論文の概要: Model-based Analysis of Mining Fairness in a Blockchain
- arxiv url: http://arxiv.org/abs/2406.00595v2
- Date: Wed, 05 Feb 2025 15:15:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-06 14:23:36.369275
- Title: Model-based Analysis of Mining Fairness in a Blockchain
- Title(参考訳): ブロックチェーンにおけるマイニングフェアネスのモデルベース解析
- Authors: Akira Sakurai, Kazuyuki Shudo,
- Abstract要約: ブロックチェーンにおけるマイニングフェアネスは、マイニングに投資した計算リソースと、受け取ったブロック報酬の平等を指す。
簡単な数学的モデルを用いたマイニングフェアネスの計算法を提案する。
ブロックチェーンネットワークシミュレーションにより、既存の手法よりもネットワーク内のマイニングフェアネスをはるかに正確に計算できることを検証した。
- 参考スコア(独自算出の注目度): 2.9281463284266973
- License:
- Abstract: Mining fairness in blockchain refers to equality between the computational resources invested in mining and the block rewards received. There exists a dilemma wherein increasing the transaction processing capacity of a blockchain compromises mining fairness, which consequently undermines its decentralization. This dilemma remains unresolved even with methods such as the greedy heaviest observed subtree (GHOST) protocol, indicating that mining fairness is an inherent bottleneck in the transaction processing capacity of the blockchain system. However, despite its significance, there have been insufficient research studies that have quantitatively analyzed mining fairness. In this paper, we propose a method for calculating mining fairness. First, we approximated a complex blockchain network using a simple mathematical model, assuming that no more than two blocks are generated per round. Within this model, we quantitatively determined local mining fairness and derived several measures of global mining fairness based on local mining fairness. Subsequently, we validated by blockchain network simulations that our calculation method computes mining fairness in networks much more accurately than existing methods. Finally, we analyzed various networks from the perspective of mining fairness.
- Abstract(参考訳): ブロックチェーンにおけるマイニングフェアネスは、マイニングに投資した計算リソースと、受け取ったブロック報酬の平等を指す。
ブロックチェーンのトランザクション処理能力の増大がマイニングフェアネスを損なうジレンマがあり、結果として分散化を損なう。
このジレンマは、GHOST(greedy heaviest observed subtree)プロトコルのような手法でも未解決のままであり、マイニングフェアネスがブロックチェーンシステムのトランザクション処理能力に固有のボトルネックであることを示している。
しかし、その重要性にもかかわらず、鉱業の公正さを定量的に分析する研究は不十分である。
本稿では,マイニングフェアネスの算定手法を提案する。
まず、単純な数学的モデルを用いて複雑なブロックチェーンネットワークを近似し、ラウンド毎に2ブロックしか生成しないと仮定した。
本モデルでは, 地域鉱業公正度を定量的に決定し, 地域鉱業公正度に基づく世界鉱業公正度を導出した。
その後、ブロックチェーンネットワークシミュレーションにより、既存の手法よりもネットワーク内のマイニングフェアネスをはるかに正確に計算できることを検証した。
最後に,マイニングフェアネスの観点から様々なネットワークを分析した。
関連論文リスト
- Collaborative Proof-of-Work: A Secure Dynamic Approach to Fair and Efficient Blockchain Mining [0.1759252234439348]
本稿では,ネットワークの効率性と公平性を高めるために,新しい協調的協調作業(CPoW)マイニング手法を提案する。
従来の鉱業の中央集権化とエネルギー不足に対処することによって、この研究はより持続可能なブロックチェーンエコシステムに寄与する。
論文 参考訳(メタデータ) (2024-12-01T05:59:27Z) - Bitcoin Under Volatile Block Rewards: How Mempool Statistics Can Influence Bitcoin Mining [5.893888881448058]
Bitcoinがより半減期を経験するにつれて、プロトコル報酬はゼロに収束し、取引手数料がマイナー報酬の主要な源となる。
以前のBitcoinのセキュリティ分析では、固定ブロック報酬モデルまたは高度に単純化された揮発性モデルが検討されている。
本稿では,より現実的な揮発性モデルに基づく鉱業戦略開発のための強化学習ツールを提案する。
論文 参考訳(メタデータ) (2024-11-18T16:29:20Z) - BlockFound: Customized blockchain foundation model for anomaly detection [47.04595143348698]
BlockFoundは、異常なブロックチェーントランザクション検出のためのカスタマイズされた基盤モデルである。
ブロックチェーントランザクションのユニークなデータ構造をモデル化するための、一連のカスタマイズデザインを紹介します。
BlockFoundは、Solana上の異常なトランザクションを高精度に検出する唯一の方法である。
論文 参考訳(メタデータ) (2024-10-05T05:11:34Z) - Fully Automated Selfish Mining Analysis in Efficient Proof Systems Blockchains [5.864854777864723]
私たちは、Bitcoinのような長鎖ブロックチェーンにおける自己中心的なマイニング攻撃について研究していますが、そこでは、作業の証明が効率的な証明システムに置き換えられます。
本稿では,敵の相対収益を最大化することを目的とした,新たな自尊心のあるマイニング攻撃を提案する。
本稿では,MDP の最適相対収益を$epsilon$-tight で計算する形式解析手法を提案する。
論文 参考訳(メタデータ) (2024-05-07T15:44:39Z) - 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) - Cryptocurrency Portfolio Optimization by Neural Networks [81.20955733184398]
本稿では,これらの投資商品を活用するために,ニューラルネットワークに基づく効果的なアルゴリズムを提案する。
シャープ比を最大化するために、各アセットの割り当て重量を時間間隔で出力するディープニューラルネットワークを訓練する。
ネットワークの特定の資産に対するバイアスを規制する新たな損失項を提案し,最小分散戦略に近い割り当て戦略をネットワークに学習させる。
論文 参考訳(メタデータ) (2023-10-02T12:33:28Z) - Identifying contributors to supply chain outcomes in a multi-echelon setting: a decentralised approach [47.00450933765504]
本稿では,推定貢献の分散計算における説明可能な人工知能の利用を提案する。
このアプローチは、サプライチェーンアクターにデータ共有を説得する必要性を緩和する。
その結果,集中型アプローチと比較して,品質変化の源泉を検出する方法の有効性が示された。
論文 参考訳(メタデータ) (2023-07-22T20:03:16Z) - HDCoin: A Proof-of-Useful-Work Based Blockchain for Hyperdimensional
Computing [2.7462881838152913]
本稿では、新しい機械学習スキームのためのブロックチェーンベースのフレームワークであるHDCoinを紹介する。
HDCのシナリオでは、マイナーは与えられたデータセット上で最も高いテスト精度を得るために競争している。
勝者のモデルはブロックチェーンに記録されており、信頼できるHDCモデルとして一般に公開されている。
論文 参考訳(メタデータ) (2022-02-07T06:21:29Z) - Quantum Multi-Solution Bernoulli Search with Applications to Bitcoin's
Post-Quantum Security [67.06003361150228]
作業の証明(英: proof of work、PoW)は、当事者が計算タスクの解決にいくらかの労力を費やしたことを他人に納得させることができる重要な暗号構造である。
本研究では、量子戦略に対してそのようなPoWの連鎖を見つけることの難しさについて検討する。
我々は、PoWs問題の連鎖が、マルチソリューションBernoulliサーチと呼ばれる問題に還元されることを証明し、量子クエリの複雑さを確立する。
論文 参考訳(メタデータ) (2020-12-30T18:03:56Z) - 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) - Toward Low-Cost and Stable Blockchain Networks [10.790006312359795]
ブロックチェーンマイニングリソース割り当てアルゴリズムを提案し,PoWベースの(ワークオブワークベースの)ブロックチェーンネットワークにおけるマイニングコストを削減する。
論文 参考訳(メタデータ) (2020-02-19T06:42:33Z)
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。