論文の概要: Cross-border Exchange of CBDCs using Layer-2 Blockchain
- arxiv url: http://arxiv.org/abs/2312.16193v2
- Date: Tue, 30 Jan 2024 21:39:18 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-18 11:18:35.398670
- Title: Cross-border Exchange of CBDCs using Layer-2 Blockchain
- Title(参考訳): Layer-2 Blockchain を用いたCBDCのクロスボーダー交換
- Authors: Krzysztof Gogol, Johnnatan Messias, Malte Schlosser, Benjamin Kraner, Claudio Tessone,
- Abstract要約: 本稿では,CBDCのクロスボーダー取引のための新しい多層ブロックチェーンアーキテクチャを提案する。
許可されたレイヤ2は、基盤となるネットワークの公開コンセンサスに依存して、トランザクションのセキュリティと整合性を保証する。
本研究は, 流動性フラグメンテーションであっても, 多層・多層AMMセットアップは単一AMMよりもコスト効率が高いことを示した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper proposes a novel multi-layer blockchain architecture for the cross-border trading of CBDCs. The permissioned layer-2, by relying on the public consensus of the underlying network, assures the security and integrity of the transactions and ensures interoperability with domestic CBDCs implementations. Multiple Layer-3s operate various Automated Market Makers (AMMs) and compete with each other for the lowest costs. To provide insights into the practical implications of the system, simulations of trading costs are conducted based on historical FX rates, with Project Mariana as a benchmark. The study shows that, even with liquidity fragmentation, a multi-layer and multi-AMM setup is more cost-efficient than a single AMM.
- Abstract(参考訳): 本稿では,CBDCのクロスボーダー取引のための新しい多層ブロックチェーンアーキテクチャを提案する。
許可されたレイヤ2は、基盤となるネットワークのパブリックコンセンサスに依存して、トランザクションのセキュリティと整合性を確保し、国内CBDC実装との相互運用性を保証する。
複数のLayer-3は様々なAMM(Automated Market Maker)を運用し、最低コストで互いに競合する。
システムの実用的意義を考察するために,Project Marianaをベンチマークとして,過去のFXレートに基づいて取引コストのシミュレーションを行う。
本研究は, 流動性フラグメンテーションであっても, 多層・多層AMMセットアップは単一AMMよりもコスト効率が高いことを示した。
関連論文リスト
- Rolling in the Shadows: Analyzing the Extraction of MEV Across Layer-2 Rollups [13.27494645366702]
分散金融は、最大抽出可能価値(MEV)として知られる一連の搾取的経済プラクティスを取り入れている
本稿では,約3年間にわたるArbitrumやzkSyncなどの著名なロールアップにおけるMEVの有病率と影響について検討する。
一般的なロールアップのサンドイッチ活動は検出されなかったが,クロスレイヤーサンドイッチ攻撃の可能性が確認された。
論文 参考訳(メタデータ) (2024-04-30T18:34:32Z) - Cross-BERT for Point Cloud Pretraining [61.762046503448936]
我々はクロスモーダルなBERTスタイルの自己教師型学習パラダイムであるCross-BERTを提案する。
不規則な点雲とスパースな点雲の事前訓練を容易にするために,2つの自己教師型タスクを設計し,相互モーダル相互作用を促進させる。
本研究は,3Dポイントクラウド表現の強化とBERTのモダリティ間の伝達能力を高めるために,クロスモーダルな2D知識を活用することの有効性を強調した。
論文 参考訳(メタデータ) (2023-12-08T08:18:12Z) - TLMCM Network for Medical Image Hierarchical Multi-Label Classification [5.338183364083318]
医用画像階層型マルチラベル分類(MI-HMC)は現代医療において最重要課題である。
本稿では,MI-HMCタスクのための最大制約モジュール(TLMCM)ネットワークを用いたトランスファーラーニングを提案する。
実験の結果,TLMCMネットワークはMI-HMCタスクに対して高いマルチラベル予測精度(80%$-90%$)を実現することがわかった。
論文 参考訳(メタデータ) (2023-11-01T04:18:42Z) - Multi-Domain Polarization for Enhancing the Physical Layer Security of MIMO Systems [51.125572358881556]
無線通信システムのセキュリティを高めるために,新しい物理層セキュリティ(PLS)フレームワークが考案されている。
マルチドメイン分極に基づく高度な鍵生成方式と対応する受信機を設計する。
提案手法は,無線通信システムのセキュリティと信頼性を効果的に向上させるものである。
論文 参考訳(メタデータ) (2023-10-31T05:50:24Z) - Securing Blockchain Systems: A Novel Collaborative Learning Framework to Detect Attacks in Transactions and Smart Contracts [26.85360925398753]
本稿では、ブロックチェーントランザクションとスマートコントラクトの攻撃を検出するために設計された、新しい協調学習フレームワークを提案する。
当社のフレームワークは,マシンコードレベルでの複雑な攻撃を含む,さまざまな種類のブロックチェーン攻撃を分類する機能を示している。
我々のフレームワークは、広範囲なシミュレーションや、毎秒2150トランザクションを超えるスループットでリアルタイムな実験を通じて、約94%の精度で検出できる。
論文 参考訳(メタデータ) (2023-08-30T07:17:20Z) - Learning Reward Machines in Cooperative Multi-Agent Tasks [75.79805204646428]
本稿では,MARL(Multi-Agent Reinforcement Learning)に対する新しいアプローチを提案する。
これは、協調的なタスク分解と、サブタスクの構造をコードする報酬機(RM)の学習を組み合わせる。
提案手法は、部分的に観測可能な環境下での報酬の非マルコフ的性質に対処するのに役立つ。
論文 参考訳(メタデータ) (2023-03-24T15:12:28Z) - Predictive Crypto-Asset Automated Market Making Architecture for
Decentralized Finance using Deep Reinforcement Learning [0.0]
本研究は、オンチェーンの保持と決済機能を備えた引用駆動型予測自動市場メーカー(AMM)プラットフォームを提案する。
提案アーキテクチャは,暗号AMMプロトコルであるUnixwap V3への拡張であり,分散とすべり損失の低減を目的とした新たな市場均衡価格を利用する。
論文 参考訳(メタデータ) (2022-09-28T01:13:22Z) - Transformer-based Value Function Decomposition for Cooperative
Multi-agent Reinforcement Learning in StarCraft [1.160208922584163]
StarCraft II Multi-Agent Challenge (SMAC)は、協調型マルチエージェント強化学習(MARL)のベンチマーク問題である。
本稿では,トランスミクス(TransMix)というトランスアーキテクチャを導入する。
論文 参考訳(メタデータ) (2022-08-15T16:13:16Z) - Estimation of Reliable Proposal Quality for Temporal Action Detection [71.5989469643732]
提案手法では,時間的視点と地域的視点を同時に把握し,信頼性の高い提案品質を取得することによって2つの課題を整合させる手法を提案する。
バウンダリ評価モジュール (BEM) は, 境界品質を推定するために, 局所的な外観と動きの進化に焦点を当てた設計である。
地域の観点からは,提案する特徴表現に対して,新しい効率的なサンプリング手法を用いた領域評価モジュール(REM)を導入する。
論文 参考訳(メタデータ) (2022-04-25T14:33:49Z) - Adaptive Stochastic ADMM for Decentralized Reinforcement Learning in
Edge Industrial IoT [106.83952081124195]
強化学習 (Reinforcement Learning, RL) は, 意思決定および最適制御プロセスのための有望な解法として広く研究されている。
本稿では,Adaptive ADMM (asI-ADMM)アルゴリズムを提案する。
実験の結果,提案アルゴリズムは通信コストやスケーラビリティの観点から技術状況よりも優れており,複雑なIoT環境に適応できることがわかった。
論文 参考訳(メタデータ) (2021-06-30T16:49:07Z) - Monotonic Value Function Factorisation for Deep Multi-Agent
Reinforcement Learning [55.20040781688844]
QMIXは、中央集権的なエンドツーエンドで分散ポリシーをトレーニングできる新しい価値ベースの手法である。
深層多エージェント強化学習のための新しいベンチマークとして,StarCraft Multi-Agent Challenge (SMAC)を提案する。
論文 参考訳(メタデータ) (2020-03-19T16:51:51Z)
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。