論文の概要: ammBoost: State Growth Control for AMMs
- arxiv url: http://arxiv.org/abs/2406.17094v3
- Date: Sat, 28 Sep 2024 19:39:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-01 21:57:27.097231
- Title: ammBoost: State Growth Control for AMMs
- Title（参考訳）: ammBoost: AMMのための状態成長制御
- Authors: Nicholas Michel, Mohamed E. Najd, Ghada Almashaqbeh,
- Abstract要約: 自動市場メーカー(AMMs)は、最近大きな関心を集めている分散型暗号通貨取引所の一形態である。
既存のスケーラビリティソリューションは、AMMの文脈で使用される場合、そのオーバーヘッドが大きいため効果がないか、セキュリティと集中化の問題に悩まされている。
本稿では、新しいサイドチェーンアーキテクチャをレイヤ2ソリューションとして利用し、amBoostと呼ばれるシステムを構築することで、これらの課題に対処する。
- 参考スコア（独自算出の注目度）: 0.6383640665055312
- License:
- Abstract: Automated market makers (AMMs) are a form of decentralized cryptocurrency exchanges that have attracted huge interest lately. They are considered a prime example of Decentralized Finance (DeFi) applications, a large category under Web 3.0. Their popularity and high trading activity have resulted in millions of on-chain transactions leading to serious scalability issues in terms of throughput and on-chain state size. Existing scalability solutions, when employed in the context of AMMs, are either ineffective due to their large overhead, or suffer from security and centralization issues. In this paper, we address these challenges by utilizing a new sidechain architecture as a layer 2 solution, building a system called ammBoost. Our system reduces the amount of on-chain transactions, boosts throughput, and supports blockchain pruning. We devise several techniques to enable layer 2 processing while preserving the correct and secure operation of AMMs. These include a functionality-split and layer 2 traffic summarization paradigm, an epoch-based deposit mechanism, and pool snapshot-based and delayed token-payout trading. We also build a proof-of-concept of ammBoost for a Uniswap-inspired use case to empirically evaluate performance. Our experiments show that ammBoost decreases the gas cost by 96.05% and the chain growth by at least 93.42%, and that it can support up to 500x of the daily traffic volume observed for Uniswap in practice.
- Abstract（参考訳）: 自動市場メーカー(AMMs)は、最近大きな関心を集めている分散型暗号通貨取引所の一形態である。
これらは、Web 3.0の下にある大きなカテゴリである分散ファイナンス(DeFi)アプリケーションの主要な例と考えられている。
その人気と高いトレーディング活動により、数百万のオンチェーントランザクションが、スループットとオンチェーン状態サイズという面で深刻なスケーラビリティの問題を引き起こしました。
既存のスケーラビリティソリューションは、AMMの文脈で使用される場合、そのオーバーヘッドが大きいため効果がないか、セキュリティと集中化の問題に悩まされている。
本稿では,新しいサイドチェーンアーキテクチャをレイヤ2ソリューションとして利用し,amBoostと呼ばれるシステムを構築することで,これらの課題に対処する。
私たちのシステムは、オンチェーントランザクションの量を削減し、スループットを向上し、ブロックチェーンプルーニングをサポートします。
我々は、AMMの正確かつセキュアな操作を維持しながら、レイヤ2処理を可能にするいくつかの手法を考案した。
これには、機能分割とレイヤ2のトラフィック要約パラダイム、エポックベースの預金機構、プールスナップショットベースの遅延トークン支払いトレーディングが含まれる。
また、Unixwapにインスパイアされたユースケースに対して、AmmBoostの概念実証を構築し、パフォーマンスを実証的に評価する。
実験の結果,AmmBoostはガスコストを96.05%削減し,少なくとも93.42%削減した。
関連論文リスト
- Generative Blockchain: Transforming Blockchain from Transaction Recording to Transaction Generation through Proof-of-Merit [5.801684954657074]
生成ブロックチェーンは、トランザクション生成と記録を組み合わせることで、従来のブロックチェーン技術を変革することを目指している。
私たちのデザインの中心は、新しいコンセンサスメカニズムであるProof-of-Merit(PoM)である。
我々は、複雑なトランザクション生成問題を解決するタスクが独立した問題解決者のプールに委譲される、オンデマンドプラットフォーム上でPoMを実証する。
論文 参考訳（メタデータ） (2024-08-23T20:51:10Z) - SAMM: Sharded Automated Market Maker [2.6831773062745863]
Automated Market Makers(AMM)は、ブロックチェーン上で動作するスマートコントラクト(ステートフルプログラム)である。
我々は複数のシャードからなるAMMであるSAMMについて述べる。全てのシャードは同じチェーン上で実行されているAMMであるが、それらの独立性は並列実行を可能にする。
流動性プロバイダは、すべてのシャード間で流動性をバランスさせ、不安定化攻撃を克服し、取引は均等に分散している。
論文 参考訳（メタデータ） (2024-06-08T20:19:35Z) - 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) - chainBoost: A Secure Performance Booster for Blockchain-based Resource Markets [0.6383640665055312]
分散資源市場のためのセキュアなパフォーマンス向上剤である chainBoost を提案する。
サービス関連の操作を高速化し、ブロックチェーンサイズを削減し、低オーバーヘッドでフレキシブルなサービス支払い交換モダリティをサポートする。
分散ファイルストレージ市場のための概念実証プロトタイプをユースケースとして実装する。
論文 参考訳（メタデータ） (2024-02-25T14:19:41Z) - Model Supply Chain Poisoning: Backdooring Pre-trained Models via Embedding Indistinguishability [61.549465258257115]
そこで我々は,PTMに埋め込まれたバックドアをモデルサプライチェーンに効率的に移動させる,新しい,より厳しいバックドア攻撃であるTransTrojを提案する。
実験の結果,本手法はSOTAタスク非依存のバックドア攻撃より有意に優れていた。
論文 参考訳（メタデータ） (2024-01-29T04:35:48Z) - A Scale-out Decentralized Blockchain Ledger System for Web3.0 [5.327844605578174]
本稿では,Web3.0用に設計された新しい分散スケールアウト台帳システムであるEZchainを提案する。
セキュリティと分散化を妥協することなく、EZchainは以下のマイルストーンを達成している。
論文 参考訳（メタデータ） (2023-12-01T01:34:48Z) - Uniswap Liquidity Provision: An Online Learning Approach [49.145538162253594]
分散取引所(DEX)は、テクノロジーを活用した新しいタイプのマーケットプレイスである。
そのようなDECの1つ、Unixwap v3は、流動性プロバイダが資金のアクティブな価格間隔を指定することで、より効率的に資金を割り当てることを可能にする。
これにより、価格間隔を選択するための最適な戦略を見出すことが問題となる。
我々は、この問題を非確率的な報酬を伴うオンライン学習問題として定式化する。
論文 参考訳（メタデータ） (2023-02-01T17:21:40Z) - QLAMMP: A Q-Learning Agent for Optimizing Fees on Automated Market
Making Protocols [5.672898304129217]
本稿では,所定のAMMプロトコルの最適料金率を学習し,係数を活用するQ-Learning Agent for Market Making Protocols (QLAMMP) を開発する。
QLAMMPは、すべてのシミュレートされたテスト条件下で、その静的な性能を一貫して上回っていることを示す。
論文 参考訳（メタデータ） (2022-11-28T00:30:45Z) - 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) - ESCORT: Ethereum Smart COntRacTs Vulnerability Detection using Deep
Neural Network and Transfer Learning [80.85273827468063]
既存の機械学習ベースの脆弱性検出方法は制限され、スマートコントラクトが脆弱かどうかのみ検査される。
スマートコントラクトのための初のDeep Neural Network(DNN)ベースの脆弱性検出フレームワークであるESCORTを提案する。
ESCORTは6種類の脆弱性に対して平均95%のF1スコアを達成し,検出時間は契約あたり0.02秒であることを示す。
論文 参考訳（メタデータ） (2021-03-23T15:04:44Z) - 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。