した。
触覚インターネットは、環境内の人間と機械のインタラクションを可能にし、移動とリアルタイムの両方で革命的なソリューションを実現した。
インテリジェントな自動運転、スマート農業と産業ソリューション、そしてセルフラーニングマルチメディアコンテンツのフィルタリングと共有といった多くの応用は、協力的、分散的、分散化されたシステム、すなわちボランティアコンピューティングによって実現可能になっている。
この記事では、ボランティアコンピューティングによるブロックチェーン可能なリソース共有とサービス構成ソリューションを紹介します。
デバイスリソース、コンピューティング、およびインテリジェンス機能は、ブロックチェーン技術の助けを借りて発見可能かつ共有可能な環境において宣伝される。
オンデマンドサービスの可用性という形でのインセンティブは、公平かつバランスのとれた協調的なリソース使用を確保するために、リソースとサービスプロバイダに与えられる。
サービス要求がフォグとモバイルエッジコンピューティング(MEC)デバイスによって開始されると、ブロックチェーンが生成され、参加者のセキュアなコミュニケーションとサービス配信が保証される。
ボランティアコンピューティング技術と触覚インターネットアーキテクチャの両方を用いて、強化学習技術に依存する高速で信頼性の高いサービス提供フレームワークを考案する。
シミュレーションの結果から,提案ソリューションは高報酬分布,ブロックチェーン生成数の増加,遅延の低減,高IoTデバイス可用性を前提として,参加者間のリソース使用量の均衡を実現可能であることが示された。
関連論文リスト
- A proof of contribution in blockchain using game theoretical deep learning model [4.53216122219986]
本稿では,タスクスケジューリングとリソース提供に関して,サービス提供者間で合意に達するためのゲーム理論のディープラーニングモデルを提案する。
我々のモデルは最先端のモデルに比べてレイテンシを584%削減する。
論文 参考訳（メタデータ） (2024-08-25T12:40:19Z) - Decentralized Multimedia Data Sharing in IoV: A Learning-based Equilibrium of Supply and Demand [57.82021900505197]
インターネット・オブ・ビークルズ(IoV)は、道路の安全性を高め、交通渋滞を軽減し、インフォテインメントアプリケーションを通じてユーザーエクスペリエンスを向上させることにより、交通システムを変革する大きな可能性を秘めている。
分散データ共有は、セキュリティ、プライバシ、信頼性を改善し、IoVにおけるインフォテインメントデータの共有を容易にする。
市場における需給バランスを学習するための多知能強化学習に基づく分散型データ共有インセンティブ機構を提案する。
論文 参考訳（メタデータ） (2024-03-29T14:58:28Z) - A Learning-based Incentive Mechanism for Mobile AIGC Service in Decentralized Internet of Vehicles [49.86094523878003]
モバイルAIGCサービスアロケーションのための分散インセンティブ機構を提案する。
我々は、AIGCサービスのRSUへの供給と、IoVコンテキスト内のサービスに対するユーザ要求のバランスを見つけるために、マルチエージェントの深層強化学習を採用している。
論文 参考訳（メタデータ） (2024-03-29T12:46:07Z) - The Security and Privacy of Mobile Edge Computing: An Artificial Intelligence Perspective [64.36680481458868]
Mobile Edge Computing (MEC)は、クラウドコンピューティングと情報技術(IT)サービスをネットワークのエッジで配信できるようにする新しいコンピューティングパラダイムである。
本稿では,人工知能(AI)の観点からMECのセキュリティとプライバシに関する調査を行う。
新たなセキュリティとプライバシの問題に加えて、AIの観点からの潜在的なソリューションにも重点を置いています。
論文 参考訳（メタデータ） (2024-01-03T07:47:22Z) - Naeural AI OS -- Decentralized ubiquitous computing MLOps execution engine [0.0]
エンド・ツー・エンドのAI協調型アプリケーションパイプラインのローコード開発と展開に革新的なアプローチを提案する。
我々は、トークン化経済に基づいて、完全に分散したグローバルな協力コミュニティにおけるインフラ割り当て、コスト、および安全な雇用分配について論じる。
論文 参考訳（メタデータ） (2023-06-14T19:20:43Z) - iDML: Incentivized Decentralized Machine Learning [16.31868012716559]
我々は、完全に分散化され、機会論的学習アーキテクチャのための、ブロックチェーンベースの新しいインセンティブメカニズムを提案する。
我々は、エンドデバイスへの明確なインセンティブを提供するだけでなく、学習アーキテクチャの振る舞いを検査し、反映する完全に分散化されたメカニズムを構築するために、スマートコントラクトを活用しています。
論文 参考訳（メタデータ） (2023-04-10T17:28:51Z) - AI-Empowered Data Offloading in MEC-Enabled IoV Networks [40.75165195026413]
本稿では、信頼性、セキュリティ、エネルギー管理、サービス販売者利益の4つの主要な問題に基づいて分類された、データオフロードプロセスの一部としてAIを使用する研究を調査する。
MEC対応のIoVネットワークでデータをオフロードするプロセスにおけるさまざまな課題として、高いモバイル環境における信頼性のオフロード、同一ネットワーク内のユーザに対するセキュリティ、ネットワークへの不活性化を防ぐためのエネルギ管理などがある。
論文 参考訳（メタデータ） (2022-03-31T09:31:53Z) - Learning, Computing, and Trustworthiness in Intelligent IoT
Environments: Performance-Energy Tradeoffs [62.91362897985057]
Intelligent IoT Environment(iIoTe)は、半自律IoTアプリケーションを協調実行可能な異種デバイスで構成されている。
本稿では,これらの技術の現状を概観し,その機能と性能,特にリソース,レイテンシ,プライバシ,エネルギー消費のトレードオフに注目した。
論文 参考訳（メタデータ） (2021-10-04T19:41:42Z) - Will bots take over the supply chain? Revisiting Agent-based supply
chain automation [71.77396882936951]
エージェントベースのサプライチェーンは2000年初頭から提案されている。
エージェントベースの技術は成熟しており、サプライチェーンに浸透している他の支援技術はギャップを埋めている。
例えば、IoTテクノロジのユビキティは、エージェントがサプライチェーンの状態を“理解”し、自動化のための新たな可能性を開くのに役立つ。
論文 参考訳（メタデータ） (2021-09-03T18:44:26Z) - Toward Multiple Federated Learning Services Resource Sharing in Mobile
Edge Networks [88.15736037284408]
本稿では,マルチアクセスエッジコンピューティングサーバにおいて,複数のフェデレーション付き学習サービスの新たなモデルについて検討する。
共同資源最適化とハイパーラーニング率制御の問題,すなわちMS-FEDLを提案する。
シミュレーションの結果,提案アルゴリズムの収束性能を実証した。
論文 参考訳（メタデータ） (2020-11-25T01:29:41Z) - Multi-agent Reinforcement Learning for Resource Allocation in IoT
networks with Edge Computing [16.129649374251088]
エンドユーザーが計算をオフロードするのは、スペクトルとリソースに対する大きな要求のためである。
本稿では,IoTエッジコンピューティングネットワークにおけるリソース割り当てを伴うオフロード機構をゲームとして定式化することによって検討する。
論文 参考訳（メタデータ） (2020-04-05T20:59:20Z)
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。