論文の概要: Partially Synchronous BFT Consensus Made Practical in Wireless Networks
- arxiv url: http://arxiv.org/abs/2412.05512v1
- Date: Sat, 07 Dec 2024 02:55:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-10 14:52:08.439897
- Title: Partially Synchronous BFT Consensus Made Practical in Wireless Networks
- Title（参考訳）: 無線ネットワークで実用化された部分同期BFTコンセンサス
- Authors: Shuo Liu, Minghui Xu, Yuezhou Zheng, Yifei Zou, Wangjie Qiu, Gang Qu, Xiuzhen Cheng,
- Abstract要約: 我々は,信頼度の高い1-to-N,N-to-1,N-to-N通信をサポートするReduceeCatchと呼ばれる無線通信プロトコルを提案する。
我々はReduceeCatchを用いて、有線からアドホック無線ネットワークへのシームレスな適応のために、3つの部分同期BFTコンセンサスプロトコルを調整する。
- 参考スコア（独自算出の注目度）: 16.93000315171509
- License:
- Abstract: Consensus is becoming increasingly important in wireless networks. Partially synchronous BFT consensus, a significant branch of consensus, has made considerable progress in wired networks. However, its implementation in wireless networks, especially in dynamic ad hoc wireless networks, remains challenging. Existing wireless synchronous consensus protocols, despite being well-developed, are not readily adaptable to partially synchronous settings. Additionally, reliable communication, a cornerstone of BFT consensus, can lead to high message and time complexity in wireless networks. To address these challenges, we propose a wireless communication protocol called ReduceCatch (Reduce and Catch) that supports reliable 1-to-N, N-to-1, and N-to-N communications. We employ ReduceCatch to tailor three partially synchronous BFT consensus protocols (PBFT, Tendermint, and HotStuff) for seamless adaptation from wired to ad hoc wireless networks. To evaluate the performance of the ReduceCatch-enabled consensus protocols, we develop a three-layer wireless consensus testbed, based on which we implement 20 distinct consensus protocols and measure their latency and throughput. The experimental results demonstrate the superiority of the ReduceCatch-based consensus protocol in terms of latency and throughput.
- Abstract（参考訳）: 無線ネットワークではコンセンサスがますます重要になっている。
部分的に同期的なBFTコンセンサス(コンセンサスの一分野)は、有線ネットワークにおいてかなりの進歩を遂げている。
しかし、無線ネットワーク、特に動的アドホック無線ネットワークにおける実装は依然として困難である。
既存の無線同期コンセンサスプロトコルは、十分に開発されているにもかかわらず、部分的に同期された設定に容易に適応できない。
さらに、信頼性の高い通信は、BFTコンセンサスの基礎であり、無線ネットワークにおいて高いメッセージと時間の複雑さをもたらす可能性がある。
これらの課題に対処するために,信頼度の高い1-to-N,N-to-1,N-to-N通信をサポートするReduceeCatch(Reduce and Catch)と呼ばれる無線通信プロトコルを提案する。
我々は、有線からアドホックな無線ネットワークへのシームレスな適応のために、ReduceeCatchを使用して、3つの部分同期BFTコンセンサスプロトコル(PBFT、Tendermint、HotStuff)を調整する。
そこで我々は,ReduceCatch対応コンセンサスプロトコルの性能を評価するために,20の異なるコンセンサスプロトコルを実装し,そのレイテンシとスループットを計測する3層無線コンセンサステストベッドを開発した。
実験結果は、遅延とスループットの観点から、ReduceeCatchベースのコンセンサスプロトコルが優れていることを示す。
関連論文リスト
- Communication-Efficient Federated Learning by Quantized Variance Reduction for Heterogeneous Wireless Edge Networks [55.467288506826755]
フェデレーテッド・ラーニング(FL)は、無線エッジネットワークにおけるローカル・プライバシ・アウェア・コラボレーティブ・モデルトレーニングの有効なソリューションとして認識されている。
既存の通信効率の高いFLアルゴリズムは、デバイス間の大きなばらつきを低減できない。
本稿では,高度分散還元方式に依存する新しい通信効率FLアルゴリズムであるFedQVRを提案する。
論文 参考訳（メタデータ） (2025-01-20T04:26:21Z) - TetraBFT: Reducing Latency of Unauthenticated, Responsive BFT Consensus [1.6364535330823093]
TetraBFTは、部分同期でコンセンサスを解決するためのビザンチンのフォールトトレラントプロトコルである。
厳密なセキュリティ分析と形式的検証により,TetraBFTの正当性を検証した。
我々はTetraBFTをマルチショット連鎖コンセンサスプロトコルに拡張する。
論文 参考訳（メタデータ） (2024-05-04T08:54:42Z) - Banyan: Fast Rotating Leader BFT [20.52947785138998]
Banyanは、単一のラウンドトリップ時間でトランザクションを確認可能な、最初の回転型リーダステートマシンレプリケーションプロトコルである。
本稿では,高速経路におけるブロック終端遅延の最適化を可能にする新しいデュアルモード機構を提案する。
評価の結果,Banyanは最先端プロトコルと比較して,レイテンシを最大30%削減できることがわかった。
論文 参考訳（メタデータ） (2023-12-10T12:32:58Z) - Decentralized Learning over Wireless Networks with Broadcast-Based
Subgraph Sampling [36.99249604183772]
この研究は、コンセンサスに基づく分散降下(D-SGD)を用いた、無線ネットワーク上の分散学習のコミュニケーション面を中心にしている。
ネットワーク内情報交換による実際の通信コストや遅延を考慮すると,送信スロット毎の改善によって測定されたアルゴリズムの高速収束を実現することが目的である。
本稿では,無線ネットワーク上でのD-SGDの効率的な通信フレームワークであるBASSを提案する。
論文 参考訳（メタデータ） (2023-10-24T18:15:52Z) - WiFi-based Spatiotemporal Human Action Perception [53.41825941088989]
SNN(End-to-end WiFi signal Neural Network)は、Wi-Fiのみのセンシングを可能にするために提案されている。
特に、3D畳み込みモジュールはWiFi信号の時間的連続性を探索することができ、特徴自己保持モジュールは支配的な特徴を明示的に維持することができる。
論文 参考訳（メタデータ） (2022-06-20T16:03:45Z) - Deep Learning-Based Synchronization for Uplink NB-IoT [72.86843435313048]
狭帯域モノのインターネット(NB-IoT)における狭帯域物理ランダムアクセスチャネル(NPRACH)のデバイス検出と到着時刻推定のためのニューラルネットワーク(NN)に基づくアルゴリズムを提案する。
導入されたNNアーキテクチャは、残余の畳み込みネットワークと、5Gニューラジオ(5G NR)仕様のプリアンブル構造に関する知識を利用する。
論文 参考訳（メタデータ） (2022-05-22T12:16:43Z) - Asynchronous Decentralized Learning over Unreliable Wireless Networks [4.630093015127539]
分散型学習は、デバイス間通信を通じて情報を交換することで、エッジユーザが協力的にモデルをトレーニングすることを可能にする。
無線ネットワークエッジで発生する固有および通信障害に対して頑健な非同期分散勾配降下(DSGD)アルゴリズムを提案する。
実験結果は,信頼性の低い無線ネットワーク上での分散学習における非同期性と時代遅れな勾配情報の再利用の利点を実証し,我々の分析を裏付けるものである。
論文 参考訳（メタデータ） (2022-02-02T11:00:49Z) - Low-Latency Federated Learning over Wireless Channels with Differential
Privacy [142.5983499872664]
フェデレートラーニング(FL)では、モデルトレーニングはクライアントに分散し、ローカルモデルは中央サーバによって集約される。
本稿では,各クライアントの差分プライバシ(DP)要件だけでなく,全体としてのトレーニング性能に制約された無線チャネル上でのFLトレーニング遅延を最小限に抑えることを目的とする。
論文 参考訳（メタデータ） (2021-06-20T13:51:18Z) - Deep Learning for Radio Resource Allocation with Diverse
Quality-of-Service Requirements in 5G [53.23237216769839]
本研究では,基地局の最適資源配分ポリシーを近似するディープラーニングフレームワークを開発する。
完全接続ニューラルネットワーク(NN)は,近似誤差とサブキャリア数の量子化誤差により,要求を完全に保証できないことがわかった。
無線チャネルの分布と無線ネットワークにおけるサービスのタイプが定常的でないことを考慮し,非定常的無線ネットワークにおけるNNの更新にディープトランスファー学習を適用した。
論文 参考訳（メタデータ） (2020-03-29T04:48:22Z) - Wireless Power Control via Counterfactual Optimization of Graph Neural
Networks [124.89036526192268]
本稿では,無線ネットワークにおけるダウンリンク電力制御の問題点について考察する。
コンカレントトランスミッション間の干渉を軽減するために,ネットワークトポロジを活用してグラフニューラルネットワークアーキテクチャを構築する。
次に、教師なし原始対実対実最適化手法を用いて最適電力配分決定を学習する。
論文 参考訳（メタデータ） (2020-02-17T07:54:39Z)
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。