論文の概要: ACon$^2$: Adaptive Conformal Consensus for Provable Blockchain Oracles
- arxiv url: http://arxiv.org/abs/2211.09330v1
- Date: Thu, 17 Nov 2022 04:37:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-18 15:43:49.865839
- Title: ACon$^2$: Adaptive Conformal Consensus for Provable Blockchain Oracles
- Title(参考訳): ACon$^2$: 予測可能なブロックチェーンOracleのための適応型コンフォーマルコンセンサス
- Authors: Sangdon Park and Osbert Bastani and Taesoo Kim
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 31.439376852065713
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Blockchains with smart contracts are distributed ledger systems which achieve
block state consistency among distributed nodes by only allowing deterministic
operations of smart contracts. However, the power of smart contracts is enabled
by interacting with stochastic off-chain data, which in turn opens the
possibility to undermine the block state consistency. To address this issue, an
oracle smart contract is used to provide a single consistent source of external
data; but, simultaneously this introduces a single point of failure, which is
called the oracle problem. To address the oracle problem, we propose an
adaptive conformal consensus (ACon$^2$) algorithm, which derives consensus from
multiple oracle contracts via the recent advance in online uncertainty
quantification learning. In particular, the proposed algorithm returns a
consensus set, which quantifies the uncertainty of data and achieves a desired
correctness guarantee in the presence of Byzantine adversaries and distribution
shift. We demonstrate the efficacy of the proposed algorithm on two price
datasets and an Ethereum case study. In particular, the Solidity implementation
of the proposed algorithm shows the practicality of the proposed algorithm,
implying that online machine learning algorithms are applicable to address
issues in blockchains.
- Abstract(参考訳): スマートコントラクトを備えたブロックチェーンは、スマートコントラクトの決定論的操作のみを許可することで、分散ノード間のブロック状態一貫性を実現する分散型台帳システムである。
しかし、スマートコントラクトのパワーは、確率的な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、ブロック状態の一貫性を損なう可能性がある。
この問題に対処するために、オラクルスマートコントラクトを使用して、外部データの単一一貫したソースを提供するが、同時に、オラクル問題と呼ばれる単一障害点も導入する。
オラクル問題に対処するために,オンライン不確実性定量化学習の最近の進歩を通じて,複数のオラクル契約からコンセンサスを導出する適応型コンセンサス(ACon$^2$)アルゴリズムを提案する。
特に、提案するアルゴリズムは、データの不確かさを定量化し、ビザンチンの敵と分布シフトの存在下で所望の正しさを保証するコンセンサス集合を返す。
2つの価格データセットとEthereumケーススタディに対して提案アルゴリズムの有効性を示す。
特に、提案アルゴリズムのソリディティ実装は、提案アルゴリズムの実用性を示し、ブロックチェーンの問題に対処するためにオンライン機械学習アルゴリズムが適用可能であることを示唆している。
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) - Detecting Anomalies in Blockchain Transactions using Machine Learning
Classifiers and Explainability Analysis [4.456941846147711]
本研究は、XAI手法と異常ルールを木に基づくアンサンブル分類器に統合し、異常なビットコイン取引を検出する。
我々は,異常なトランザクションデータと非異常なトランザクションデータのバランスをとるために,XGBCLUSというアンダーサンプリングアルゴリズムを導入する。
提案するアンサンブル分類器は,精度,TPR,FPRの点で,従来の単木型機械学習分類器よりも優れている。
論文 参考訳(メタデータ) (2024-01-07T16:01:51Z) - Blockchain Smart Contract Threat Detection Technology Based on Symbolic
Execution [0.0]
永続性の脆弱性は隠蔽され複雑であり、スマートコントラクトに大きな脅威をもたらす。
本稿では,シンボル実行に基づくスマートコントラクト脅威検出技術を提案する。
実験の結果,本手法は検出効率と精度の両方を著しく向上させることがわかった。
論文 参考訳(メタデータ) (2023-12-24T03:27:03Z) - Blockchain Large Language Models [65.7726590159576]
本稿では,異常なブロックチェーントランザクションを検出するための動的,リアルタイムなアプローチを提案する。
提案するツールであるBlockGPTは、ブロックチェーンアクティビティのトレース表現を生成し、大規模な言語モデルをスクラッチからトレーニングして、リアルタイム侵入検出システムとして機能させる。
論文 参考訳(メタデータ) (2023-04-25T11:56:18Z) - Byzantine-Robust Online and Offline Distributed Reinforcement Learning [60.970950468309056]
本稿では,複数のエージェントが環境を探索し,その経験を中央サーバを通じて伝達する分散強化学習環境について考察する。
エージェントの$alpha$-fractionは敵対的であり、任意の偽情報を報告することができる。
我々は、これらの対立エージェントの存在下で、マルコフ決定プロセスの根底にある準最適政策を特定することを模索する。
論文 参考訳(メタデータ) (2022-06-01T00:44:53Z) - Blockchain Framework for Artificial Intelligence Computation [1.8148198154149393]
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。
論文 参考訳(メタデータ) (2022-02-23T01:44:27Z) - A formal model for ledger management systems based on contracts and
temporal logic [0.0]
台帳のような第2世代のブロックチェーンは、スマートコントラクトと結合される。
任意のプログラミング構造としてのスマートコントラクトの現在の実装は、危険なバグを受けやすいものにしている。
本稿では,有限状態オートマトンとしてモデル化された契約の概念を形式化し,データベースの分割と信頼性の回復を提案する。
論文 参考訳(メタデータ) (2021-09-30T15:34:28Z) - A Bytecode-based Approach for Smart Contract Classification [10.483992071557195]
ブロックチェーンプラットフォームにデプロイされるスマートコントラクトの数は指数関数的に増えているため、ユーザは手動のスクリーニングによって望ましいサービスを見つけることが難しくなっている。
スマートコントラクト分類に関する最近の研究は、契約ソースコードに基づく自然言語処理(NLP)ソリューションに焦点を当てている。
本稿では,これらの問題を解決するために,ソースコードの代わりにコントラクトバイトコードの特徴に基づく分類モデルを提案する。
論文 参考訳(メタデータ) (2021-05-31T03:00:29Z) - Online Adversarial Attacks [57.448101834579624]
我々は、実世界のユースケースで見られる2つの重要な要素を強調し、オンライン敵攻撃問題を定式化する。
まず、オンライン脅威モデルの決定論的変種を厳格に分析する。
このアルゴリズムは、現在の最良の単一しきい値アルゴリズムよりも、$k=2$の競争率を確実に向上させる。
論文 参考訳(メタデータ) (2021-03-02T20:36:04Z) - 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) - Learning while Respecting Privacy and Robustness to Distributional
Uncertainties and Adversarial Data [66.78671826743884]
分散ロバストな最適化フレームワークはパラメトリックモデルのトレーニングのために検討されている。
目的は、逆操作された入力データに対して頑健なトレーニングモデルを提供することである。
提案されたアルゴリズムは、オーバーヘッドがほとんどない堅牢性を提供する。
論文 参考訳(メタデータ) (2020-07-07T18:25:25Z)
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。