Fugu-MT 論文翻訳(概要): DAG-Sword: A Simulator of Large-Scale Network Topologies for DAG-Oriented Proof-of-Work Blockchains

論文の概要: DAG-Sword: A Simulator of Large-Scale Network Topologies for DAG-Oriented Proof-of-Work Blockchains

arxiv url: http://arxiv.org/abs/2311.04638v1
Date: Wed, 8 Nov 2023 12:31:11 GMT
ステータス: 処理完了
システム内更新日: 2024-03-25 13:26:22.802994
Title: DAG-Sword: A Simulator of Large-Scale Network Topologies for DAG-Oriented Proof-of-Work Blockchains
Title（参考訳）: DAG-Sword: 大規模ネットワークトポロジのシミュレーション
Authors: Martin Perešíni, Tomáš Hladký, Kamil Malinka, Ivan Homoliak,
Abstract要約: 本稿では,DAGに基づくコンセンサスプロトコルに着目し,離散イベントシミュレータを提案する。我々のシミュレーターは、Bitcoinネットワークのデータから生成された現実的なブロックチェーンネットワークをシミュレートすることができる。 7000ノードの大規模ネットワーク上で得られた結果により,10ノードの小規模ネットワークを含む関連作業の結果を拡張した。
参考スコア（独自算出の注目度）: 2.0124254762298794
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The blockchain brought interesting properties for many practical applications. However, some properties, such as the transaction processing throughput remained limited, especially in Proof-of-Work blockchains. Therefore, several promising directions, such as sharding designs and DAG-based protocols emerged. In this paper, we focus on DAG-based consensus protocols and present a discrete-event simulator for them. Our simulator can simulate realistic blockchain networks created from data of a Bitcoin network, while its network configuration and topology can be customized. The simulated network consists of honest and malicious miners. Malicious miners do not make any attack on consensus itself. Instead, they use a different transaction selection strategy than honest miners (who select transactions randomly) with the intention to earn unfairly more profits than honest miners at the cost of downgrading the protocol performance by duplicate transactions. As a consequence, this harms the performance of some DAG-based protocols (e.g., PHANTOM and GHOSTDAG) in terms of transaction processing throughput, which we demonstrate in our experiments and extend the results of the related work that contains a small-scale network of 10 nodes by the results obtained on a large-scale network with 7000 nodes. Next, we empirically compare different algorithms for the mempool structure, and we propose a composite mempool structure that is memory-efficient and thus convenient for simulations of resource-demanding large-scale networks.
Abstract（参考訳）: ブロックチェーンは多くの実用的なアプリケーションに興味深い特性をもたらした。しかしながら、トランザクション処理スループットなどのいくつかのプロパティは、特にProof-of-Workブロックチェーンでは制限されていた。そのため、シャーディング設計やDAGベースのプロトコルなど、いくつかの有望な方向性が現れた。本稿では,DAGに基づくコンセンサスプロトコルに着目し,離散イベントシミュレータを提案する。我々のシミュレーターは、Bitcoinネットワークのデータから生成された現実的なブロックチェーンネットワークをシミュレートし、そのネットワーク構成とトポロジをカスタマイズすることができる。シミュレーションネットワークは、誠実で悪意のある鉱山労働者で構成されている。悪質な鉱山労働者は合意そのものを攻撃しない。その代わり、彼らは正直なマイナ(ランダムにトランザクションを選択する)とは異なるトランザクション選択戦略を使い、重複するトランザクションによってプロトコルのパフォーマンスを低下させるコストで、正直なマイナよりも不公平により多くの利益を稼ぐことを意図している。その結果、トランザクション処理スループットの観点からDAGベースのプロトコル(PHANTOMやGHOSTDAGなど)の性能が損なわれ、7000ノードの大規模ネットワーク上で得られた結果により、10ノードの小規模ネットワークを含む関連作業の結果が拡張された。次に,メムプール構造に対する異なるアルゴリズムを実証的に比較し,メモリ効率が良く,資源需要の高い大規模ネットワークのシミュレーションに便利な複合メムプール構造を提案する。

関連論文リスト

Generative Blockchain: Transforming Blockchain from Transaction Recording to Transaction Generation through Proof-of-Merit [5.801684954657074]
生成ブロックチェーンは、トランザクション生成と記録を組み合わせることで、従来のブロックチェーン技術を変革することを目指している。私たちのデザインの中心は、新しいコンセンサスメカニズムであるProof-of-Merit(PoM)である。我々は、複雑なトランザクション生成問題を解決するタスクが独立した問題解決者のプールに委譲される、オンデマンドプラットフォーム上でPoMを実証する。
論文参考訳（メタデータ） (2024-08-23T20:51:10Z)
The Latency Price of Threshold Cryptosystem in Blockchains [52.359230560289745]
本稿では,Byzantine-fault Tolerant(BFT)コンセンサスプロトコルを用いた,しきい値暗号とブロックチェーンのクラス間の相互作用について検討する。しきい値暗号システムに対する既存のアプローチは、しきい値暗号プロトコルを実行するための少なくとも1つのメッセージ遅延の遅延オーバーヘッドを導入している。しきい値が狭いブロックチェーンネイティブのしきい値暗号システムに対して,このオーバーヘッドを取り除く機構を提案する。
論文参考訳（メタデータ） (2024-07-16T20:53:04Z)
BlockEmulator: An Emulator Enabling to Test Blockchain Sharding Protocols [18.755112831811836]
BlockEmulatorはブロックチェーンシャーディングメカニズムをエミュレートするための実験的なプラットフォームである。軽量なブロックチェーンアーキテクチャを採用しており、開発者は新しいプロトコルやメカニズムの実装のみに集中できる。 GithubでBlockEmulatorをオープンソース化しました。
論文参考訳（メタデータ） (2023-11-06T23:45:11Z)
Cryptocurrency Portfolio Optimization by Neural Networks [81.20955733184398]
本稿では,これらの投資商品を活用するために,ニューラルネットワークに基づく効果的なアルゴリズムを提案する。シャープ比を最大化するために、各アセットの割り当て重量を時間間隔で出力するディープニューラルネットワークを訓練する。ネットワークの特定の資産に対するバイアスを規制する新たな損失項を提案し,最小分散戦略に近い割り当て戦略をネットワークに学習させる。
論文参考訳（メタデータ） (2023-10-02T12:33:28Z)
Transaction Fraud Detection via an Adaptive Graph Neural Network [64.9428588496749]
本稿では,アダプティブサンプリングとアグリゲーションに基づくグラフニューラルネットワーク(ASA-GNN)を提案する。ノイズの多いノードをフィルタリングし、不正なノードを補うために、隣のサンプリング戦略を実行する。 3つのファイナンシャルデータセットの実験により,提案手法のASA-GNNは最先端のデータセットよりも優れていることが示された。
論文参考訳（メタデータ） (2023-07-11T07:48:39Z)
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)
Communication-Efficient Adam-Type Algorithms for Distributed Data Mining [93.50424502011626]
我々はスケッチを利用した新しい分散Adam型アルゴリズムのクラス(例:SketchedAMSGrad)を提案する。我々の新しいアルゴリズムは、反復毎に$O(frac1sqrtnT + frac1(k/d)2 T)$の高速収束率を$O(k log(d))$の通信コストで達成する。
論文参考訳（メタデータ） (2022-10-14T01:42:05Z)
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)
Temporal-Amount Snapshot MultiGraph for Ethereum Transaction Tracking [5.579169055801065]
ネットワークの観点からのトランザクションのより深い理解を提供するリンク予測によるトランザクション追跡の問題について検討する。具体的には,TASMG(temporal-amount snapshot multigraph)とTAW(temporal-amount walk)からなる組込みリンク予測フレームワークを提案する。トランザクションネットワークの現実的なルールと特徴を考慮することにより、TASMGはトランザクションレコードを時間単位のネットワークとしてモデル化し、TAWはトランザクションレコードを介してアカウントを効果的に埋め込みます。
論文参考訳（メタデータ） (2021-02-16T08:21:16Z)
Proof of Learning (PoLe): Empowering Machine Learning with Consensus Building on Blockchains [7.854034211489588]
ニューラルネットワーク(NN)の最適化に向けて,新たなコンセンサスメカニズムであるPoLe(Proof of Learning)を提案する。我々のメカニズムでは、トレーニング/テストデータはブロックチェーンネットワーク全体(BCN)にリリースされ、コンセンサスノードはデータ上でNNモデルをトレーニングします。我々はPoLeがより安定したブロック生成率を達成でき、それによってより効率的なトランザクション処理が実現できることを示す。
論文参考訳（メタデータ） (2020-07-29T22:53:43Z)
Fitting the Search Space of Weight-sharing NAS with Graph Convolutional Networks [100.14670789581811]
サンプルサブネットワークの性能に適合するグラフ畳み込みネットワークを訓練する。この戦略により、選択された候補集合において、より高いランク相関係数が得られる。
論文参考訳（メタデータ） (2020-04-17T19:12:39Z)

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。