論文の概要: Neonpool: Reimagining cryptocurrency transaction pools for lightweight clients and IoT devices

• arxiv url: http://arxiv.org/abs/2412.16217v1
• Date: Wed, 18 Dec 2024 03:19:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-24 15:55:24.347759
• Title: Neonpool: Reimagining cryptocurrency transaction pools for lightweight clients and IoT devices
• Title（参考訳）: Neonpool: 軽量クライアントとIoTデバイスのための暗号通貨トランザクションプールの再構築
• Authors: Hina Binte Haq, Tahir Ahmad, Attaullah Buriro, Subhan Ullah,
• Abstract要約: textitNeonpoolは、ブルームフィルタの変種を使った革新的なトランザクションプール最適化であり、トランザクションプールのメモリフットプリントを一部に削減する。 textitNeonpoolは、軽量暗号クライアントや、ブラウザ、システムオンチップ、モバイル、IoTデバイスなどのリソース制限されたデバイスに理想的だ。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The transaction pool plays a critical role in processing and disseminating transactions in cryptocurrency networks. However, increasing transaction loads strain the resources of full node deployments. We present \textit{Neonpool}, an innovative transaction pool optimization using bloom filter variants, which reduces the memory footprint of the transaction pool to a fraction. Implemented in C++ and benchmarked using a unique Bitcoin and Ethereum dataset, our solution verifies and forwards transactions with over 99.99\% accuracy and does not necessitate a hard fork. \textit{Neonpool} is ideally suited for lightweight cryptocurrency clients and for resource-constrained devices such as browsers, systems-on-a-chip, mobile or IoT devices.
• Abstract（参考訳）: トランザクションプールは、暗号通貨ネットワークにおけるトランザクションの処理と分散において重要な役割を果たす。 しかしながら、トランザクション負荷の増加は、完全なノードデプロイメントのリソースを歪ませます。 本稿では,ブルームフィルタの変種を用いた革新的なトランザクションプール最適化である‘textit{Neonpool} を提案し,トランザクションプールのメモリフットプリントをごくわずかに削減する。 C++で実装され、ユニークなBitcoinとEthereumデータセットを使用してベンチマークされた私たちのソリューションは、99.99\%以上の正確さでトランザクションを検証および転送し、ハードフォークを必要としない。 \textit{Neonpool}は、軽量暗号クライアントや、ブラウザ、システムオンチップ、モバイル、IoTデバイスなどのリソース制限されたデバイスに理想的だ。

関連論文リスト

• Generative Blockchain: Transforming Blockchain from Transaction Recording to Transaction Generation through Proof-of-Merit [5.801684954657074]
  生成ブロックチェーンは、トランザクション生成と記録を組み合わせることで、従来のブロックチェーン技術を変革することを目指している。 私たちのデザインの中心は、新しいコンセンサスメカニズムであるProof-of-Merit(PoM)である。 我々は、複雑なトランザクション生成問題を解決するタスクが独立した問題解決者のプールに委譲される、オンデマンドプラットフォーム上でPoMを実証する。
  論文  参考訳（メタデータ） (2024-08-23T20:51:10Z)
• TBDD: A New Trust-based, DRL-driven Framework for Blockchain Sharding in IoT [25.15169926146292]
  シャードブロックチェーンとIoTを統合することで、信頼性の問題と最適化されたデータフローに対するソリューションが提示される。 深層強化学習は動的で複雑なシステムと多次元最適化を十分に扱う。 textscTbDdはノードタイプを認識し、潜在的な脅威に対してターゲットリシャーディングを実行する。
  論文  参考訳（メタデータ） (2024-01-01T01:57:28Z)
• DAG-Sword: A Simulator of Large-Scale Network Topologies for DAG-Oriented Proof-of-Work Blockchains [2.0124254762298794]
  本稿では,DAGに基づくコンセンサスプロトコルに着目し,離散イベントシミュレータを提案する。 我々のシミュレーターは、Bitcoinネットワークのデータから生成された現実的なブロックチェーンネットワークをシミュレートすることができる。 7000ノードの大規模ネットワーク上で得られた結果により,10ノードの小規模ネットワークを含む関連作業の結果を拡張した。
  論文  参考訳（メタデータ） (2023-11-08T12:31:11Z)
• Relay Mining: Incentivizing Full Non-Validating Nodes Servicing All RPC Types [0.0]
  リレーマイニング(Relay Mining)は、クライアントからサーバへのリモートプロシージャコール(RPC)のボリュームを推定し、証明する。 デジタル署名、コミット・アンド・リベラルスキーム、Sparse Merkle Sum Tries (SMSTs)を活用して、作業の量を証明する。 分散台帳上のネイティブ暗号は、アプリケーションを制限するために使われ、過剰使用を非インセンティブ化する。
  論文  参考訳（メタデータ） (2023-05-18T03:23:41Z)
• An Adaptive Device-Edge Co-Inference Framework Based on Soft Actor-Critic [72.35307086274912]
  高次元パラメータモデルと大規模数学的計算は、特にIoT(Internet of Things)デバイスにおける実行効率を制限する。 本稿では,ソフトポリシーの繰り返しによるエフェキシット点,エフェキシット点,エンフェキシット点を生成する離散的(SAC-d)のための新しい深層強化学習(DRL)-ソフトアクタ批判法を提案する。 レイテンシと精度を意識した報酬設計に基づいて、そのような計算は動的無線チャンネルや任意の処理のような複雑な環境によく適応でき、5G URLをサポートすることができる。
  論文  参考訳（メタデータ） (2022-01-09T09:31:50Z)
• AdaPool: Exponential Adaptive Pooling for Information-Retaining Downsampling [82.08631594071656]
  畳み込み層は畳み込みニューラルネットワーク(CNN)の重要な構成要素である 適応的で指数関数的に重み付けされたアダプール法を提案する。 adaPoolは画像やビデオの分類やオブジェクト検出など,さまざまなタスクを通じて,ディテールの保存性の向上を実証する。
  論文  参考訳（メタデータ） (2021-11-01T08:50:37Z)
• Quantized Neural Networks via {-1, +1} Encoding Decomposition and Acceleration [83.84684675841167]
  本稿では,量子化されたニューラルネットワーク(QNN)をマルチブランチバイナリネットワークに分解するために,-1,+1を用いた新しい符号化方式を提案する。 本稿では,大規模画像分類,オブジェクト検出,セマンティックセグメンテーションにおける提案手法の有効性を検証する。
  論文  参考訳（メタデータ） (2021-06-18T03:11:15Z)
• Refining activation downsampling with SoftPool [74.1840492087968]
  畳み込みニューラルネットワーク(cnns)は、アクティベーションマップのサイズを減らすためにプールを使用する。 指数重化アクティベーションダウンサンプリングの高速かつ効率的な方法であるSoftPoolを提案します。 SoftPoolは、アクティベーションマップの縮小でより多くの情報を保持できることを示します。
  論文  参考訳（メタデータ） (2021-01-02T12:09:49Z)
• AQD: Towards Accurate Fully-Quantized Object Detection [94.06347866374927]
  本稿では,浮動小数点演算を除去するために,AQDと呼ばれる高精度な量子化オブジェクト検出ソリューションを提案する。 我々のAQDは、非常に低ビットのスキームの下での完全精度と比較して、同等またはそれ以上の性能を実現しています。
  論文  参考訳（メタデータ） (2020-07-14T09:07:29Z)
• Faster Secure Data Mining via Distributed Homomorphic Encryption [108.77460689459247]
  ホモモルフィック暗号化(HE)は、最近、暗号化されたフィールド上で計算を行う能力により、ますます注目を集めている。 本稿では,スケーリング問題の解決に向けて,新しい分散HEベースのデータマイニングフレームワークを提案する。 各種データマイニングアルゴリズムとベンチマークデータセットを用いて,新しいフレームワークの有効性と有効性を検証する。
  論文  参考訳（メタデータ） (2020-06-17T18:14:30Z)
• ARIANN: Low-Interaction Privacy-Preserving Deep Learning via Function Secret Sharing [2.6228228854413356]
  AriaNNは、機密データに対するプライベートニューラルネットワークトレーニングと推論のための、低インタラクションのプライバシ保護フレームワークである。 我々は、ReLU、MaxPool、BatchNormといったニューラルネットワークの構築ブロックのためのプリミティブを設計する。 n-party private federated learning をサポートするための拡張として,当社のフレームワークを実装した。
  論文  参考訳（メタデータ） (2020-06-08T13:40:27Z)

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。