論文の概要: DecTest: A Decentralised Testing Architecture for Improving Data Accuracy of Blockchain Oracle
- arxiv url: http://arxiv.org/abs/2404.13535v2
- Date: Mon, 18 Nov 2024 14:58:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-19 14:26:05.255929
- Title: DecTest: A Decentralised Testing Architecture for Improving Data Accuracy of Blockchain Oracle
- Title（参考訳）: DecTest: ブロックチェーンOracleのデータ正確性を改善するための分散テストアーキテクチャ
- Authors: Xueying Zeng, Youquan Xian, Chunpei Li, Zhengdong Hu, Aoxiang Zhou, Peng Liu,
- Abstract要約: データ精度の向上を目的とした新しい分散テストアーキテクチャ(DecTest)を導入します。
ノードの監視と検証を強化するために、ブロックチェーンオラクルランダムシークレットテストメカニズムが最初に提案されている。
得られたデータの離散エントロピー値を61.4%削減した。
- 参考スコア（独自算出の注目度）: 5.327976961338759
- License:
- Abstract: Blockchain technology ensures secure and trustworthy data flow between multiple participants on the chain, but interoperability of on-chain and off-chain data has always been a difficult problem that needs to be solved. To solve the problem that blockchain systems cannot access off-chain data, oracle is introduced. However, existing research mainly focuses on the consistency and integrity of data, but ignores the problem that oracle nodes may be externally attacked or provide false data for selfish motives, resulting in the unresolved problem of data accuracy. In this paper, we introduce a new Decentralized Testing architecture (DecTest) that aims to improve data accuracy. A blockchain oracle random secret testing mechanism is first proposed to enhance the monitoring and verification of nodes by introducing a dynamic anonymized question-verification committee. Based on this, a comprehensive evaluation incentive mechanism is designed to incentivize honest work performance by evaluating nodes based on their reputation scores. The simulation results show that we successfully reduced the discrete entropy value of the acquired data and the real value of the data by 61.4%.
- Abstract（参考訳）: ブロックチェーン技術は、チェーン上の複数の参加者間のセキュアで信頼性の高いデータフローを保証する。
ブロックチェーンシステムがオフチェーンデータにアクセスできないという問題を解決するために、Oracleが導入される。
しかし、既存の研究は主にデータの一貫性と整合性に焦点が当てられているが、オラクルノードが外部から攻撃されたり、利己的なモチベーションのために偽のデータを提供したりするという問題を無視しているため、未解決のデータ精度の問題が発生する。
本稿では,データ精度の向上を目的とした新しい分散テストアーキテクチャ(DecTest)を提案する。
動的匿名化質問検証委員会を導入することにより、ノードの監視と検証を強化するために、ブロックチェーンオラクルランダムシークレットテストメカニズムが最初に提案されている。
これに基づいて、評価スコアに基づいてノードを評価することによって、誠実な作業性能をインセンティブ化するための総合的な評価インセンティブ機構を設計する。
シミュレーションの結果,得られたデータの離散エントロピー値と実値の61.4%削減に成功した。
関連論文リスト
- 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) - Enhanced Security and Efficiency in Blockchain with Aggregated Zero-Knowledge Proof Mechanisms [15.034624246970154]
ブロックチェーンシステムにおけるデータ検証の現在のアプローチは、効率性と計算オーバーヘッドの観点から、課題に直面している。
本研究では,メルクル木構造におけるゼロ知識証明の革新的集約手法を提案する。
我々は,その生成と検証に必要な証明と計算資源を著しく削減するシステムを開発した。
論文 参考訳（メタデータ） (2024-02-06T09:26:46Z) - 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) - Addressing Trust Challenges in Blockchain Oracles Using Asymmetric Byzantine Quorums [0.5461938536945723]
外部の世界と対話するためには、サードパーティのインターフェース、あるいはOracleとして知られるものが必要です。
ビザンティンの信頼性、信頼性、拡張性に直接影響を与えるため、これらのOracleによって引き起こされるデータの真性は最重要である。
これらの課題に対処するために、フォールトトレランス phi に根ざした戦略が導入された。
検出に基づいて構築されたサステナビリティと可聴性のための自律システム。
論文 参考訳（メタデータ） (2023-12-30T08:53:45Z) - RecAGT: Shard Testable Codes with Adaptive Group Testing for Malicious Nodes Identification in Sharding Permissioned Blockchain [8.178194928962311]
本稿では,通信オーバヘッドの低減と潜在的な悪意のあるノードの特定を目的とした新しい識別手法であるRecAGTを提案する。
まず、シャードテスト可能なコードは、機密データが漏洩した場合に元のデータをエンコードするように設計されている。
第二に、悪意のある行動に対する証拠として、新しいアイデンティティ証明プロトコルが提示される。
第3に、悪意のあるノードを特定するために適応的なグループテストが選択される。
論文 参考訳（メタデータ） (2023-11-05T07:43:48Z) - A Trustworthy and Consistent Blockchain Oracle Scheme for Industrial Internet of Things [7.430160508879777]
本稿では,高品質なオフチェーンデータが得られるセキュアで信頼性の高いオラクル方式を提案する。
具体的には、まず、検証ランダム関数(VRF)と評価機構に基づくオラクルノード選択アルゴリズムを設計する。
次に、スライディングウィンドウに基づくデータフィルタリングアルゴリズムを提案し、収集したデータの一貫性をさらに向上する。
論文 参考訳（メタデータ） (2023-10-08T02:44:29Z) - ACon$^2$: Adaptive Conformal Consensus for Provable Blockchain Oracles [31.439376852065713]
スマートコントラクトのパワーはオフチェーンデータとのインタラクションによって実現され、それによってブロック状態の一貫性を損なう可能性がある。
適応型コンセンサス(ACon$2$)アルゴリズムを提案し,複数のオラクル契約からコンセンサスを導出する。
特に、提案アルゴリズムは、データの不確実性を定量化し、所望の正確性を保証するコンセンサスセットを返す。
論文 参考訳（メタデータ） (2022-11-17T04:37:24Z) - Blockchain Assisted Decentralized Federated Learning (BLADE-FL):
Performance Analysis and Resource Allocation [119.19061102064497]
ブロックチェーンをFL、すなわちブロックチェーン支援分散学習(BLADE-FL)に統合することで、分散FLフレームワークを提案する。
提案されたBLADE-FLのラウンドでは、各クライアントはトレーニング済みモデルを他のクライアントにブロードキャストし、受信したモデルに基づいてブロックを生成し、次のラウンドのローカルトレーニングの前に生成されたブロックからモデルを集約します。
遅延クライアントがblade-flの学習性能に与える影響を調査し,最適なk,学習パラメータ,遅延クライアントの割合の関係を特徴付ける。
論文 参考訳（メタデータ） (2021-01-18T07:19:08Z) - Blockchain Assisted Decentralized Federated Learning (BLADE-FL) with
Lazy Clients [124.48732110742623]
フェデレートラーニング(FL)にブロックチェーンを統合する新しいフレームワークを提案する。
BLADE-FLは、プライバシー保護、改ざん抵抗、学習の効果的な協力の点で優れたパフォーマンスを持っている。
遅延クライアントは、他人のトレーニングされたモデルを盗聴し、不正行為を隠すために人工的なノイズを加える。
論文 参考訳（メタデータ） (2020-12-02T12:18:27Z) - Faster Secure Data Mining via Distributed Homomorphic Encryption [108.77460689459247]
ホモモルフィック暗号化(HE)は、最近、暗号化されたフィールド上で計算を行う能力により、ますます注目を集めている。
本稿では,スケーリング問題の解決に向けて,新しい分散HEベースのデータマイニングフレームワークを提案する。
各種データマイニングアルゴリズムとベンチマークデータセットを用いて,新しいフレームワークの有効性と有効性を検証する。
論文 参考訳（メタデータ） (2020-06-17T18:14:30Z)
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。