論文の概要: A Full-History Network Dataset for BTC Asset Decentralization Profiling
- arxiv url: http://arxiv.org/abs/2411.13603v1
- Date: Tue, 19 Nov 2024 10:55:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-22 15:18:24.901042
- Title: A Full-History Network Dataset for BTC Asset Decentralization Profiling
- Title（参考訳）: BTCアセット分散化プロファイリングのためのフルヒストリーネットワークデータセット
- Authors: Ling Cheng, Qian Shao, Fengzhu Zeng, Feida Zhu,
- Abstract要約: まず、フルヒストリーBTCグラフとネットワークプロパティデータセットの可用性における大きなギャップについて論じる。
次に、BTCの資産分散をプロファイル化し、いくつかの分散度を設計するための最初の体系的な調査を示す。
我々の発見は、Bitcoinのトランザクションダイナミクスと分散化の研究を進める上で、包括的なデータセットと分析の重要性を示している。
- 参考スコア（独自算出の注目度）: 8.784801170953932
- License:
- Abstract: Since its advent in 2009, Bitcoin (BTC) has garnered increasing attention from both academia and industry. However, due to the massive transaction volume, no systematic study has quantitatively measured the asset decentralization degree specifically from a network perspective. In this paper, by conducting a thorough analysis of the BTC transaction network, we first address the significant gap in the availability of full-history BTC graph and network property dataset, which spans over 15 years from the genesis block (1st March, 2009) to the 845651-th block (29, May 2024). We then present the first systematic investigation to profile BTC's asset decentralization and design several decentralization degrees for quantification. Through extensive experiments, we emphasize the significant role of network properties and our network-based decentralization degree in enhancing Bitcoin analysis. Our findings demonstrate the importance of our comprehensive dataset and analysis in advancing research on Bitcoin's transaction dynamics and decentralization, providing valuable insights into the network's structure and its implications.
- Abstract（参考訳）: 2009年の登場以来、Bitcoin(BTC)は学界と業界の両方から注目を集めてきた。
しかし、大規模な取引量のため、ネットワークの観点から資産分散度を定量的に測定する体系的な研究は行われていない。
本稿では,BTCトランザクションネットワークを網羅的に解析することにより,2009年3月1日)から第845651ブロック(2024年5月29日)までの15年以上にわたる,フルヒストリーBTCグラフとネットワークプロパティデータセットの可用性の重大なギャップに対処する。
次に、BTCの資産分散をプロファイル化し、定量化のためのいくつかの分散度を設計するための最初の体系的な調査を示す。
広範な実験を通じて、Bitcoin分析の強化におけるネットワーク特性とネットワークベースの分散度の重要性を強調した。
我々の発見は、Bitcoinのトランザクションダイナミクスと分散化の研究を進める上で、包括的なデータセットと分析の重要性を示し、ネットワークの構造とその意味に関する貴重な洞察を提供する。
関連論文リスト
- XDC Network Assessment: Decentralization, Scalability and Security [0.0]
2019年にXinFinは、エンタープライズ対応のハイブリッドブロックチェーンプラットホームXDCネットワークを発表した。
XDCネットワークの概観は、XDCネットワークの成長、強化、導入を促進するために設立された非営利組織であるXDC Foundationである。
論文 参考訳（メタデータ） (2024-08-05T09:01:43Z) - 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) - Analyzing Reward Dynamics and Decentralization in Ethereum 2.0: An
Advanced Data Engineering Workflow and Comprehensive Datasets for
Proof-of-Stake Incentives [5.18461573800406]
スマートコントラクトブロックチェーンプラットフォームであるProof-of-Stake 2.0は、サードパーティの介入なしにアプリケーションの正確な実行を保証する。
本研究では,Beacon 連鎖からコンセンサス報酬データを収集し,報酬分布と進化の包括的解析を行う。
PoSの分散度を評価するために、シャノンエントロピー、ジーニ指数、中本係数、ヘルフィンダール・ヒルシュマン指数(HHI)などの不等式指標を適用した。
論文 参考訳（メタデータ） (2024-02-17T02:40:00Z) - Centralised or Decentralised? Data Analysis of Transaction Network of Hedera Hashgraph [0.12289361708127873]
本研究は,Hedera Hashgraphの分散化の度合いを初めてデータ駆動分析することによって,現在の文献を拡大する。
その結果、リリーススケジュールや日々のアクティブアカウントの増加に比べて、リリースの供給量がかなり多くなっていることが分かる。
ヘデラ・ハシュグラフは富の高度集中と、ネットワークの他の部分の仲介役として機能する縮小コアを誇示している。
論文 参考訳（メタデータ） (2023-11-12T14:52:32Z) - Data Depth and Core-based Trend Detection on Blockchain Transaction Networks [9.07520594836878]
ブロックチェーンネットワーク内のマーケットマニピュレータを検出する手法として,InnerCoreを提案する。
これはデータ深度に基づくコア分解と中心的なモチーフ発見によって実現される。
人間の関与なしに、インナーコアが正確な解析値に一致できることが示される。
論文 参考訳（メタデータ） (2023-03-24T19:05:09Z) - BiBench: Benchmarking and Analyzing Network Binarization [72.59760752906757]
ネットワークバイナライゼーションは、異常な計算とメモリ節約を提供する最も有望な圧縮手法の1つとして出現する。
精度劣化や効率制限といった双項化の一般的な課題は、その属性が完全には理解されていないことを示唆している。
ネットワークバイナライゼーションのための深度解析を用いた厳密に設計されたベンチマークであるBiBenchを提案する。
論文 参考訳（メタデータ） (2023-01-26T17:17:16Z) - Does Decentralized Learning with Non-IID Unlabeled Data Benefit from
Self Supervision? [51.00034621304361]
自己教師型学習(SSL)のレンズによるラベルなしデータによる分散学習の研究
本研究では,分散学習環境下でのコントラスト学習アルゴリズムの有効性について検討する。
論文 参考訳（メタデータ） (2022-10-20T01:32:41Z) - Consensus Control for Decentralized Deep Learning [72.50487751271069]
ディープラーニングモデルの分散トレーニングは、ネットワーク上のデバイス上での学習と、大規模計算クラスタへの効率的なスケーリングを可能にする。
理論上、トレーニングコンセンサス距離が重要な量よりも低い場合、分散化されたトレーニングは集中的なトレーニングよりも早く収束することを示す。
私たちの経験的な洞察は、パフォーマンス低下を軽減するために、より分散化されたトレーニングスキームの原則設計を可能にします。
論文 参考訳（メタデータ） (2021-02-09T13:58:33Z) - Taxonomy of Centralization in Public Blockchain Systems: A Systematic
Literature Review [2.1315215140430683]
Bitcoinは、一部の人からそのシステムに参加した人まで、金融システムの制御を委譲した。
この代表団は権力の分散化として知られ、生態系の強力なセキュリティメカニズムである。
近年の研究では、Bitcoinやガバナンスといった暗号通貨の中央集権化の傾向が観察されている。
論文 参考訳（メタデータ） (2020-09-26T08:58:48Z) - Quantized Decentralized Stochastic Learning over Directed Graphs [52.94011236627326]
有向グラフ上で通信する計算ノード間でデータポイントが分散される分散学習問題を考える。
モデルのサイズが大きくなるにつれて、分散学習は、各ノードが隣人にメッセージ(モデル更新)を送信することによる通信負荷の大きなボトルネックに直面します。
本稿では,分散コンセンサス最適化におけるプッシュサムアルゴリズムに基づく有向グラフ上の量子化分散学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-02-23T18:25:39Z)
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。