論文の概要: On-chain Validation of Tracking Data Messages (TDM) Using Distributed Deep Learning on a Proof of Stake (PoS) Blockchain
- arxiv url: http://arxiv.org/abs/2409.01614v1
- Date: Tue, 3 Sep 2024 05:30:52 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-06 02:43:06.889961
- Title: On-chain Validation of Tracking Data Messages (TDM) Using Distributed Deep Learning on a Proof of Stake (PoS) Blockchain
- Title（参考訳）: PoSブロックチェーンを用いた分散ディープラーニングを用いた追跡データメッセージ(TDM)のオンチェーン検証
- Authors: Yasir Latif, Anirban Chowdhury, Samya Bagchi,
- Abstract要約: 宇宙状況認識(SSA)にとってRSO(Resident Space Objects)の信頼できない追跡は不可欠である
現在の慣行では、送信側に対する完全な信頼を前提としており、SSAの能力は敵の行動に弱いままである。
この研究は、ブロックチェーン上のディープラーニングを使用して、TDM検証と検証のための信頼性のないメカニズムを導入している。
- 参考スコア（独自算出の注目度）: 5.823419560118131
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Trustless tracking of Resident Space Objects (RSOs) is crucial for Space Situational Awareness (SSA), especially during adverse situations. The importance of transparent SSA cannot be overstated, as it is vital for ensuring space safety and security. In an era where RSO location information can be easily manipulated, the risk of RSOs being used as weapons is a growing concern. The Tracking Data Message (TDM) is a standardized format for broadcasting RSO observations. However, the varying quality of observations from diverse sensors poses challenges to SSA reliability. While many countries operate space assets, relatively few have SSA capabilities, making it crucial to ensure the accuracy and reliability of the data. Current practices assume complete trust in the transmitting party, leaving SSA capabilities vulnerable to adversarial actions such as spoofing TDMs. This work introduces a trustless mechanism for TDM validation and verification using deep learning over blockchain. By leveraging the trustless nature of blockchain, our approach eliminates the need for a central authority, establishing consensus-based truth. We propose a state-of-the-art, transformer-based orbit propagator that outperforms traditional methods like SGP4, enabling cross-validation of multiple observations for a single RSO. This deep learning-based transformer model can be distributed over a blockchain, allowing interested parties to host a node that contains a part of the distributed deep learning model. Our system comprises decentralised observers and validators within a Proof of Stake (PoS) blockchain. Observers contribute TDM data along with a stake to ensure honesty, while validators run the propagation and validation algorithms. The system rewards observers for contributing verified TDMs and penalizes those submitting unverifiable data.
- Abstract（参考訳）: 居住空間オブジェクト(RSOs)の信頼できない追跡は、宇宙状況認識(SSA)、特に悪い状況下では不可欠である。
宇宙の安全と安全を確保するため、透明なSSAの重要性は過大評価できない。
RSO位置情報の操作が容易な時代には、武器として使用されるRSOのリスクが高まる。
Tracking Data Message (TDM) は、RSO観測を放送するための標準化されたフォーマットである。
しかし、多様なセンサーから観測される様々な品質は、SSAの信頼性に課題をもたらす。
多くの国が宇宙資産を運用しているが、SSAの能力は比較的少ないため、データの正確性と信頼性を確保することが重要である。
現在の慣行では、送信側に対する完全な信頼を前提としており、SSAの能力はTDMの偽造のような敵の行動に弱いままである。
この研究は、ブロックチェーン上のディープラーニングを使用して、TDM検証と検証のための信頼性のないメカニズムを導入している。
ブロックチェーンの信頼性のない性質を活用することで、私たちのアプローチは中央の権威の必要性を排除し、コンセンサスベースの真実を確立します。
我々は、SGP4のような従来の手法よりも優れた、最先端のトランスフォーマーベースの軌道プロパゲータを提案し、単一のRSOに対する複数の観測の相互検証を可能にした。
このディープラーニングベースのトランスフォーマーモデルはブロックチェーン上に分散することが可能で、関係者が分散ディープラーニングモデルの一部を含むノードをホストすることができる。
当社のシステムは,PoS(Proof of Stake)ブロックチェーン内の分散オブザーバとバリデータで構成される。
オブザーバがTDMデータをコントリビュートして、誠実さを保証する一方で、バリデータが伝搬とバリデーションのアルゴリズムを実行する。
このシステムは、検証済みのTDMに貢献し、検証不能なデータを提出した者に罰を与える。
関連論文リスト
- Fuzzychain: An Equitable Consensus Mechanism for Blockchain Networks [12.433289572707212]
Fuzzychainは、PoS(Proof of Stake)の欠点に対する解決策として提案されている。
ファイトセマンティクスを定義するためにファジィセットを導入し、分散化された分散処理制御を促進する。
以上の結果から,Fuzzychainは機能的にPoSに適合するだけでなく,バリデータ間の利害関係の公平な分布も確保できることがわかった。
論文 参考訳（メタデータ） (2024-04-20T10:01:40Z) - 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) - MRL-PoS: A Multi-agent Reinforcement Learning based Proof of Stake Consensus Algorithm for Blockchain [0.18641315013048293]
本稿では,マルチエージェント強化学習に基づくProof-of-StakeコンセンサスアルゴリズムであるMRL-PoSを紹介する。
悪意のあるノードを排除し、正直なノードにインセンティブを与える、報酬と罰則の仕組みが組み込まれている。
論文 参考訳（メタデータ） (2023-12-14T16:58:18Z) - Analyzing Geospatial Distribution in Blockchains [15.432313954857106]
ブロックチェーンの分散化は、しばしば見過ごされるが、定量化可能な次元である、トランザクション処理の地理空間分布を分析します。
マイノリティ検証者はパフォーマンス要件を満たしない傾向があり、しばしばクラッシュの失敗と誤解される。
我々はコンセンサスプロトコルと容易に統合できるソリューションを開発した。
論文 参考訳（メタデータ） (2023-05-28T16:35:01Z) - A Note on the Blockchain Trilemma for Decentralized Identity: Learning
from Experiments with Hyperledger Indy [0.38073142980732994]
トラストレジストリのコンテキストにおいて、スケーラビリティ、セキュリティ、分散化というブロックチェーンのトリレンマについて検討する。
私たちは、分散IDのためのオープンソースのテクノロジであるHyperledger Indyのケーススタディを作成します。
Hyperledger Indyは、分散IDスキームを支えるのに有用なデータをキャプチャするが、スケーラビリティの制限によるノックオン効果は、セキュリティと分散化の特性に制約を与える可能性がある。
論文 参考訳（メタデータ） (2022-04-12T13:12:49Z) - Blockchain Driven Privacy Preserving Contact Tracing Framework in
Pandemics [8.118795972635452]
接触追跡は、新型コロナウイルスのパンデミックなどのパンデミックに感染するウイルスを抑える効果的な方法である。
ブロックチェーンは、新たな強力な分散技術として、コンタクトトレースプロセスにおけるデータのプライバシとセキュリティを確保するために研究されている。
本稿では,このギャップを埋めるために,軽量で完全なサードパーティ製フリーウェイトかつ完全に分散化されたRSA駆動接触追跡フレームワーク(BDCT)を提案する。
論文 参考訳（メタデータ） (2022-02-18T19:54:16Z) - Secure Distributed Training at Scale [65.7538150168154]
ピアの存在下でのトレーニングには、ビザンティン寛容な特殊な分散トレーニングアルゴリズムが必要である。
本稿では,コミュニケーション効率を重視したセキュアな(ビザンチン耐性)分散トレーニングのための新しいプロトコルを提案する。
論文 参考訳（メタデータ） (2021-06-21T17:00:42Z) - A Principled Approach to Data Valuation for Federated Learning [73.19984041333599]
フェデレートラーニング(FL)は、分散データソース上で機械学習(ML)モデルをトレーニングする一般的なテクニックである。
Shapley value (SV) はデータ値の概念として多くのデシラタを満たすユニークなペイオフスキームを定義する。
本稿では,FL に対応する SV の変種を提案する。
論文 参考訳（メタデータ） (2020-09-14T04:37:54Z) - Rethinking Importance Weighting for Deep Learning under Distribution
Shift [86.52964129830706]
トレーニングデータ分布がテストと異なる分散シフト(DS)では、DSを2つの別々のステップで処理する重要重み付け(IW)が強力なテクニックである。
本稿では、IWを再考し、それが円形依存に苦しむことを理論的に示す。
本稿では、WEとWCを反復し、それらをシームレスに組み合わせたエンドツーエンドの動的IWを提案する。
論文 参考訳（メタデータ） (2020-06-08T15:03:40Z) - Uncertainty Estimation Using a Single Deep Deterministic Neural Network [66.26231423824089]
本稿では,1回のフォワードパスで,テスト時に分布データポイントの発見と拒否が可能な決定論的ディープモデルを訓練する手法を提案する。
我々は,新しい損失関数とセントロイド更新方式を用いて,これらをスケールトレーニングし,ソフトマックスモデルの精度に適合させる。
論文 参考訳（メタデータ） (2020-03-04T12:27:36Z)
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。