Fugu-MT 論文翻訳(概要): Majority is not Needed: A Counterstrategy to Selfish Mining

論文の概要: Majority is not Needed: A Counterstrategy to Selfish Mining

arxiv url: http://arxiv.org/abs/2304.06313v2
Date: Tue, 13 May 2025 11:28:47 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-14 20:57:54.06732
Title: Majority is not Needed: A Counterstrategy to Selfish Mining
Title（参考訳）: 多数派は不要-利己的な鉱業への対抗策
Authors: Jonathan Gal, Maytal B Szabo, Ori Rottenstreich,
Abstract要約: 特に、他のプールが利己的な鉱業や他の先進的な戦略を採っている場合、誠実さは必ずしもインセンティブを与えるものではない。この反ストラテジーは、いかなる先進的な戦略にも効果的に対抗でき、その可能性さえも、他の先進的な戦略の実装を妨げていることを示す。
参考スコア（独自算出の注目度）: 6.810582194026571
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: In the last few years several papers investigated selfish mine attacks, most of which assumed that every miner that is not part of the selfish mine pool will continue to mine honestly. However, in reality, remaining honest is not always incentivized, particularly when another pool is employing selfish mining or other deviant strategies. In this work we explore the scenario in which a large enough pool capitalises on another selfish pool to gain 100\% of the profit and commit double spending attacks. We show that this counterstrategy can effectively counter any deviant strategy, and that even the possibility of it discourages other pools from implementing deviant strategies.
Abstract（参考訳）: ここ数年、いくつかの論文が自家用地雷攻撃を調査し、その大半は自家用地雷プールの一部ではないすべての鉱夫が正直に自家用地雷攻撃を続けるだろうと仮定した。しかし、実際には、特に他のプールが利己的な鉱業や他の先進的な戦略を採っている場合、誠実さは必ずしもインセンティブを与えるわけではない。この研究では、大きなプールが別の利己的なプールに大金を注ぎ、利益の100倍の利益を得、二重支出攻撃を行うシナリオを探求する。この反ストラテジーは、いかなる先進的な戦略にも効果的に対抗でき、その可能性さえも、他の先進的な戦略の実装を妨げていることを示す。

関連論文リスト

Best of Both Worlds: Regret Minimization versus Minimax Play [57.68976579579758]
この結果から,悪用可能な相手からOmega(T)$を得ることができながら,少なくともO(1)$損失のリスクを保証できることが分かる。
論文参考訳（メタデータ） (2025-02-17T11:04:01Z)
Mining Power Destruction Attacks in the Presence of Petty-Compliant Mining Pools [5.721770755917568]
BitcoinのセキュリティはProof-of-Workのコンセンサスに依存している。パズルの難易度は、ネットワークの利用可能なマイニングパワーに基づいて、難易度調整機構(DAM)によって設定される。採掘力の一部を破壊する攻撃は、DAMを悪用して困難を減らし、そのような攻撃は利益を上げることができる。
論文参考訳（メタデータ） (2025-02-11T09:44:41Z)
When Should Selfish Miners Double-Spend? [35.16231062731263]
攻撃者は、そのプライベートブランチが一定の長さに達するまで頑強に行動し、その後、自己中心的に行動するように切り替える戦略を構築する。各攻撃サイクルにおいて、スタバボーンのレベルが$k$以上であれば、敵に無コストでやってくる二重投射のリスクがあることが示される。
論文参考訳（メタデータ） (2025-01-06T18:59:26Z)
Bitcoin Under Volatile Block Rewards: How Mempool Statistics Can Influence Bitcoin Mining [5.893888881448058]
Bitcoinがより半減期を経験するにつれて、プロトコル報酬はゼロに収束し、取引手数料がマイナー報酬の主要な源となる。以前のBitcoinのセキュリティ分析では、固定ブロック報酬モデルまたは高度に単純化された揮発性モデルが検討されている。本稿では,より現実的な揮発性モデルに基づく鉱業戦略開発のための強化学習ツールを提案する。
論文参考訳（メタデータ） (2024-11-18T16:29:20Z)
Thinking Two Moves Ahead: Anticipating Other Users Improves Backdoor Attacks in Federated Learning [102.05872020792603]
我々は,他のクライアントの行動を含む,連合学習パイプライン全体の予測と説明を行う攻撃を提案する。この新たな攻撃は、ランダムにサンプリングされたラウンドのごく一部にアタッカーが貢献する現実的なシナリオにおいて有効であることを示す。
論文参考訳（メタデータ） (2022-10-17T17:59:38Z)
Partial Selfish Mining for More Profits [21.636578888742477]
マイニング攻撃は、ブロックチェーンマイニングにおける余分な報酬の不正なシェアを獲得することを目的としている。本稿では,PSM(Partial Selfish Mining)攻撃を新たに提案する。 PSM攻撃者は、一定範囲の採掘力とネットワーク条件下で、利己的な鉱山労働者よりも利益があることを示す。
論文参考訳（メタデータ） (2022-07-27T11:58:38Z)
Provably Efficient Offline Multi-agent Reinforcement Learning via Strategy-wise Bonus [48.34563955829649]
本稿では,共同戦略の信頼区間を構築する戦略的な集中原理を提案する。 2人のプレイヤーによるゼロサムマルコフゲームの場合、戦略的なボーナスの凸性を利用して効率的なアルゴリズムを提案する。すべてのアルゴリズムは、指定済みの戦略クラスである$Pi$を入力として取り、最良の戦略に近い戦略を$Pi$で出力することができる。
論文参考訳（メタデータ） (2022-06-01T00:18:15Z)
You are caught stealing my winning lottery ticket! Making a lottery ticket claim its ownership [87.13642800792077]
Lottery ticket hypothesis (LTH) は、特別なスパースサブネットワークを活用するための有望なフレームワークとして出現する。しかし、LTHの主な資源ボトルネックは、当選チケットのスパースマスクを見つけるのに特別なコストである。私たちの設定は、深層モデルの知的財産権侵害から保護することに対する最近の関心に新たな次元を与えます。
論文参考訳（メタデータ） (2021-10-30T03:38:38Z)
Equilibrium of Blockchain Miners with Dynamic Asset Allocation [4.030037871304249]
マイニングビジネスの複合リターンを最大化しようとするブロックチェーンマイニング担当者をモデル化し、分析する。鉱業コストは、各鉱業者または鉱業プールの平衡におけるシェアを決定する。複合的なリターンを最大化しようとする鉱夫も鉱業プールも、ハッシュレートの50%以上を占めるための経済的インセンティブは得られないと結論付けている。
論文参考訳（メタデータ） (2020-06-14T20:52:31Z)
Efficient exploration of zero-sum stochastic games [83.28949556413717]
ゲームプレイを通じて,ゲームの記述を明示せず,託宣のみにアクセス可能な,重要で一般的なゲーム解決環境について検討する。限られたデュレーション学習フェーズにおいて、アルゴリズムは両方のプレイヤーのアクションを制御し、ゲームを学習し、それをうまくプレイする方法を学習する。私たちのモチベーションは、クエリされた戦略プロファイルの支払いを評価するのにコストがかかる状況において、利用可能性の低い戦略を迅速に学習することにあります。
論文参考訳（メタデータ） (2020-02-24T20:30:38Z)

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。