論文の概要: Can we run our Ethereum nodes at home?

• arxiv url: http://arxiv.org/abs/2311.05252v1
• Date: Thu, 9 Nov 2023 10:20:09 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-25 13:26:22.793248
• Title: Can we run our Ethereum nodes at home?
• Title（参考訳）: Ethereumノードを自宅で実行できますか?
• Authors: Mikel Cortes-Goicoechea, Tarun Mohandas-Daryanani, Jose L. Muñoz-Tapia, Leonardo Bautista-Gomez,
• Abstract要約: スケーラビリティは、最も使用されるパーミッションレスブロックチェーンの一般的な問題である。 Proof of Stakeへのコンセンサスメカニズムの変更など、大きなプロトコル改善を実現した。 この研究は、コンセンサスノードとして実行されるさまざまなクライアントのリソース使用状況を分析します。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Scalability is a common issue among the most used permissionless blockchains, and several approaches have been proposed to solve this issue. Tackling scalability while preserving the security and decentralization of the network is a significant challenge. To deliver effective scaling solutions, Ethereum achieved a major protocol improvement, including a change in the consensus mechanism towards Proof of Stake. This improvement aimed a vast reduction of the hardware requirements to run a node, leading to significant sustainability benefits with a lower network energy consumption. This work analyzes the resource usage behavior of different clients running as Ethereum consensus nodes, comparing their performance under different configurations and analyzing their differences. Our results show higher requirements than claimed initially and how different clients react to network perturbations. Furthermore, we discuss the differences between the consensus clients, including their strong points and limitations.
• Abstract（参考訳）: 最も使われている無許可ブロックチェーンではスケーラビリティが一般的な問題であり、この問題を解決するためにいくつかのアプローチが提案されている。 ネットワークのセキュリティと分散化を保ちながらスケーラビリティに取り組むことは、大きな課題である。 効率的なスケーリングソリューションを提供するため、Ethereumは、Proof of Stakeに対するコンセンサスメカニズムの変更を含む、大きなプロトコル改善を達成した。 この改善は、ノードを実行するためのハードウェア要件を大幅に削減することを目的としており、ネットワークのエネルギー消費を抑えることで、持続可能性に大きなメリットをもたらした。 この研究は、Ethereumコンセンサスノードとして実行されるさまざまなクライアントのリソース使用状況を分析し、異なる構成下でのパフォーマンスを比較し、違いを分析する。 我々の結果は、最初に要求されたよりも高い要求と、異なるクライアントがネットワークの摂動にどのように反応するかを示している。 さらに,コンセンサスクライアント間の差異についても論じる。

関連論文リスト

• Mitigating Challenges in Ethereum's Proof-of-Stake Consensus: Evaluating the Impact of EigenLayer and Lido [4.606106768645647]
  Proof-of-Work(PoW)からProof-of-Stake(PoS)コンセンサスメカニズムへの移行は、ブロックチェーンバリデーションに対する変革的なアプローチを導入している。 本稿では,EigenLayer と Lido の2つの革新的なソリューションについて検討する。 よりレジリエントで包括的なエコシステムを育むために,EigenLayer と Lido の併用の可能性を評価する。
  論文  参考訳（メタデータ） (2024-10-30T19:58:46Z)
• SoK: Public Blockchain Sharding [19.82054462793622]
  この研究は、パブリックブロックチェーンシャーディングに関する知識の体系化を提供する。 これには、シャーディングシステムのコアコンポーネント、課題、制限、最新のシャーディングプロトコルのメカニズムが含まれている。
  論文  参考訳（メタデータ） (2024-05-30T22:38:40Z)
• Larger-scale Nakamoto-style Blockchains Don't Necessarily Offer Better Security [1.2644625435032817]
  中本方式のコンセンサスプロトコルの研究は、ネットワーク遅延がこれらのプロトコルのセキュリティを低下させることを示した。 これはブロックチェーンの基盤、すなわち分散化がセキュリティを改善することに矛盾する。 ネットワークスケールがNakamotoスタイルのブロックチェーンのセキュリティにどのように影響するか、詳しく調べる。
  論文  参考訳（メタデータ） (2024-04-15T16:09:41Z)
• Graph Attention Network-based Block Propagation with Optimal AoI and Reputation in Web 3.0 [59.94605620983965]
  我々は、ブロックチェーン対応Web 3.0のための、グラフ注意ネットワーク(GAT)ベースの信頼できるブロック伝搬最適化フレームワークを設計する。 ブロック伝搬の信頼性を実現するために,主観的論理モデルに基づく評価機構を導入する。 グラフ構造化データの処理能力に優れたGATが存在することを考慮し、GATを強化学習に利用して最適なブロック伝搬軌道を得る。
  論文  参考訳（メタデータ） (2024-03-20T01:58:38Z)
• 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)
• Analysis of Information Propagation in Ethereum Network Using Combined Graph Attention Network and Reinforcement Learning to Optimize Network Efficiency and Scalability [2.795656498870966]
  ネットワーク効率とスケーラビリティを最適化するグラフ注意ネットワーク(GAT)と強化学習(RL)モデルを開発した。 実験評価では,大規模データセットを用いたモデルの性能解析を行った。 その結果,設計したGAT-RLモデルは,他のGCNモデルと比較して性能的に優れていることがわかった。
  論文  参考訳（メタデータ） (2023-11-02T17:19:45Z)
• 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)
• Highly Available Blockchain Nodes With N-Version Design [13.131269677617286]
  本稿では,N-versionブロックチェーンノードの概念を紹介する。 N-versionノードは、同じブロックチェーンプロトコルの異なる実装の同時実行に依存している。 我々は,N-ETHが不安定な実行環境の影響を緩和し,環境欠陥下での可用性を著しく向上できることを示す。
  論文  参考訳（メタデータ） (2023-03-25T11:16:17Z)
• Energy Regularized RNNs for Solving Non-Stationary Bandit Problems [97.72614340294547]
  我々は、ニューラルネットワークが特定の行動を支持するのに自信過剰になるのを防ぐエネルギー用語を提案する。 提案手法は,ロッティングバンドのサブプロブレムを解く方法と同じくらい有効であることを示す。
  論文  参考訳（メタデータ） (2023-03-12T03:32:43Z)
• HANT: Hardware-Aware Network Transformation [82.54824188745887]
  ハードウェア・アウェア・ネットワーク・トランスフォーメーション(HANT)を提案する。 HANTは、ニューラルネットワーク検索のようなアプローチを使用して、非効率な操作をより効率的な代替手段に置き換える。 EfficientNetファミリの高速化に関する我々の結果は、ImageNetデータセットのトップ1の精度で最大3.6倍、0.4%の低下でHANTがそれらを加速できることを示している。
  論文  参考訳（メタデータ） (2021-07-12T18:46:34Z)
• ESCORT: Ethereum Smart COntRacTs Vulnerability Detection using Deep Neural Network and Transfer Learning [80.85273827468063]
  既存の機械学習ベースの脆弱性検出方法は制限され、スマートコントラクトが脆弱かどうかのみ検査される。 スマートコントラクトのための初のDeep Neural Network(DNN)ベースの脆弱性検出フレームワークであるESCORTを提案する。 ESCORTは6種類の脆弱性に対して平均95%のF1スコアを達成し,検出時間は契約あたり0.02秒であることを示す。
  論文  参考訳（メタデータ） (2021-03-23T15:04:44Z)

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。