Fugu-MT 論文翻訳(概要): Obelia: Scaling DAG-Based Blockchains to Hundreds of Validators

論文の概要: Obelia: Scaling DAG-Based Blockchains to Hundreds of Validators

arxiv url: http://arxiv.org/abs/2410.08701v1
Date: Fri, 11 Oct 2024 10:42:10 GMT
ステータス: 処理完了
システム内更新日: 2024-10-30 22:25:15.604888
Title: Obelia: Scaling DAG-Based Blockchains to Hundreds of Validators
Title（参考訳）: Obelia: DAGベースのブロックチェーンを数百のバリデータにスケールアップ
Authors: George Danezis, Lefteris Kokoris-Kogias, Alberto Sonnino, Mingwei Tian,
Abstract要約: ObeliaはDAGベースのコンセンサスプロトコルを改良し、エビデンス・オブ・テイクシステムで使用される。我々はObeliaがオリジナルのプロトコルに比べて可視的オーバーヘッドを導入していないことを示す。
参考スコア（独自算出の注目度）: 4.1043122955762
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Obelia improves upon structured DAG-based consensus protocols used in proof-of-stake systems, allowing them to effectively scale to accommodate hundreds of validators. Obelia implements a two-tier validator system. A core group of high-stake validators that propose blocks as in current protocols and a larger group of lower-stake auxiliary validators that occasionally author blocks. Obelia incentivizes auxiliary validators to assist recovering core validators and integrates seamlessly with existing protocols. We show that Obelia does not introduce visible overhead compared to the original protocol, even when scaling to hundreds of validators, or when a large number of auxiliary validators are unreliable.
Abstract（参考訳）: ObeliaはDAGベースの構造化コンセンサスプロトコルを改善し、数百のバリデータに対応できるように効果的にスケールできる。 Obeliaは2層検証システムを実装している。現在のプロトコルのようにブロックを提案するハイテイクなバリデーターのコアグループと、時折ブロックを作成できるローテイクな補助バリデーターのより大きなグループである。 Obeliaは補助バリデータにインセンティブを与え、コアバリデータのリカバリを支援し、既存のプロトコルとシームレスに統合する。 Obeliaは、数百のバリデータへのスケーリングや、多数の補助バリデータに対する信頼性の低い場合であっても、元のプロトコルと比較して可視的オーバーヘッドを発生させないことを示す。

関連論文リスト

EVeCA: Efficient and Verifiable On-Chain Data Query Framework Using Challenge-Based Authentication [14.92737321266529]
本稿では,効率的なオンチェーンデータクエリフレームワークEVeCAを提案する。限られた数のノードに委譲することで、完全なノードをADS保守のタスクから解放します。当社のフレームワークは,オンチェーンADS保守の必要性を効果的に排除し,全ノードがADS保守に費用対効果で参加できるようにする。
論文参考訳（メタデータ） (2024-10-31T01:13:55Z)
Crafting Distribution Shifts for Validation and Training in Single Source Domain Generalization [9.323285246024518]
単一ソースドメインの一般化は、ソースドメインのモデルを学習し、未確認のターゲットドメインにデプロイしようとする。トレーニング分布に対する検証の標準的な実践は、モデルの一般化能力を正確に反映していない。我々は、拡張の包括的リストでソースドメインイメージを変換することで、独立した検証セットを構築する。
論文参考訳（メタデータ） (2024-09-29T20:52:50Z)
Redactable Signature Schemes and Zero-knowledge Proofs: A comparative examination for applications in Decentralized Digital Identity Systems [8.501327327617313]
Redactable Signature SchemesとZero-Knowledge Proofsは、プライバシを実現するために、根本的に異なる2つのアプローチである。本稿では,分散IDシステムに適用した場合のメリットと欠点について分析する。
論文参考訳（メタデータ） (2023-10-24T15:30:33Z)
Better Practices for Domain Adaptation [62.70267990659201]
ドメイン適応(DA)は、ラベルを使わずに、モデルを配置データに適用するためのフレームワークを提供することを目的としている。 DAの明確な検証プロトコルは、文献の悪い実践につながっている。ドメイン適応手法の3つの分野にまたがる課題を示す。
論文参考訳（メタデータ） (2023-09-07T17:44:18Z)
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)
FedSOV: Federated Model Secure Ownership Verification with Unforgeable Signature [60.99054146321459]
フェデレートラーニングにより、複数のパーティがプライベートデータを公開せずにグローバルモデルを学ぶことができる。本稿では,FedSOVという暗号署名に基づくフェデレート学習モデルのオーナシップ検証手法を提案する。
論文参考訳（メタデータ） (2023-05-10T12:10:02Z)
Three New Validators and a Large-Scale Benchmark Ranking for Unsupervised Domain Adaptation [37.03614011735927]
教師なしドメイン適応(UDA)のための3つの新しいバリデータを提案する。私たちは、1000,000のチェックポイントの大規模なデータセットで、他の5つのバリデータと比較し、ランク付けします。提案するバリデータのうち2つは,様々な環境で最先端の性能を実現する。
論文参考訳（メタデータ） (2022-08-15T17:55:26Z)
Improved Certified Defenses against Data Poisoning with (Deterministic) Finite Aggregation [122.83280749890078]
本報告では, 一般中毒に対する予防的対策として, フィニット・アグリゲーション(Finite Aggregation)を提案する。トレーニングセットを直接非結合部分集合に分割するDPAとは対照的に、我々の方法はまず、トレーニングセットをより小さな非結合部分集合に分割する。我々は、決定論的および集約的認証された防御設計をブリッジして、我々の方法の代替的な見解を提供する。
論文参考訳（メタデータ） (2022-02-05T20:08:58Z)
Tune it the Right Way: Unsupervised Validation of Domain Adaptation via Soft Neighborhood Density [125.64297244986552]
本稿では,点間の類似度分布のエントロピーを計算し,ソフト近傍の密度を測定する教師なし検証基準を提案する。私たちの基準は、競合する検証方法よりもシンプルですが、より効果的です。
論文参考訳（メタデータ） (2021-08-24T17:41:45Z)
Probabilistic Ranking-Aware Ensembles for Enhanced Object Detections [50.096540945099704]
本稿では,検知器から箱を囲むことの信頼性を向上するPRAE(Probabilistic Ranking Aware Ensemble)という新しいアンサンブルを提案する。また,異なる数の箱を扱う必要性によって生じる信頼の不均衡問題に対処するためのbanditアプローチも導入する。
論文参考訳（メタデータ） (2021-05-07T09:37:06Z)
Box Re-Ranking: Unsupervised False Positive Suppression for Domain Adaptive Pedestrian Detection [70.25977409196449]
偽陽性は、ドメイン適応型歩行者検出において、ドメインシフトによって引き起こされる最も深刻な問題の1つである。我々は偽陽性抑圧問題をエレガントにボックス再ランク問題に変換する。正の正の差分検出を継続することを目的として,ボックス数アライメントを提案する。
論文参考訳（メタデータ） (2021-02-01T02:31:11Z)

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。