論文の概要: Full Bitcoin Blockchain Data Made Easy

• arxiv url: http://arxiv.org/abs/2106.08072v1
• Date: Tue, 15 Jun 2021 12:02:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-26 15:30:37.535352
• Title: Full Bitcoin Blockchain Data Made Easy
• Title（参考訳）: Bitcoinブロックチェーンの完全なデータを簡単に
• Authors: Jules Azad Emery and Matthieu Latapy
• Abstract要約: 本稿では、完全なbitcoinブロックチェーンデータの収集と処理に焦点を当てる。 非常にベーシックで標準的なツールに依存しており、プロシージャは信頼性が高く、容易に再現できる。 これにより、データ全体を簡単に処理し、適切なサブセットを選択することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Despite the fact that it is publicly available, collecting and processing the full bitcoin blockchain data is not trivial. Its mere size, history, and other features indeed raise quite specific challenges, that we address in this paper. The strengths of our approach are the following: it relies on very basic and standard tools, which makes the procedure reliable and easily reproducible; it is a purely lossless procedure ensuring that we catch and preserve all existing data; it provides additional indexing that makes it easy to further process the whole data and select appropriate subsets of it. We present our procedure in details and illustrate its added value on large-scale use cases, like address clustering. We provide an implementation online, as well as the obtained dataset.
• Abstract（参考訳）: 公開されているにもかかわらず、完全なbitcoinブロックチェーンデータの収集と処理は簡単ではない。 サイズ、履歴、その他の機能は、実際には非常に特定の課題を生じさせます。 アプローチの長所は以下のとおりである。非常に基本的で標準的なツールに依存しており、プロシージャを信頼性と再現が容易にし、既存のすべてのデータを捕捉し保存することを保証する純粋に損失のないプロシージャであり、データ全体を処理し、適切なサブセットを選択するのが簡単になる追加のインデックスを提供する。 提案手法の詳細と,アドレスクラスタリングなどの大規模ユースケースにおける付加価値について述べる。 得られたデータセットと同様に、オンライン実装も提供します。

関連論文リスト

• Fast and Secure Decentralized Optimistic Rollups Using Setchain [1.1534313664323634]
  レイヤ2の楽観的なロールアップ(L2)は、スマートコントラクト開発とユーザインタラクションの面で同じインターフェースを提供する、より高速な代替手段です。 本稿では,集合の非分散化ビザンチン耐性実装であるSetchainに基づく分散L2楽観的なロールアップを提案する。
  論文  参考訳（メタデータ） (2024-06-04T13:45:12Z)
• Honeybee: Decentralized Peer Sampling with Verifiable Random Walks for Blockchain Data Sharding [6.120657470247715]
  シャーディングを実装する上で重要な課題は、ブロックのデータ全体がネットワークで利用可能かどうかを検証することである。 本稿では,ランダムノードを用いた提案ノードに対するプリミティブサンプリングアルゴリズムを提案する。 我々は,Honeybeeによって得られる品質が,最先端のサンプリングアルゴリズムと比較して有意に優れていることを示す。
  論文  参考訳（メタデータ） (2024-02-25T21:29:44Z)
• Enhanced Security and Efficiency in Blockchain with Aggregated Zero-Knowledge Proof Mechanisms [15.034624246970154]
  ブロックチェーンシステムにおけるデータ検証の現在のアプローチは、効率性と計算オーバーヘッドの観点から、課題に直面している。 本研究では,メルクル木構造におけるゼロ知識証明の革新的集約手法を提案する。 我々は,その生成と検証に必要な証明と計算資源を著しく削減するシステムを開発した。
  論文  参考訳（メタデータ） (2024-02-06T09:26:46Z)
• Bag of Tricks for Training Data Extraction from Language Models [98.40637430115204]
  公開データセットを用いてトレーニングデータ抽出を改善するための手法とベンチマーク手法について検討する。 実験結果から,これまで見過ごされていたいくつかのトリックが,トレーニングデータ抽出の成功に不可欠であることが示唆された。
  論文  参考訳（メタデータ） (2023-02-09T06:46:42Z)
• Efficient Online Reinforcement Learning with Offline Data [78.92501185886569]
  オンライン学習時にオフラインデータを活用するために、既存のオフライン手法を単純に適用できることを示します。 私たちはこれらの設計選択を広範囲に改善し、パフォーマンスに最も影響を与える重要な要因を示します。 これらのシンプルなレコメンデーションの正しい適用によって、既存のアプローチよりも$mathbf2.5times$の改善が得られます。
  論文  参考訳（メタデータ） (2023-02-06T17:30:22Z)
• Towards Measuring the Traceability of Cryptocurrencies [0.5371337604556311]
  我々は暗号通貨の追跡可能性と匿名性を測定するための正式な枠組みを提唱した。 我々の研究は、暗号通貨のトレーサビリティを評価するための、最初の実用的で効率的で確率的な尺度を提供する。 いくつかの暗号トランザクショングラフに対して提案したトレーサビリティ尺度を実装し,広範囲に評価する。
  論文  参考訳（メタデータ） (2022-11-08T14:08:39Z)
• Smooth Anonymity for Sparse Graphs [69.1048938123063]
  しかし、スパースデータセットを共有するという点では、差分プライバシーがプライバシのゴールドスタンダードとして浮上している。 本研究では、スムーズな$k$匿名性(スムーズな$k$匿名性)と、スムーズな$k$匿名性(スムーズな$k$匿名性)を提供する単純な大規模アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2022-07-13T17:09:25Z)
• Analysis of Arbitrary Content on Blockchain-Based Systems using BigQuery [0.0]
  パブリックブロックチェーン上のコンテンツを素早く発見、分類するためのクラウドベースのアプローチを開発し、適用します。 当社の手法は,さまざまなブロックチェーンシステムに適用可能で,コンテンツ関連の使用パターンや乱用の可能性に関する洞察を提供する。 私たちの知る限りでは、ブロックチェーンに格納された非金融コンテンツを体系的に分析するのは、今回が初めてです。
  論文  参考訳（メタデータ） (2022-03-17T15:12:38Z)
• Optimal Data Selection: An Online Distributed View [61.31708750038692]
  この問題のオンライン版と分散版のアルゴリズムを開発する。 ランダム選択法は, ランダム選択法よりも5～20%高い性能を示した。 ImageNet と MNIST の学習タスクにおいて、我々の選択方法はランダム選択よりも5-20% 高い性能を示した。
  論文  参考訳（メタデータ） (2022-01-25T18:56:16Z)
• Learning to Count in the Crowd from Limited Labeled Data [109.2954525909007]
  我々は,限られた数のラベル付きサンプルから参加者を数えることを学ぶことで,アノテーションの努力を減らすことに重点を置いている。 具体的には,未ラベルデータに対する擬似地下真理推定を含むガウス過程に基づく反復学習機構を提案する。
  論文  参考訳（メタデータ） (2020-07-07T04:17:01Z)
• Faster Secure Data Mining via Distributed Homomorphic Encryption [108.77460689459247]
  ホモモルフィック暗号化(HE)は、最近、暗号化されたフィールド上で計算を行う能力により、ますます注目を集めている。 本稿では,スケーリング問題の解決に向けて,新しい分散HEベースのデータマイニングフレームワークを提案する。 各種データマイニングアルゴリズムとベンチマークデータセットを用いて,新しいフレームワークの有効性と有効性を検証する。
  論文  参考訳（メタデータ） (2020-06-17T18:14:30Z)

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。