論文の概要: Kadabra: Adapting Kademlia for the Decentralized Web
- arxiv url: http://arxiv.org/abs/2210.12858v1
- Date: Sun, 23 Oct 2022 21:21:19 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-25 21:17:37.672528
- Title: Kadabra: Adapting Kademlia for the Decentralized Web
- Title（参考訳）: Kadabra: Kademliaを分散Webに適用する
- Authors: Yunqi Zhang and Shaileshh Bojja Venkatakrishnan
- Abstract要約: 本稿では、カデミアにおけるルーティングテーブルエントリを計算し、ルックアップを高速化する分散プロトコルであるKadabraを紹介する。
Kadabraは最先端のベースラインに比べて15～50%低いルックアップレイテンシを実現している。
- 参考スコア（独自算出の注目度）: 6.457567650894037
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Blockchains have become the catalyst for a growing movement to create a more
decentralized Internet. A fundamental operation of applications in a
decentralized Internet is data storage and retrieval. As today's blockchains
are limited in their storage functionalities, in recent years a number of
peer-to-peer data storage networks have emerged based on the Kademlia
distributed hash table protocol. However, existing Kademlia implementations are
not efficient enough to support fast data storage and retrieval operations
necessary for (decentralized) Web applications. In this paper, we present
Kadabra, a decentralized protocol for computing the routing table entries in
Kademlia to accelerate lookups. Kadabra is motivated by the multi-armed bandit
problem, and can automatically adapt to heterogeneity and dynamism in the
network. Experimental results show Kadabra achieving between 15-50% lower
lookup latencies compared to state-of-the-art baselines.
- Abstract（参考訳）: ブロックチェーンは、より分散化されたインターネットを作る動きの触媒になっている。
分散インターネットにおけるアプリケーションの基本的な操作はデータストレージと検索である。
今日のブロックチェーンはストレージ機能に制限があるため、近年、Kademlia分散ハッシュテーブルプロトコルに基づいて、ピアツーピアのデータストレージネットワークが数多く出現している。
しかし、既存のkademliaの実装は、(分散)webアプリケーションに必要な高速なデータストレージと検索操作をサポートするほど効率的ではない。
本稿では,kadabraという,kademliaのルーティングテーブルエントリを計算してルックアップを高速化する分散プロトコルを提案する。
Kadabraはマルチアームバンディット問題によって動機付けられ、ネットワーク内の不均一性とダイナミズムに自動的に適応することができる。
実験の結果,kadabraは最先端のベースラインと比較して15～50%低いルックアップレイテンシを達成した。
関連論文リスト
- DBNode: A Decentralized Storage System for Big Data Storage in Consortium Blockchains [2.474908349649168]
本稿では,Hyperledger Fabricのための分散ストレージシステムを提案する。
ファイルを分割するために消去符号化を採用し、それらを階層構造に整理します。
本研究では,2層型ハッシュスロット機構とミラー戦略を設計し,高可用性を実現する。
論文 参考訳（メタデータ） (2024-09-30T09:22:15Z) - Real-time Cyberattack Detection with Collaborative Learning for Blockchain Networks [29.481124078876032]
ブロックチェーンネットワークを保護するために,効率的な協調型サイバー攻撃検出モデルを提案する。
提案する検出モデルは,ブロックチェーンネットワークにおける攻撃を最大97%の精度で検出できる。
論文 参考訳（メタデータ） (2024-07-04T15:39:49Z) - Data Availability and Decentralization: New Techniques for zk-Rollups in Layer 2 Blockchain Networks [14.27943855519429]
本稿では,レイヤ2ネットワークにおけるデータ可用性と分散化の課題に対処する新しい手法を提案する。
これは、Layer 2ノードが履歴データをダウンロードせずにトランザクションを集約できないことを保証します。
分散化のために、我々はLayer 2の新しいロール分離を導入し、限られたハードウェアを持つノードが参加できるようにしました。
論文 参考訳（メタデータ） (2024-03-16T06:34:51Z) - Blockchain-enabled Trustworthy Federated Unlearning [50.01101423318312]
フェデレートアンラーニング(Federated Unlearning)は、分散クライアントのデータオーナシップを保護するための、有望なパラダイムである。
既存の作業では、分散クライアントからの履歴モデルパラメータを保持するために、中央サーバが必要である。
本稿では,ブロックチェーンによる信頼性の高いフェデレーションアンラーニングフレームワークを提案する。
論文 参考訳（メタデータ） (2024-01-29T07:04:48Z) - A Scale-out Decentralized Blockchain Ledger System for Web3.0 [5.327844605578174]
本稿では,Web3.0用に設計された新しい分散スケールアウト台帳システムであるEZchainを提案する。
セキュリティと分散化を妥協することなく、EZchainは以下のマイルストーンを達成している。
論文 参考訳（メタデータ） (2023-12-01T01:34:48Z) - Solving Large-scale Spatial Problems with Convolutional Neural Networks [88.31876586547848]
大規模空間問題に対する学習効率を向上させるために移動学習を用いる。
畳み込みニューラルネットワーク (CNN) は, 信号の小さな窓で訓練できるが, 性能劣化の少ない任意の大信号で評価できる。
論文 参考訳（メタデータ） (2023-06-14T01:24:42Z) - Collaborative Learning for Cyberattack Detection in Blockchain Networks [29.481124078876032]
本稿では、侵入攻撃を調査し、ブロックチェーンネットワークのネットワーク層におけるサイバー攻撃を検出する新しいサイバー攻撃検出フレームワークを開発することを目的とする。
ブロックチェーンネットワークに効率的に配置して攻撃を検知できる新しい協調学習モデルを提案する。
集中シミュレーションと実時間実験の両方で、我々の提案した侵入検知フレームワークが攻撃検出において最大98.6%の精度を達成できることが明らかに示されている。
論文 参考訳（メタデータ） (2022-03-21T15:55:41Z) - Asynchronous Parallel Incremental Block-Coordinate Descent for
Decentralized Machine Learning [55.198301429316125]
機械学習(ML)は、巨大なIoT(Internet of Things)ベースのインテリジェントでユビキタスなコンピューティングのビッグデータ駆動モデリングと分析のための重要なテクニックである。
急成長するアプリケーションやデータ量にとって、分散学習は有望な新興パラダイムである。
本稿では,多くのユーザデバイスに分散した分散システム上でMLモデルをトレーニングする問題について検討する。
論文 参考訳（メタデータ） (2022-02-07T15:04:15Z) - Fast Class-wise Updating for Online Hashing [196.14748396106955]
本稿では,FCOH(Fast Class-wise Updating for Online Hashing)と呼ばれる新しいオンラインハッシュ方式を提案する。
クラスワイズ更新法は、バイナリコード学習を分解し、代わりにクラスワイズ方式でハッシュ関数を更新する。
オンラインの効率をより高めるために,異なるバイナリ制約を独立に扱うことで,オンライントレーニングを高速化する半緩和最適化を提案する。
論文 参考訳（メタデータ） (2020-12-01T07:41:54Z) - A Cordial Sync: Going Beyond Marginal Policies for Multi-Agent Embodied
Tasks [111.34055449929487]
エージェントが協力して家具をリビングルームに移動させるという,新しいタスクFurnMoveを紹介した。
既存のタスクとは異なり、FurnMoveはエージェントが各タイミングで調整する必要がある。
既存の分散化されたアクションサンプリング手順は、表現力のある共同アクションポリシーを許さない。
SynC-policiesとCORDIALを用いて、我々のエージェントはFurnMoveで58%の完成率を達成する。
論文 参考訳（メタデータ） (2020-07-09T17:59:57Z) - 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。