論文の概要: Capturing Smart Contract Design with DCR Graphs
- arxiv url: http://arxiv.org/abs/2305.04581v3
- Date: Sat, 16 Sep 2023 19:10:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-20 00:00:31.795321
- Title: Capturing Smart Contract Design with DCR Graphs
- Title（参考訳）: DCRグラフによるスマートコントラクト設計のキャプチャ
- Authors: Mojtaba Eshghie, Wolfgang Ahrendt, Cyrille Artho, Thomas Troels
Hildebrandt, Gerardo Schneider
- Abstract要約: 我々はDCRグラフがスマートコントラクトに適した形式化ツールであると主張する。
これらのパターンを適用することで、DCRグラフは正確で信頼性の高いスマートコントラクトの開発と分析を容易にする。
- 参考スコア（独自算出の注目度）: 2.3709422532220805
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Smart contracts manage blockchain assets and embody business processes.
However, mainstream smart contract programming languages such as Solidity lack
explicit notions of roles, action dependencies, and time. Instead, these
concepts are implemented in program code. This makes it very hard to design and
analyze smart contracts. We argue that DCR graphs are a suitable formalization
tool for smart contracts because they explicitly and visually capture the
mentioned features. We utilize this expressiveness to show that many common
high-level design patterns representing the underlying business processes in
smart contract applications can be naturally modeled this way. Applying these
patterns shows that DCR graphs facilitate the development and analysis of
correct and reliable smart contracts by providing a clear and
easy-to-understand specification.
- Abstract（参考訳）: smart contractsはブロックチェーン資産を管理し、ビジネスプロセスを具体化する。
しかし、solidityのような主流のスマートコントラクトプログラミング言語には、役割、アクション依存性、時間という明確な概念が欠けている。
代わりに、これらの概念はプログラムコードで実装される。
これにより、スマートコントラクトの設計と分析が非常に難しくなります。
我々は、dcrグラフがスマートコントラクトに適した形式化ツールであると主張する。
この表現力を利用して、スマートコントラクトアプリケーションの基盤となるビジネスプロセスを表現する多くの一般的なハイレベルなデザインパターンが、この方法で自然にモデル化できることを示す。
これらのパターンを適用することで、DCRグラフは明確で理解しやすい仕様を提供することで、正確で信頼性の高いスマートコントラクトの開発と分析を容易にする。
関連論文リスト
- HyMo: Vulnerability Detection in Smart Contracts using a Novel
Multi-Modal Hybrid Model [1.16095700765361]
既存の分析技術は、多数のスマートコントラクトのセキュリティ欠陥を特定することができるが、専門家によって確立された厳格な基準に依存しすぎている。
マルチモーダルなハイブリッドディープラーニングモデルとしてHyMoを提案する。
ハイブリッドHyMoモデルでは,優れたスマートコントラクト脆弱性検出性能が得られた。
論文 参考訳（メタデータ） (2023-04-25T19:16:21Z) - Symbolic Visual Reinforcement Learning: A Scalable Framework with
Object-Level Abstraction and Differentiable Expression Search [63.3745291252038]
DiffSESは、離散的なシンボルポリシーを発見する新しいシンボリック学習手法である。
生のピクセルレベルの入力の代わりにオブジェクトレベルの抽象化を使用することで、DiffSESはシンボリック表現の単純さとスケーラビリティの利点を活用することができる。
我々の実験は、DiffSESが最先端のシンボルRL法よりもシンプルでスケーラブルなシンボリックポリシーを生成することができることを示した。
論文 参考訳（メタデータ） (2022-12-30T17:50:54Z) - Deep Smart Contract Intent Detection [2.2313164168600372]
本稿では,スマートコントラクトの自動意図検出を行うための,新しいディープラーニングベースのアプローチであるSmartIntentNNを提案する。
SmartIntentNNは、スマートコントラクトの文脈表現を生成する事前訓練された文エンコーダ、インテント関連表現を強調するK平均クラスタリング方法、スマートコントラクトの意図を予測する双方向LSTMベースのマルチラベル分類ネットワークである。
実験によると、SmartIntentNNはf1スコアのメトリックですべてのベースラインを最大0.8212パフォーマンスで上回っている。
論文 参考訳（メタデータ） (2022-11-19T15:40:26Z) - ConReader: Exploring Implicit Relations in Contracts for Contract Clause
Extraction [84.0634340572349]
法律契約における暗黙の関係をモデル化し,契約条項の自動抽出(CCE)について検討する。
本研究ではまず,契約の複雑性問題を包括的に分析し,契約に共通する3つの暗黙の関係を抽出する。
本稿では,上記の3つの関係を利用して,より優れたコントラクト理解とCCEの改善を実現するための新しいフレームワークであるConReaderを提案する。
論文 参考訳（メタデータ） (2022-10-17T02:15:18Z) - Great Truths are Always Simple: A Rather Simple Knowledge Encoder for
Enhancing the Commonsense Reasoning Capacity of Pre-Trained Models [89.98762327725112]
自然言語における常識推論は、人工知能システムの望ましい能力である。
複雑なコモンセンス推論タスクを解決するための典型的な解決策は、知識対応グラフニューラルネットワーク(GNN)エンコーダで事前訓練された言語モデル(PTM)を強化することである。
有効性にもかかわらず、これらのアプローチは重いアーキテクチャ上に構築されており、外部知識リソースがPTMの推論能力をどのように改善するかを明確に説明できない。
論文 参考訳（メタデータ） (2022-05-04T01:27:36Z) - elBERto: Self-supervised Commonsense Learning for Question Answering [131.51059870970616]
本稿では、市販QAモデルアーキテクチャと互換性のあるコモンセンスフレームワークの自己教師型双方向表現学習を提案する。
このフレームワークは5つの自己教師型タスクから構成されており、リッチコモンセンスを含むコンテキストから追加のトレーニング信号を完全に活用するようモデルに強制する。
elBERtoは、単純な語彙的類似性比較が役に立たないような、アウト・オブ・パラグラフや非エフェクトな問題に対して、大幅に改善されている。
論文 参考訳（メタデータ） (2022-03-17T16:23:45Z) - Smart Contract Vulnerability Detection: From Pure Neural Network to
Interpretable Graph Feature and Expert Pattern Fusion [48.744359070088166]
従来のスマートコントラクトの脆弱性検出方法は、専門家の規則に大きく依存している。
最近のディープラーニングアプローチはこの問題を軽減するが、有用な専門家の知識をエンコードすることができない。
ソースコードから専門家パターンを抽出する自動ツールを開発する。
次に、深いグラフの特徴を抽出するために、コードをセマンティックグラフにキャストします。
論文 参考訳（メタデータ） (2021-06-17T07:12:13Z) - 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) - Profiling Gas Consumption in Solidity Smart Contracts [3.0378875015087567]
本稿では,ガス消費の観点から,スマートコントラクトのコード品質を静的に評価するためのメトリクススイートであるGasMetを提案する。
2,186のスマートコントラクトを含む実験では、提案されたメトリクスがデプロイメントコストと直接関連していることが示されている。
論文 参考訳（メタデータ） (2020-08-12T17:26:55Z) - A Transformer-based Approach for Source Code Summarization [86.08359401867577]
コードトークン間のペア関係をモデル化することにより,要約のためのコード表現を学習する。
アプローチは単純であるにもかかわらず、最先端技術よりもかなりの差があることが示される。
論文 参考訳（メタデータ） (2020-05-01T23:29:36Z) - Blockchain Enabled Smart Contract Based Applications: Deficiencies with
the Software Development Life Cycle Models [0.0]
スマートコントラクトが格納されるブロックの不変性は、従来のソフトウェア開発ライフサイクル(SDLC)モデルと矛盾する。
本稿では,従来のSDLCモデル6つを最初に検討することによって,この問題に対処する。
発生した問題に対処するためには、新しい標準モデルの開発が緊急に必要である、と同社は主張する。
論文 参考訳（メタデータ） (2020-01-21T03:48:46Z)
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。