論文の概要: Dynamic Data-Driven Digital Twins for Blockchain Systems

• arxiv url: http://arxiv.org/abs/2312.04226v1
• Date: Thu, 7 Dec 2023 11:18:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-08 15:04:10.009496
• Title: Dynamic Data-Driven Digital Twins for Blockchain Systems
• Title（参考訳）: ブロックチェーンシステムのための動的データ駆動ディジタルツイン
• Authors: Georgios Diamantopoulos, Nikos Tziritas, Rami Bahsoon and Georgios Theodoropoulos
• Abstract要約: 本稿では、DDDASフィードバックループが強化学習エージェントとシミュレーションコンポーネントから恩恵を受けるトリレンマの最適化コンポーネントをどのようにサポートし、学習モデルの品質を向上させるかを示す。 本稿では、DDDASフィードバックループの活用が、強化学習エージェントとシミュレーションコンポーネントから得られるトリレンマの最適化コンポーネントをどのようにサポートし、学習モデルの品質を向上させるかを検討する。
• 参考スコア（独自算出の注目度）: 2.7030389009543887
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In recent years, we have seen an increase in the adoption of blockchain-based systems in non-financial applications, looking to benefit from what the technology has to offer. Although many fields have managed to include blockchain in their core functionalities, the adoption of blockchain, in general, is constrained by the so-called trilemma trade-off between decentralization, scalability, and security. In our previous work, we have shown that using a digital twin for dynamically managing blockchain systems during runtime can be effective in managing the trilemma trade-off. Our Digital Twin leverages DDDAS feedback loop, which is responsible for getting the data from the system to the digital twin, conducting optimisation, and updating the physical system. This paper examines how leveraging DDDAS feedback loop can support the optimisation component of the trilemma benefiting from Reinforcement Learning agents and a simulation component to augment the quality of the learned model while reducing the computational overhead required for decision-making.
• Abstract（参考訳）: 近年では、非金融アプリケーションにおけるブロックチェーンベースのシステムの採用が増加しており、テクノロジーが提供すべきことの恩恵を享受しています。 多くの分野がブロックチェーンをコア機能に組み込んでいるが、一般的にブロックチェーンの採用は、分散化、スケーラビリティ、セキュリティのいわゆるトリレンマトレードオフによって制約されている。 これまでの研究で、ディジタルツインを使用して実行中にブロックチェーンシステムを動的に管理することは、トリレンマトレードオフの管理に有効であることを示した。 私たちのデジタル双子はdddasフィードバックループを利用して、システムからデジタル双子にデータを取得し、最適化を行い、物理システムを更新します。 本稿では,強化学習エージェントの恩恵を受けるトリレンマの最適化コンポーネントと,学習モデルの品質向上のためのシミュレーションコンポーネントをdddasフィードバックループを活用することで,意思決定に必要な計算オーバーヘッドを低減できることを示す。

関連論文リスト

• DCS Chain: A Flexible Private Blockchain System [15.435748834263189]
  この研究は、DCS Chainという新しいプライベートブロックチェーンシステムを導入している。 中心となる考え方は、DCSメトリクスを定量化し、これらの3次元にわたってブロックチェーンのパフォーマンスを動的に調整することだ。 全体として、当社のシステムはDCS定量化、コンセンサスプロトコル調整、通信ネットワークシミュレーションなど、ブロックチェーン必需品の包括的なスイートを提供しています。
  論文  参考訳（メタデータ） (2024-06-18T08:04:24Z)
• Should my Blockchain Learn to Drive? A Study of Hyperledger Fabric [14.834625066344586]
  本稿では、人間の介入なしにワークロードの変化を予測し、最適なパフォーマンスのために自分自身を再構成する可能性を秘めている自動運転ブロックチェーンの概念について考察する。 私たちは、自律的な適応に適した一般的なパーミッションブロックチェーンシステムであるHyperledger Fabricの特定のパラメータとコンポーネントを特定し、関連する課題に対する潜在的なソリューションを提供します。 私たちの実験では、スループットが最大11%向上し、レイテンシが30%削減されたことが示されています。
  論文  参考訳（メタデータ） (2024-06-10T14:33:59Z)
• 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)
• 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)
• Decentralized Deepfake Detection Blockchain Network using Dynamic Algorithm management [0.0]
  本稿では、ブロックチェーンベースの分散システムにおいて、デジタルコンテンツ整合性の課題に取り組むための包括的なフレームワークを提案する。 提案システムは、高度なディープラーニングアルゴリズムと、ブロックチェーン技術の不変かつ透明な性質を統合して、信頼性のない環境を構築する。 システムの分散アーキテクチャは、デジタルコンテンツの検証プロセスを民主化し、ディープフェイクと戦う新しいアプローチを導入する。
  論文  参考訳（メタデータ） (2023-11-30T13:27:00Z)
• When Quantum Information Technologies Meet Blockchain in Web 3.0 [86.91054991998273]
  我々は、分散データ転送と支払いトランザクションのための情報理論セキュリティを提供する、量子ブロックチェーン駆動のWeb 3.0フレームワークを紹介します。 Web 3.0で量子ブロックチェーンを実装するための潜在的なアプリケーションと課題について論じる。
  論文  参考訳（メタデータ） (2022-11-29T05:38:42Z)
• Digital Twins for Dynamic Management of Blockchain Systems [4.563697917551648]
  本稿では,Digital Twinsの利用について紹介する。 この論文の新たな貢献は、時間クリティカルシステムのトリレムマトレードオフの維持を支援するデジタルツインのフレームワークと概念アーキテクチャの設計である。
  論文  参考訳（メタデータ） (2022-04-26T17:48:43Z)
• Secure and Efficient Federated Learning Through Layering and Sharding Blockchain [15.197940168865271]
  本稿では,新しい2層ブロックチェーン駆動型フェデレート学習システムChainFLを提案する。 インターネットネットワークをサブチェーン層内の複数のシャードに分割し、情報交換の規模を効果的に削減する。 また、DAG(Direct Acyclic Graph)ベースのメインチェーンをメインチェーン層として採用し、並列および非同期のクロスシャード検証を可能にする。
  論文  参考訳（メタデータ） (2021-04-27T12:19:07Z)
• High-Capacity Expert Binary Networks [56.87581500474093]
  ネットワークバイナライゼーションは、効率的なディープモデルを作成するための、ハードウェア対応の有望な方向性である。 メモリと計算上の優位性にもかかわらず、バイナリモデルとその実数値モデルの間の精度のギャップを縮めることは、未解決の課題である。 本稿では,入力特徴に基づく時間に1つのデータ固有のエキスパートバイナリフィルタを選択することを学習することで,初めてバイナリネットワークに条件付きコンピューティングを適合させる専門家バイナリ畳み込みを提案する。
  論文  参考訳（メタデータ） (2020-10-07T17:58:10Z)
• 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。