論文の概要: Verifiable Decentralized IPFS Cluster: Unlocking Trustworthy Data Permanency for Off-Chain Storage
- arxiv url: http://arxiv.org/abs/2408.07023v1
- Date: Fri, 9 Aug 2024 08:26:55 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-14 16:55:31.481337
- Title: Verifiable Decentralized IPFS Cluster: Unlocking Trustworthy Data Permanency for Off-Chain Storage
- Title（参考訳）: 検証可能な分散IPFSクラスタ:オフチェーンストレージのための信頼できるデータ永続性
- Authors: Sid Lamichhane, Patrick Herbke,
- Abstract要約: 本稿では、検証可能なデータ永続性保証により、オフチェーンストレージの信頼性を高めるために、VDIC(Verible Decentralized IPFS Clusters)を提案する。
性能評価は、VDICが従来のピンニングサービスと競合していることを示している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In Decentralized Applications, off-chain storage solutions such as the InterPlanetary File System (IPFS) are crucial in overcoming Blockchain storage limitations. However, the assurance of data permanency in IPFS relies on the pinning of data, which comes with trust issues and potential single points of failure. This paper introduces Verifiable Decentralized IPFS Clusters (VDICs) to enhance off-chain storage reliability with verifiable data permanency guarantees. VDICs leverage Decentralized Identifier, Verifiable Credentials, and IPFS Clusters to create a trustworthy ecosystem where the storage of pinned data is transparent and verifiable. Performance evaluations demonstrate that VDICs are competitive with traditional pinning services. Real-life use cases validate their feasibility and practicality for providers of Decentralized Applications focused on ensuring data permanency.
- Abstract（参考訳）: 分散アプリケーションでは、IPFS(InterPlanetary File System)のようなオフチェーンストレージソリューションが、ブロックチェーンストレージの制限を克服するために不可欠である。
しかし、IPFSにおけるデータ永続性の保証は、信頼性の問題と潜在的な単一障害点が伴うデータのピンニングに依存している。
本稿では、検証可能なデータ永続性保証により、オフチェーンストレージの信頼性を高めるために、VDIC(Verible Decentralized IPFS Clusters)を提案する。
VDICは分散識別子、検証クレデンシャル、IPFSクラスタを活用して、ピン付きデータのストレージが透明で検証可能な信頼できるエコシステムを構築する。
性能評価は、VDICが従来のピンニングサービスと競合していることを示している。
実生活におけるユースケースは、データ永続性を保証することに焦点を当てた分散アプリケーションプロバイダの実現可能性と実用性を検証する。
関連論文リスト
- FEDLAD: Federated Evaluation of Deep Leakage Attacks and Defenses [50.921333548391345]
フェデレーテッド・ラーニング(Federated Learning)は、分散型機械学習パラダイムをプライバシ保護するものだ。
近年の研究では、Deep Leakageと呼ばれる勾配技術によって、民間の真実データを復元できることが判明している。
本稿では、Deep Leakage攻撃と防御を評価するための総合的なベンチマークであるFEDLAD Framework(Federated Evaluation of Deep Leakage Attacks and Defenses)を紹介する。
論文 参考訳（メタデータ） (2024-11-05T11:42:26Z) - FL-DABE-BC: A Privacy-Enhanced, Decentralized Authentication, and Secure Communication for Federated Learning Framework with Decentralized Attribute-Based Encryption and Blockchain for IoT Scenarios [0.0]
本研究は,IoT環境におけるデータプライバシとセキュリティの向上を目的とした,高度な学習(FL)フレームワークを提案する。
我々は、分散属性ベースの暗号化(DABE)、同型暗号化(HE)、セキュアマルチパーティ計算(SMPC)、技術を統合する。
従来のFLとは異なり、当社のフレームワークはIoTデバイス上で、セキュアで分散化された認証と暗号化を可能にする。
論文 参考訳（メタデータ） (2024-10-26T19:30:53Z) - ZK-DPPS: A Zero-Knowledge Decentralised Data Sharing and Processing Middleware [3.2995127573095484]
従来のZKPを必要としないゼロ知識通信を実現するフレームワークであるZK-DPPSを提案する。
プライバシは、計算のためのFHE(Fully Homomorphic Encryption)と鍵再構成のためのSMPC(Secure Multi-Party Computations)を組み合わせることで保持される。
シミュレーションサプライチェーンシナリオによるZK-DPPSの有効性を実証した。
論文 参考訳（メタデータ） (2024-10-21T01:23:37Z) - End-to-End Verifiable Decentralized Federated Learning [1.374949083138427]
ブロックチェーンとゼロ知識証明(ZKP)を組み合わせた検証可能な分散連邦学習(FL)システム
本稿では、データのエンドツーエンドの整合性と信頼性を検証し、データソースに対する検証性を拡張するための検証可能な分散FLシステムを提案する。
論文 参考訳（メタデータ） (2024-04-19T04:43:01Z) - 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) - FileDES: A Secure Scalable and Succinct Decentralized Encrypted Storage Network [30.775493810737192]
分散ストレージネットワーク(DSN)は、従来のクラウドベースのストレージシステムに挑戦する新興技術である。
本稿では,プライバシ保護,拡張性のあるストレージ証明,バッチ検証という,3つの重要な要素を取り入れたFileDESを提案する。
我々のプロトコルは、証明生成/検証効率、ストレージコスト、スケーラビリティにおいて他よりも優れています。
論文 参考訳（メタデータ） (2024-03-22T06:41:30Z) - 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) - UFed-GAN: A Secure Federated Learning Framework with Constrained
Computation and Unlabeled Data [50.13595312140533]
本稿では,UFed-GAN: Unsupervised Federated Generative Adversarial Networkを提案する。
実験により,プライバシを保ちながら,限られた計算資源とラベルなしデータに対処するUFed-GANの強い可能性を示す。
論文 参考訳（メタデータ） (2023-08-10T22:52:13Z) - Blockchain-empowered Federated Learning for Healthcare Metaverses:
User-centric Incentive Mechanism with Optimal Data Freshness [66.3982155172418]
まず、医療メタバースのための分散型フェデレートラーニング(FL)に基づく、ユーザ中心のプライバシ保護フレームワークを設計する。
次に,情報時代(AoI)を有効データ更新度指標として利用し,観測理論(PT)に基づくAoIベースの契約理論モデルを提案し,センシングデータ共有の動機付けを行う。
論文 参考訳（メタデータ） (2023-07-29T12:54:03Z) - Deploying ZKP Frameworks with Real-World Data: Challenges and Proposed
Solutions [0.5584060970507506]
本稿では,一般文のゼロ知識証明を設計,展開するためのエンドツーエンドフレームワークであるFact Fortressを紹介する。
当社のソリューションでは,データプロファイランスと監査可能なデータアクセスポリシの証明を活用して,機密データの扱いの信頼性を確保する。
論文 参考訳（メタデータ） (2023-07-12T18:53:42Z) - 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)
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。