論文の概要: Blockchain Framework for Artificial Intelligence Computation
- arxiv url: http://arxiv.org/abs/2202.11264v1
- Date: Wed, 23 Feb 2022 01:44:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-25 04:17:06.683656
- Title: Blockchain Framework for Artificial Intelligence Computation
- Title（参考訳）: 人工知能計算のためのブロックチェーンフレームワーク
- Authors: Jie You
- Abstract要約: ブロック検証とコンセンサス機構を深層強化学習プロセスとして設計する。
当社の手法は,次世代のパブリックブロックチェーンネットワークの設計に使用されている。
- 参考スコア（独自算出の注目度）: 1.8148198154149393
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Blockchain is an essentially distributed database recording all transactions
or digital events among participating parties. Each transaction in the records
is approved and verified by consensus of the participants in the system that
requires solving a hard mathematical puzzle, which is known as proof-of-work.
To make the approved records immutable, the mathematical puzzle is not trivial
to solve and therefore consumes substantial computing resources. However, it is
energy-wasteful to have many computational nodes installed in the blockchain
competing to approve the records by just solving a meaningless puzzle. Here, we
pose proof-of-work as a reinforcement-learning problem by modeling the
blockchain growing as a Markov decision process, in which a learning agent
makes an optimal decision over the environment's state, whereas a new block is
added and verified. Specifically, we design the block verification and
consensus mechanism as a deep reinforcement-learning iteration process. As a
result, our method utilizes the determination of state transition and the
randomness of action selection of a Markov decision process, as well as the
computational complexity of a deep neural network, collectively to make the
blocks not easy to recompute and to preserve the order of transactions, while
the blockchain nodes are exploited to train the same deep neural network with
different data samples (state-action pairs) in parallel, allowing the model to
experience multiple episodes across computing nodes but at one time. Our method
is used to design the next generation of public blockchain networks, which has
the potential not only to spare computational resources for industrial
applications but also to encourage data sharing and AI model design for common
problems.
- Abstract（参考訳）: Blockchainは基本的に、参加者間のすべてのトランザクションやデジタルイベントを記録する分散データベースである。
レコード内の各トランザクションは、ハードな数学的パズルを解くことを必要とするシステムの参加者の合意によって承認され、検証される。
承認されたレコードを不変にするために、数学的パズルは解くのが簡単ではないため、かなりの計算資源を消費する。
しかし、無意味なパズルを解くだけで、ブロックチェーンに多くの計算ノードをインストールして、レコードの承認を競うのはエネルギーを浪費する。
ここでは,学習エージェントが環境の状態に対して最適な決定を下すためのマルコフ決定プロセスとして成長するブロックチェーンをモデル化し,新たなブロックを追加・検証することにより,強化学習問題として作業の実証を行う。
具体的には,ブロック検証とコンセンサス機構を深い強化学習イテレーションプロセスとして設計する。
As a result, our method utilizes the determination of state transition and the randomness of action selection of a Markov decision process, as well as the computational complexity of a deep neural network, collectively to make the blocks not easy to recompute and to preserve the order of transactions, while the blockchain nodes are exploited to train the same deep neural network with different data samples (state-action pairs) in parallel, allowing the model to experience multiple episodes across computing nodes but at one time.
当社の手法は次世代のパブリックブロックチェーンネットワークの設計に使用されており,産業用アプリケーションに計算資源を節約するだけでなく,一般的な問題に対してデータ共有やAIモデル設計を奨励する可能性がある。
関連論文リスト
- BlockFound: Customized blockchain foundation model for anomaly detection [47.04595143348698]
BlockFoundは、異常なブロックチェーントランザクション検出のためのカスタマイズされた基盤モデルである。
ブロックチェーントランザクションのユニークなデータ構造をモデル化するための、一連のカスタマイズデザインを紹介します。
BlockFoundは、Solana上の異常なトランザクションを高精度に検出する唯一の方法である。
論文 参考訳（メタデータ） (2024-10-05T05:11:34Z) - Generative Blockchain: Transforming Blockchain from Transaction Recording to Transaction Generation through Proof-of-Merit [5.801684954657074]
生成ブロックチェーンは、トランザクション生成と記録を組み合わせることで、従来のブロックチェーン技術を変革することを目指している。
私たちのデザインの中心は、新しいコンセンサスメカニズムであるProof-of-Merit(PoM)である。
我々は、複雑なトランザクション生成問題を解決するタスクが独立した問題解決者のプールに委譲される、オンデマンドプラットフォーム上でPoMを実証する。
論文 参考訳（メタデータ） (2024-08-23T20:51:10Z) - 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) - MRL-PoS: A Multi-agent Reinforcement Learning based Proof of Stake Consensus Algorithm for Blockchain [0.18641315013048293]
本稿では,マルチエージェント強化学習に基づくProof-of-StakeコンセンサスアルゴリズムであるMRL-PoSを紹介する。
悪意のあるノードを排除し、正直なノードにインセンティブを与える、報酬と罰則の仕組みが組み込まれている。
論文 参考訳（メタデータ） (2023-12-14T16:58:18Z) - Communication-Efficient Decentralized Federated Learning via One-Bit
Compressive Sensing [52.402550431781805]
分散連合学習(DFL)は、様々なアプリケーションにまたがる実用性によって人気を博している。
集中型バージョンと比較して、DFLの多数のノード間で共有モデルをトレーニングするのはより難しい。
我々は,iADM (iexact alternating direction method) の枠組みに基づく新しいアルゴリズムを開発した。
論文 参考訳（メタデータ） (2023-08-31T12:22:40Z) - ACon$^2$: Adaptive Conformal Consensus for Provable Blockchain Oracles [31.439376852065713]
スマートコントラクトのパワーはオフチェーンデータとのインタラクションによって実現され、それによってブロック状態の一貫性を損なう可能性がある。
適応型コンセンサス(ACon$2$)アルゴリズムを提案し,複数のオラクル契約からコンセンサスを導出する。
特に、提案アルゴリズムは、データの不確実性を定量化し、所望の正確性を保証するコンセンサスセットを返す。
論文 参考訳（メタデータ） (2022-11-17T04:37:24Z) - Training Massive Deep Neural Networks in a Smart Contract: A New Hope [5.0737599874451105]
ディープニューラルネットワーク(DNN)は、DeFiやNFTトレーディングといったブロックチェーンアプリケーションで非常に有用である。
本稿では,A New Hope (ANH) と呼ばれる新しいプラットフォーム設計を提案する。
i) 計算集約的なスマートコントラクトトランザクションは、結果を必要とするノード、あるいは特定のサービスプロバイダによってのみ実行される、(ii) 非決定論的スマートコントラクトトランザクションは、不確実な結果をもたらす、という考え方です。
論文 参考訳（メタデータ） (2021-06-28T14:38:44Z) - Coded Stochastic ADMM for Decentralized Consensus Optimization with Edge
Computing [113.52575069030192]
セキュリティ要件の高いアプリケーションを含むビッグデータは、モバイルデバイスやドローン、車両など、複数の異種デバイスに収集され、格納されることが多い。
通信コストとセキュリティ要件の制限のため、核融合センターにデータを集約するのではなく、分散的に情報を抽出することが最重要となる。
分散エッジノードを介してデータを局所的に処理するマルチエージェントシステムにおいて,モデルパラメータを学習する問題を考える。
分散学習モデルを開発するために,乗算器アルゴリズムの最小バッチ交互方向法(ADMM)のクラスについて検討した。
論文 参考訳（メタデータ） (2020-10-02T10:41:59Z) - Proof of Learning (PoLe): Empowering Machine Learning with Consensus
Building on Blockchains [7.854034211489588]
ニューラルネットワーク(NN)の最適化に向けて,新たなコンセンサスメカニズムであるPoLe(Proof of Learning)を提案する。
我々のメカニズムでは、トレーニング/テストデータはブロックチェーンネットワーク全体(BCN)にリリースされ、コンセンサスノードはデータ上でNNモデルをトレーニングします。
我々はPoLeがより安定したブロック生成率を達成でき、それによってより効率的なトランザクション処理が実現できることを示す。
論文 参考訳（メタデータ） (2020-07-29T22:53:43Z) - 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。