論文の概要: An Adaptive and Modular Blockchain Enabled Architecture for a Decentralized Metaverse

• arxiv url: http://arxiv.org/abs/2309.03502v1
• Date: Thu, 7 Sep 2023 06:21:06 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-25 22:59:44.291873
• Title: An Adaptive and Modular Blockchain Enabled Architecture for a Decentralized Metaverse
• Title（参考訳）: 分散メタバースのための適応型およびモジュール型ブロックチェーンアーキテクチャ
• Authors: Ye Cheng, Yihao Guo, Minghui Xu, Qin Hu, Dongxiao Yu, Xiuzhen Cheng,
• Abstract要約: 分散メタバースのための適応的でモジュール型のブロックチェーン対応アーキテクチャを提案する。 このソリューションには、モジュール型ブロックチェーンに基づいたアダプティブコンセンサス/リーダプロトコルが含まれている。 さらに、アイドルリソースを仮想化するためのNF(Non-Fungible Resource)の概念を提案する。
• 参考スコア（独自算出の注目度）: 22.632151691692776
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A metaverse breaks the boundaries of time and space between people, realizing a more realistic virtual experience, improving work efficiency, and creating a new business model. Blockchain, as one of the key supporting technologies for a metaverse design, provides a trusted interactive environment. However, the rich and varied scenes of a metaverse have led to excessive consumption of on-chain resources, raising the threshold for ordinary users to join, thereby losing the human-centered design. Therefore, we propose an adaptive and modular blockchain-enabled architecture for a decentralized metaverse to address these issues. The solution includes an adaptive consensus/ledger protocol based on a modular blockchain, which can effectively adapt to the ever-changing scenarios of the metaverse, reduce resource consumption, and provide a secure and reliable interactive environment. In addition, we propose the concept of Non-Fungible Resource (NFR) to virtualize idle resources. Users can establish a temporary trusted environment and rent others' NFR to meet their computing needs. Finally, we simulate and test our solution based on XuperChain, and the experimental results prove the feasibility of our design.
• Abstract（参考訳）: メタバースは人間の時間と空間の境界を破り、より現実的な仮想体験を実現し、作業効率を改善し、新しいビジネスモデルを作ります。 ブロックチェーンはメタバース設計のキーとなる技術のひとつであり、信頼できるインタラクティブな環境を提供する。 しかし、メタバースの豊かで多様な場面は、オンチェーンリソースの過剰な消費をもたらし、一般ユーザーが参加するしきい値が上昇し、人間中心の設計が失われている。 そこで我々は,これらの問題に対処するために,分散メタバースのための適応的かつモジュール化されたブロックチェーン対応アーキテクチャを提案する。 このソリューションには、モジュール型ブロックチェーンに基づくアダプティブコンセンサス/リーダプロトコルが含まれており、メタバースの変わらず変化するシナリオに効果的に適応し、リソース消費を低減し、セキュアで信頼性の高いインタラクティブな環境を提供する。 さらに、アイドルリソースを仮想化するためのNF(Non-Fungible Resource)の概念を提案する。 ユーザは、一時的な信頼できる環境を確立し、コンピューティングのニーズを満たすために他人のNFRを借りることができる。 最後に、XuperChainに基づいてソリューションをシミュレートし、テストし、実験結果により、設計の有効性を実証した。

関連論文リスト

• BF-Meta: Secure Blockchain-enhanced Privacy-preserving Federated Learning for Metaverse [3.98794322831072]
  分散モデルアグリゲーションを備えたセキュアなブロックチェーン駆動FLフレームワークであるBF-Metaを提案する。 本稿では,悪意のあるユーザの悪影響を軽減し,メタバースにセキュアな仮想サービスを提供するため,BF-Metaを提案する。
  論文  参考訳（メタデータ） (2024-10-29T02:52:49Z)
• 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)
• The Implications of Decentralization in Blockchained Federated Learning: Evaluating the Impact of Model Staleness and Inconsistencies [2.6391879803618115]
  ブロックチェーンのような民主的な環境にフェデレートされた学習のオーケストレーションをアウトソーシングすることの実践的意義について検討する。 シミュレーションを用いて、よく知られたMNISTとCIFAR-10データセットに2つの異なるMLモデルを適用することにより、ブロックチェーンFL動作を評価する。 以上の結果から,モデルの不整合がモデルの精度に及ぼす影響(予測精度の最大35%低下)が示唆された。
  論文  参考訳（メタデータ） (2023-10-11T13:18:23Z)
• Vision-based Semantic Communications for Metaverse Services: A Contest Theoretic Approach [66.10465001046762]
  Metaverseでは、アバターを更新し、ユーザの振る舞いを反映してレンダリングする必要がある。 ユーザとMPP間のインタラクションをモデル化する意味コミュニケーションフレームワークを提案する。 我々はセマンティック通信技術を用いて送信するデータの量を削減する。
  論文  参考訳（メタデータ） (2023-08-15T07:56:33Z)
• A Survey on Secure and Private Federated Learning Using Blockchain: Theory and Application in Resource-constrained Computing [0.8029049649310213]
  フェデレートラーニング(FL)は、先進的な機械学習と人工知能の急速なブームにより、近年広く普及している。 FLプロセスのパフォーマンスは脅威になり、サイバー脅威の増加やプライバシー侵害のテクニックによってボトルネックに陥る可能性がある。 FLプロセスの普及を早めるために、FL環境のためのブロックチェーンの統合は、アカデミックや業界の人々から多くの注目を集めている。
  論文  参考訳（メタデータ） (2023-03-24T00:40:08Z)
• Semantic Information Marketing in The Metaverse: A Learning-Based Contract Theory Framework [68.8725783112254]
  仮想サービスプロバイダ(VSP)によるインセンティブのメカニズム設計の問題に対処し,センサデータ販売にIoTデバイスを採用。 帯域幅が限られているため,センサIoTデバイスによる配信データを削減するためにセマンティック抽出アルゴリズムを提案する。 本稿では,新しい反復型契約設計を提案し,マルチエージェント強化学習(MARL)の新たな変種を用いて,モデル付き多次元契約問題の解法を提案する。
  論文  参考訳（メタデータ） (2023-02-22T15:52:37Z)
• On the Decentralization of Blockchain-enabled Asynchronous Federated Learning [3.3701306798873305]
  フェデレートラーニング(FL)は実運用環境における真のリアルタイムアプリケーションを可能にすることが期待されている。 ブロックチェーン(FLchainとも呼ばれる)によるFLの権限付与は、台帳の不整合と情報の年齢(AoI)に関していくつかの意味を持つ。 本稿では,FLチェーン設定の影響について光を当て,AoIと台帳の不整合がFL性能に与える影響について検討する。
  論文  参考訳（メタデータ） (2022-05-20T14:20:47Z)
• Blockchain Assisted Decentralized Federated Learning (BLADE-FL): Performance Analysis and Resource Allocation [119.19061102064497]
  ブロックチェーンをFL、すなわちブロックチェーン支援分散学習(BLADE-FL)に統合することで、分散FLフレームワークを提案する。 提案されたBLADE-FLのラウンドでは、各クライアントはトレーニング済みモデルを他のクライアントにブロードキャストし、受信したモデルに基づいてブロックを生成し、次のラウンドのローカルトレーニングの前に生成されたブロックからモデルを集約します。 遅延クライアントがblade-flの学習性能に与える影響を調査し,最適なk,学習パラメータ,遅延クライアントの割合の関係を特徴付ける。
  論文  参考訳（メタデータ） (2021-01-18T07:19:08Z)
• Blockchain Assisted Decentralized Federated Learning (BLADE-FL) with Lazy Clients [124.48732110742623]
  フェデレートラーニング(FL)にブロックチェーンを統合する新しいフレームワークを提案する。 BLADE-FLは、プライバシー保護、改ざん抵抗、学習の効果的な協力の点で優れたパフォーマンスを持っている。 遅延クライアントは、他人のトレーニングされたモデルを盗聴し、不正行為を隠すために人工的なノイズを加える。
  論文  参考訳（メタデータ） (2020-12-02T12:18:27Z)
• Resource Management for Blockchain-enabled Federated Learning: A Deep Reinforcement Learning Approach [54.29213445674221]
  Federated Learning (BFL)は、機械学習モデル所有者(MLMO)が必要とするニューラルネットワークモデルを、モバイルデバイスが協調的にトレーニングすることを可能にする。 BFLの問題は、モバイルデバイスがシステムの寿命とトレーニング効率を低下させるエネルギーとCPUの制約を持っていることである。 我々は,Deep Reinforcement Learning (DRL) を用いて最適決定を導出することを提案する。
  論文  参考訳（メタデータ） (2020-04-08T16:29:19Z)

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。