論文の概要: Federated Analytics-Empowered Frequent Pattern Mining for Decentralized Web 3.0 Applications
- arxiv url: http://arxiv.org/abs/2402.09736v1
- Date: Thu, 15 Feb 2024 06:26:10 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-25 11:19:24.041929
- Title: Federated Analytics-Empowered Frequent Pattern Mining for Decentralized Web 3.0 Applications
- Title(参考訳): 分散Web 3.0アプリケーションのためのフェデレーション分析を利用した周波数パターンマイニング
- Authors: Zibo Wang, Yifei Zhu, Dan Wang, Zhu Han,
- Abstract要約: 本稿では,新たなフェデレーション分析(FA)パラダイムをWeb 3.0サービスの領域に導入する。
我々は、Web 3.0における重要な頻繁なパターンマイニングタスクのためのFA設計であるFedWebを提案する。
実験によると、FedWebはデータユーティリティを25.3%改善し、参加データ所有者を98.4%削減できる。
- 参考スコア(独自算出の注目度): 30.14360429637261
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The emerging Web 3.0 paradigm aims to decentralize existing web services, enabling desirable properties such as transparency, incentives, and privacy preservation. However, current Web 3.0 applications supported by blockchain infrastructure still cannot support complex data analytics tasks in a scalable and privacy-preserving way. This paper introduces the emerging federated analytics (FA) paradigm into the realm of Web 3.0 services, enabling data to stay local while still contributing to complex web analytics tasks in a privacy-preserving way. We propose FedWeb, a tailored FA design for important frequent pattern mining tasks in Web 3.0. FedWeb remarkably reduces the number of required participating data owners to support privacy-preserving Web 3.0 data analytics based on a novel distributed differential privacy technique. The correctness of mining results is guaranteed by a theoretically rigid candidate filtering scheme based on Hoeffding's inequality and Chebychev's inequality. Two response budget saving solutions are proposed to further reduce participating data owners. Experiments on three representative Web 3.0 scenarios show that FedWeb can improve data utility by ~25.3% and reduce the participating data owners by ~98.4%.
- Abstract(参考訳): 新たなWeb 3.0パラダイムは、既存のWebサービスを分散化し、透明性やインセンティブ、プライバシ保護といった望ましいプロパティを実現することを目的としている。
しかし、ブロックチェーンインフラストラクチャでサポートされている現在のWeb 3.0アプリケーションは、スケーラブルでプライバシ保護の方法では、複雑なデータ分析タスクをサポートできない。
本稿では,Web 3.0 サービスの領域に新たなフェデレーション・アナリティクス(FA)パラダイムを導入し,複雑な Web 分析タスクにプライバシ保護の方法で貢献しながらデータをローカルに維持することを可能にする。
我々は、Web 3.0における重要な頻繁なパターンマイニングタスクのためのFA設計であるFedWebを提案する。
FedWebは、新しい分散差分プライバシー技術に基づいて、プライバシを保存するWeb 3.0データ分析をサポートするために必要なデータ所有者の数を大幅に削減する。
マイニング結果の正しさは、ホーフディングの不等式とチェビシェフの不等式に基づく理論的に堅固な候補フィルタリングスキームによって保証される。
2つのレスポンス予算削減ソリューションが提案され、データ所有者のさらなる削減が図られている。
3つの代表的なWeb 3.0シナリオの実験は、FedWebがデータユーティリティを約25.3%改善し、データ所有者を約98.4%削減できることを示している。
関連論文リスト
- Non-Fungible Programs: Private Full-Stack Applications for Web3 [0.3683202928838613]
本稿では,自己完結型アプリケーションを開発するためのNFPモデルを提案する。
NFPアプリケーションは分散ブロックチェーンで、Webテクノロジをベースとし、スマートコントラクトのプライベートデータベースによってバックアップされる。
コードへのアクセスとバックエンドサービスへのアクセスは、NFTオーナシップモデルに従ってスマートコントラクトによって制御され、保証される。
論文 参考訳(メタデータ) (2024-04-24T03:46:18Z) - 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) - FewFedPIT: Towards Privacy-preserving and Few-shot Federated Instruction Tuning [54.26614091429253]
フェデレーション・インストラクション・チューニング(FedIT)は、複数のデータ所有者間で協調的なトレーニングを統合することで、有望なソリューションである。
FedITは、インストラクショナルデータの不足や、トレーニングデータ抽出攻撃への露出リスクなどの制限に直面している。
本稿では,FewFedPITを提案する。このFewFedPITは,フェデレートされた数ショット学習のプライバシー保護とモデル性能を同時に向上する。
論文 参考訳(メタデータ) (2024-03-10T08:41:22Z) - A Novel Blockchain Based Information Management Framework for Web 3.0 [30.15143659169484]
本稿では,新しいブロックチェーンベースの情報管理フレームワークであるSmart-based Webを提案する。
本稿では,ユーザの情報提供に報いるために,Proof-of-Stakeに基づく効果的なコンセンサス機構を開発する。
この結果から,提案するコンセンサス機構がノードやユーザをインセンティブにすることで,より多くの情報提供が可能になることが示唆された。
論文 参考訳(メタデータ) (2024-01-23T12:34:02Z) - Secure and Verifiable Data Collaboration with Low-Cost Zero-Knowledge
Proofs [30.260427020479536]
本稿では,セキュアかつ検証可能なデータコラボレーションのための新しい高効率ソリューションRiseFLを提案する。
まず,ZKP生成と検証のコストを大幅に削減する確率論的整合性検査法を提案する。
第3に,ビザンチンのロバスト性を満たすハイブリッドなコミットメントスキームを設計し,性能を向上する。
論文 参考訳(メタデータ) (2023-11-26T14:19:46Z) - Libertas: Privacy-Preserving Computation for Decentralised Personal Data Stores [19.54818218429241]
セキュアなマルチパーティ計算をSolidと統合するためのモジュール設計を提案する。
私たちのアーキテクチャであるLibertasでは、基盤となるSolidの設計にプロトコルレベルの変更は必要ありません。
既存の差分プライバシー技術と組み合わせて、出力プライバシーを確保する方法を示す。
論文 参考訳(メタデータ) (2023-09-28T12:07:40Z) - PS-FedGAN: An Efficient Federated Learning Framework Based on Partially
Shared Generative Adversarial Networks For Data Privacy [56.347786940414935]
分散計算のための効果的な学習パラダイムとして、フェデレートラーニング(FL)が登場した。
本研究は,部分的なGANモデル共有のみを必要とする新しいFLフレームワークを提案する。
PS-FedGANと名付けられたこの新しいフレームワークは、異種データ分散に対処するためのGANリリースおよびトレーニングメカニズムを強化する。
論文 参考訳(メタデータ) (2023-05-19T05:39:40Z) - 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) - Web 3.0 Adoption Behavior: PLS-SEM and Sentiment Analysis [0.0]
本研究は,PLS-SEM(Partial Least Squares Structure Equation Modelling)とTwitterの感情分析に基づく。
性能期待(PE)、電子ワード・オブ・ムート(eWOM)、デジタルデクスタリティ(DD)を中心にした理論フレームワークが、Web 3.0採用の行動意図(INT)に対して仮説化された。
論文 参考訳(メタデータ) (2022-09-11T16:37:46Z) - Explainable Patterns: Going from Findings to Insights to Support Data
Analytics Democratization [60.18814584837969]
我々は,データストーリテリングの探索と作成において,レイユーザをサポートする新しいフレームワークであるExplainable Patterns (ExPatt)を提示する。
ExPattは、外部(テキスト)の情報ソースを使用して、観察または選択された発見の実用的な説明を自動的に生成します。
論文 参考訳(メタデータ) (2021-01-19T16:13:44Z)
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。