論文の概要: AdChain: Decentralized Header Bidding
- arxiv url: http://arxiv.org/abs/2410.16141v1
- Date: Mon, 21 Oct 2024 16:08:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-22 13:15:28.792665
- Title: AdChain: Decentralized Header Bidding
- Title（参考訳）: AdChain: 分散型ヘッダバイディング
- Authors: Behkish Nassirzadeh, Albert Heinle, Stefanos Leonardos, Anwar Hasan, Vijay Ganesh,
- Abstract要約: 本稿では,オンライン広告インプレッションの不一致を検知し,最小化する分散型,分散型,検証可能なソリューションであるAdChainを提案する。
実験では、50万以上の広告データポイントを用いて、98%の精度を達成できるシステムパラメータを特定した。
AdChain上のアクティブノードは、Bitcoinのような主要なブロックチェーンネットワーク上のマイナーに匹敵する利益を生み出すことができる。
- 参考スコア（独自算出の注目度）: 11.0286679945947
- License:
- Abstract: Due to the involvement of multiple intermediaries without trusted parties, lack of proper regulations, and a complicated supply chain, ad impression discrepancy affects online advertising. This issue causes up to $82 billion annual revenue loss for honest parties. The loss can be significantly reduced with a precise and trusted decentralized mechanism. This paper presents AdChain, a decentralized, distributed, and verifiable solution that detects and minimizes online advertisement impression discrepancies. AdChain establishes trust by employing multiple independent agents to receive and record log-level data, along with a consensus protocol to validate each ad data. AdChain is scalable, efficient, and compatible with the current infrastructure. Our experimental evaluation, using over half a million ad data points, identifies system parameters that achieve 98% accuracy, reducing the ad discrepancy rate from 20% to 2%. Our cost analysis shows that active nodes on AdChain can generate profits comparable to miners on major blockchain networks like Bitcoin.
- Abstract（参考訳）: 信頼できる当事者がいない複数の仲介業者の関与、適切な規制の欠如、複雑なサプライチェーンにより、広告インプレッションの不一致はオンライン広告に影響を及ぼす。
この問題は、正直な人たちの年間売上を最大820億ドル減少させる。
この損失は、正確で信頼性の高い分散機構によって著しく低減することができる。
本稿では,オンライン広告インプレッションの不一致を検知し,最小化する分散型,分散型,検証可能なソリューションであるAdChainを提案する。
AdChainは、複数の独立したエージェントを使用してログレベルのデータを受信および記録し、各広告データを検証するためのコンセンサスプロトコルによって信頼を確立する。
AdChainはスケーラブルで効率的で、現在のインフラストラクチャと互換性がある。
実験では、50万以上の広告データポイントを用いて、98%の精度を達成するシステムパラメータを特定し、広告の不一致率を20%から2%に削減した。
当社のコスト分析によると、AdChain上のアクティブノードは、Bitcoinのような主要なブロックチェーンネットワーク上のマイナーに匹敵する利益を得ることができる。
関連論文リスト
- Profitable Manipulations of Cryptographic Self-Selection are Statistically Detectable [4.704825771757308]
本稿では,[CM19]で導入された標準暗号自己選択リーダー選択プロトコルの利益率操作の検出可能性について検討する。
我々は,$alpha frac3-sqrt52の総持分率0.38$のプレイヤーに対して,厳格に利益のある操作はすべて統計的に検出可能であることを示す。
論文 参考訳（メタデータ） (2024-07-24T02:34:01Z) - 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) - How Does Stake Distribution Influence Consensus? Analyzing Blockchain Decentralization [10.679753825744964]
本研究はまず,重み付きコンセンサス機構の分散化指標を定式化する。
重み分布を効果的に再検討するSquare Root Stake Weight (SRSW) モデルを提案する。
この研究は、ブロックチェーンのコンセンサスメカニズムにおける分散化を推進し、より公平で公平なステイクウェイト分布に向けた重要なステップである。
論文 参考訳（メタデータ） (2023-12-21T15:32:20Z) - Cryptocurrency Portfolio Optimization by Neural Networks [81.20955733184398]
本稿では,これらの投資商品を活用するために,ニューラルネットワークに基づく効果的なアルゴリズムを提案する。
シャープ比を最大化するために、各アセットの割り当て重量を時間間隔で出力するディープニューラルネットワークを訓練する。
ネットワークの特定の資産に対するバイアスを規制する新たな損失項を提案し,最小分散戦略に近い割り当て戦略をネットワークに学習させる。
論文 参考訳（メタデータ） (2023-10-02T12:33:28Z) - 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) - Leveraging Machine Learning for Multichain DeFi Fraud Detection [5.213509776274283]
本稿では,最も大きなチェーンを含むさまざまなチェーンから特徴を抽出するフレームワークを提案し,広範囲なデータセットで評価する。
XGBoostやニューラルネットワークなど、さまざまな機械学習手法を使用して、DeFiと対話する不正アカウントの検出を識別した。
本稿では,新しいDeFi関連機能の導入により,評価結果が大幅に改善されることを実証する。
論文 参考訳（メタデータ） (2023-05-17T15:48:21Z) - Unpacking How Decentralized Autonomous Organizations (DAOs) Work in
Practice [54.47385318258732]
分散自律組織(DAO)は、共通のビジョンに向けてエンティティのグループを調整する新しい方法として登場した。
わずか数年で4000以上のDAOが、投資、教育、健康、研究など様々な分野で立ち上げられた。
このような急激な成長と多様性にもかかわらず、実際にどのように機能し、その目標を達成するのにどの程度効果があるのかは不明だ。
論文 参考訳（メタデータ） (2023-04-17T01:30:03Z) - Identifying Influential Brokers on Social Media from Social Network
Structure [2.411299055446423]
本稿では,あるソーシャルネットワークから影響力のあるブローカーを識別する方法を検討する。
我々は, インフルエンシブ・ブローカーと, インフルエンシブ・ソース・スプレッダー, 中央ノードを比較した。
また、集中度対策やノード埋め込みから影響力のあるブローカーを識別する問題にも取り組みます。
論文 参考訳（メタデータ） (2022-08-01T06:27:24Z) - Byzantine-Robust Online and Offline Distributed Reinforcement Learning [60.970950468309056]
本稿では,複数のエージェントが環境を探索し,その経験を中央サーバを通じて伝達する分散強化学習環境について考察する。
エージェントの$alpha$-fractionは敵対的であり、任意の偽情報を報告することができる。
我々は、これらの対立エージェントの存在下で、マルコフ決定プロセスの根底にある準最適政策を特定することを模索する。
論文 参考訳（メタデータ） (2022-06-01T00:44:53Z) - Data Sharing Markets [95.13209326119153]
我々は、各エージェントがデータの買い手および売り手の両方になり得る設定について検討する。
両データ交換(データ付きトレーディングデータ)と一方データ交換(お金付きトレーディングデータ)の2つの事例を考察する。
論文 参考訳（メタデータ） (2021-07-19T06:00:34Z) - Byzantine-resilient Decentralized Stochastic Gradient Descent [85.15773446094576]
分散学習システムのビザンチンレジリエンスに関する詳細な研究について述べる。
ビザンチンフォールトトレランスを用いた分散学習を支援する新しいアルゴリズムUBARを提案する。
論文 参考訳（メタデータ） (2020-02-20T05:11:04Z)
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。