論文の概要: HDCoin: A Proof-of-Useful-Work Based Blockchain for Hyperdimensional
Computing
- arxiv url: http://arxiv.org/abs/2202.02964v1
- Date: Mon, 7 Feb 2022 06:21:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-26 15:26:57.854223
- Title: HDCoin: A Proof-of-Useful-Work Based Blockchain for Hyperdimensional
Computing
- Title(参考訳): HDCoin:超次元コンピューティングのための実用的作業ベースブロックチェーン
- Authors: Dongning Ma, Sizhe Zhang, Xun Jiao
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 2.7462881838152913
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Various blockchain systems and schemes have been proposed since Bitcoin was
first introduced by Nakamoto Satoshi as a distributed ledger. However,
blockchains usually face criticisms, particularly on environmental concerns as
their ``proof-of-work'' based mining process usually consumes a considerable
amount of energy which hardly makes any useful contributions to the real world.
Therefore, the concept of ``proof-of-useful-work'' (PoUW) is proposed to
connect blockchain with practical application domain problems so the
computation power consumed in the mining process can be spent on useful
activities, such as solving optimization problems or training machine learning
models. This paper introduces HDCoin, a blockchain-based framework for an
emerging machine learning scheme: the brain-inspired hyperdimensional computing
(HDC). We formulate the model development of HDC as a problem that can be used
in blockchain mining. Specifically, we define the PoUW under the HDC scenario
and develop the entire mining process of HDCoin. During mining, miners are
competing to obtain the highest test accuracy on a given dataset. The winner
also has its model recorded in the blockchain and are available for the public
as a trustworthy HDC model. In addition, we also quantitatively examine the
performance of mining under different HDC configurations to illustrate the
adaptive mining difficulty.
- Abstract(参考訳): Bitcoinが分散台帳として最初に紹介されて以来、さまざまなブロックチェーンシステムとスキームが提案されている。
しかし、ブロックチェーンは通常、特に環境問題に直面している。'proof-of-work'ベースのマイニングプロセスは、実世界ではほとんど役に立たない大量のエネルギーを消費する。
したがって、ブロックチェーンと実用的なアプリケーションドメインの問題を結びつけるために、マイニングプロセスで消費される計算パワーを最適化問題の解いたり、機械学習モデルをトレーニングしたりといった有用なアクティビティに費やすことができるようにするために、'proof-of-useful work'(pouw)の概念が提案されている。
本稿では,脳にインスパイアされた超次元コンピューティング(HDC)という,新たな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。
ブロックチェーンマイニングで使用できる問題として,HDCのモデル開発を定式化します。
具体的には、PuUWをHDCシナリオで定義し、HDCoinの全採掘プロセスを開発する。
採掘中、鉱山労働者は与えられたデータセットで最高のテスト精度を得るために競い合っている。
受賞者はブロックチェーンにそのモデルを記録しており、信頼できるHDCモデルとして一般に公開されている。
さらに, 異なるHDC構成下での採鉱性能を定量的に検討し, 適応的な採鉱難を示す。
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) - Proof of Deep Learning: Approaches, Challenges, and Future Directions [0.0]
PoDLは、ディープラーニングモデルをトレーニングする過程を、ブロックチェーンに新しいブロックを追加する作業の証明として使用するコンセンサスメカニズムである。
本稿では,多種多様なPoDLアルゴリズム,その利点と欠点,および潜在的な応用について論じる。
論文 参考訳(メタデータ) (2023-08-31T13:49:04Z) - Proof-of-Federated-Learning-Subchain: Free Partner Selection Subchain
Based on Federated Learning [14.16827294216978]
我々はこのギャップを埋めるためにProof-of-Federated-Learning-Subchain(PoFLSC)という新しいコンセンサスを提案した。
サブチェーン内の20人の鉱夫を模擬し,PoFLSCの有効性を実証した。
論文 参考訳(メタデータ) (2023-07-30T23:39:58Z) - 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) - 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) - 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) - 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) - Toward Low-Cost and Stable Blockchain Networks [10.790006312359795]
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。
論文 参考訳(メタデータ) (2020-02-19T06:42:33Z) - 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。