論文の概要: SEMSO: A Secure and Efficient Multi-Data Source Blockchain Oracle
- arxiv url: http://arxiv.org/abs/2410.12540v1
- Date: Wed, 16 Oct 2024 13:20:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-17 13:40:31.843865
- Title: SEMSO: A Secure and Efficient Multi-Data Source Blockchain Oracle
- Title（参考訳）: SEMSO: セキュアで効率的なマルチデータソースブロックチェーンOracle
- Authors: Youquan Xian, Xueying Zeng, Chunpei Li, Peng Wang, Dongcheng Li, Peng Liu, Xianxian Li,
- Abstract要約: 現在のMDSオラクル方式では、データの信頼性を保証するため、ノードは複数のデータソースから冗長にデータを取得する必要がある。
本稿では,データソースの多様性と信頼性を低コストで保証する,新たなオフチェーンデータアグリゲーションプロトコルTBLSを提案する。
セキュリティ分析は提案手法の信頼性を検証し、同じ環境条件下ではSEMSOがデータの多様性を考慮し、応答時間を23.5%削減することを示した。
- 参考スコア（独自算出の注目度）: 7.351776973215221
- License:
- Abstract: In recent years, blockchain oracle, as the key link between blockchain and real-world data interaction, has greatly expanded the application scope of blockchain. In particular, the emergence of the Multi-Data Source (MDS) oracle has greatly improved the reliability of the oracle in the case of untrustworthy data sources. However, the current MDS oracle scheme requires nodes to obtain data redundantly from multiple data sources to guarantee data reliability, which greatly increases the resource overhead and response time of the system. Therefore, in this paper, we propose a Secure and Efficient Multi-data Source Oracle framework (SEMSO), which nodes only need to access one data source to ensure the reliability of final data. First, we design a new off-chain data aggregation protocol TBLS, to guarantee data source diversity and reliability at low cost. Second, according to the rational man assumption, the data source selection task of nodes is modeled and solved based on the Bayesian game under incomplete information to maximize the node's revenue while improving the success rate of TBLS aggregation and system response speed. Security analysis verifies the reliability of the proposed scheme, and experiments show that under the same environmental assumptions, SEMSO takes into account data diversity while reducing the response time by 23.5\%.
- Abstract（参考訳）: 近年、ブロックチェーンと実世界のデータインタラクションの鍵となるブロックチェーンのオラクルは、ブロックチェーンのアプリケーション範囲を大きく広げています。
特に、MDS(Multi-Data Source)オラクルの出現は、信頼できないデータソースの場合のオラクルの信頼性を大幅に向上させた。
しかし、現在のMDSオラクル方式では、データの信頼性を保証するために複数のデータソースから冗長にデータを取得する必要があるため、システムのリソースオーバーヘッドと応答時間が大幅に増加する。
そこで本稿では,ノードが1つのデータソースにのみアクセスして最終データの信頼性を確保する,セキュアで効率的なマルチデータソースOracleフレームワーク(SEMSO)を提案する。
まず、データソースの多様性と信頼性を低コストで保証するために、新しいオフチェーンデータアグリゲーションプロトコルTBLSを設計する。
第2に、合理的マン仮定により、ノードのデータソース選択タスクを不完全な情報の下でベイズゲームに基づいてモデル化、解決し、TBLSアグリゲーションの成功率とシステム応答速度を改善しながら、ノードの収益を最大化する。
セキュリティ分析により提案手法の信頼性が検証され,SEMSOは同一の環境条件下ではデータの多様性を考慮し,応答時間を23.5\%削減することを示した。
関連論文リスト
- Retrieval-Augmented Generation with Estimation of Source Reliability [15.69681944254975]
Reliability-Aware RAG (RA-RAG) は複数のソースの信頼性を推定し、この情報を検索プロセスと集約プロセスの両方に組み込む。
異質なソース信頼性を持つ実世界のシナリオを反映したベンチマークを導入する。
論文 参考訳（メタデータ） (2024-10-30T12:09:29Z) - Robust Utility-Preserving Text Anonymization Based on Large Language Models [80.5266278002083]
テキストの匿名化は、プライバシーを維持しながら機密データを共有するために重要である。
既存の技術は、大規模言語モデルの再識別攻撃能力の新たな課題に直面している。
本稿では,3つのLCMベースコンポーネント – プライバシ評価器,ユーティリティ評価器,最適化コンポーネント – で構成されるフレームワークを提案する。
論文 参考訳（メタデータ） (2024-07-16T14:28:56Z) - DesTest: A Decentralised Testing Architecture for Improving Data Accuracy of Blockchain Oracle [5.64560868386402]
データ精度の向上を目的とした,新たな分散テストアーキテクチャ(DesTest)を導入する。
ノードの監視と検証を強化するために、ブロックチェーンオラクルランダムシークレットテストメカニズムが最初に提案されている。
得られたデータの離散エントロピー値を61.4%削減した。
論文 参考訳（メタデータ） (2024-04-21T05:10:17Z) - A Trustworthy and Consistent Blockchain Oracle Scheme for Industrial Internet of Things [7.430160508879777]
本稿では,高品質なオフチェーンデータが得られるセキュアで信頼性の高いオラクル方式を提案する。
具体的には、まず、検証ランダム関数(VRF)と評価機構に基づくオラクルノード選択アルゴリズムを設計する。
次に、スライディングウィンドウに基づくデータフィルタリングアルゴリズムを提案し、収集したデータの一貫性をさらに向上する。
論文 参考訳（メタデータ） (2023-10-08T02:44:29Z) - FedSkip: Combatting Statistical Heterogeneity with Federated Skip
Aggregation [95.85026305874824]
我々はFedSkipと呼ばれるデータ駆動型アプローチを導入し、フェデレーション平均化を定期的にスキップし、ローカルモデルをクロスデバイスに分散することで、クライアントの最適化を改善する。
我々は、FedSkipがはるかに高い精度、より良いアグリゲーション効率、競合する通信効率を達成することを示すために、さまざまなデータセットに関する広範な実験を行う。
論文 参考訳（メタデータ） (2022-12-14T13:57:01Z) - Scalable Neural Data Server: A Data Recommender for Transfer Learning [70.06289658553675]
転送学習は、下流のパフォーマンスを改善するために追加データを活用する一般的な戦略である。
Nerve Data Server (NDS)は、特定の下流タスクに関連するデータを推奨する検索エンジンで、この問題に対処するためにこれまで提案されていた。
NDSは、データソースでトレーニングされた専門家の混合物を使用して、各ソースと下流タスクの類似性を推定する。
SNDSは、中間データセットに近接して、データソースと下流タスクの両方を表現します。
論文 参考訳（メタデータ） (2022-06-19T12:07:32Z) - FedADMM: A Robust Federated Deep Learning Framework with Adaptivity to
System Heterogeneity [4.2059108111562935]
Federated Learning(FL)は、エッジデバイスによる大規模データの分散処理のための新興フレームワークである。
本稿では,FLAD FedADMMに基づく新しいプロトコルを提案する。
我々は,FedADMMが通信効率の点で,すべてのベースライン手法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） (2022-04-07T15:58:33Z) - Deep Transfer Learning for Multi-source Entity Linkage via Domain
Adaptation [63.24594955429465]
マルチソースエンティティリンクは、データのクリーニングやユーザ縫合といった、高インパクトなアプリケーションにおいて重要である。
AdaMELは、多ソースエンティティリンクを実行するための一般的なハイレベルな知識を学ぶディープトランスファー学習フレームワークである。
本フレームワークは,教師付き学習に基づく平均的手法よりも8.21%向上した最先端の学習結果を実現する。
論文 参考訳（メタデータ） (2021-10-27T15:20:41Z) - Multi-modal AsynDGAN: Learn From Distributed Medical Image Data without
Sharing Private Information [55.866673486753115]
プライバシーとセキュリティを守るために拡張可能で弾力性のある学習フレームワークを提案します。
提案するフレームワークは分散Asynchronized Discriminator Generative Adrial Networks (AsynDGAN) である。
論文 参考訳（メタデータ） (2020-12-15T20:41:24Z) - Communication-Computation Efficient Secure Aggregation for Federated
Learning [23.924656276456503]
フェデレーションラーニングは、ノードがデータを共有せずに、複数のノードに分散したデータを使用してニューラルネットワークを訓練する方法です。
セキュアアグリゲーションプリミティブに基づく最近のソリューションでは,プライバシ保護型のフェデレーション学習が可能だったが,通信/計算リソースが大幅に増加した。
通信・計算資源の量を大幅に削減する通信・計算効率のよいセキュアアグリゲーションを提案する。
論文 参考訳（メタデータ） (2020-12-10T03:17:50Z) - 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)
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。