論文の概要: Unraveling Responsiveness of Chained BFT Consensus with Network Delay

• arxiv url: http://arxiv.org/abs/2501.03695v1
• Date: Tue, 07 Jan 2025 10:50:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-08 15:48:48.397600
• Title: Unraveling Responsiveness of Chained BFT Consensus with Network Delay
• Title（参考訳）: ネットワーク遅延を考慮した連鎖型BFTコンセンサスの応答性
• Authors: Yining Tang, Qihang Luo, Runchao Han, Jianyu Niu, Chen Feng, Yinqian Zhang,
• Abstract要約: BFT (Chained Byzantine Fault Tolerant) プロトコルは実用システムにおいてますます採用されている。 本稿では,Markov Decision Processes (MDP) を用いて,3つのチェーンBFTプロトコルの性能をモデル化し,評価する統合フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 22.287511037444265
• License:
• Abstract: With the advancement of blockchain technology, chained Byzantine Fault Tolerant (BFT) protocols have been increasingly adopted in practical systems, making their performance a crucial aspect of the study. In this paper, we introduce a unified framework utilizing Markov Decision Processes (MDP) to model and assess the performance of three prominent chained BFT protocols. Our framework effectively captures complex adversarial behaviors, focusing on two key performance metrics: chain growth and commitment rate. We implement the optimal attack strategies obtained from MDP analysis on an existing evaluation platform for chained BFT protocols and conduct extensive experiments under various settings to validate our theoretical results. Through rigorous theoretical analysis and thorough practical experiments, we provide an in-depth evaluation of chained BFT protocols under diverse attack scenarios, uncovering optimal attack strategies. Contrary to conventional belief, our findings reveal that while responsiveness can enhance performance, it is not universally beneficial across all scenarios. This work not only deepens our understanding of chained BFT protocols, but also offers valuable insights and analytical tools that can inform the design of more robust and efficient protocols.
• Abstract（参考訳）: ブロックチェーン技術の進歩に伴い、チェーン化されたビザンチンフォールトトレラント(BFT)プロトコルが実用システムでますます採用され、そのパフォーマンスが研究の重要な側面となっている。 本稿では,Markov Decision Processes (MDP) を用いて,3つのBFTプロトコルの性能をモデル化し,評価する統合フレームワークを提案する。 当社のフレームワークは,チェーンの成長とコミットメント率という,2つの主要なパフォーマンス指標に注目して,複雑な敵の行動を効果的に捉えています。 連鎖型BFTプロトコルに対する既存の評価プラットフォーム上で,MDP解析から得られた最適な攻撃戦略を実装し,理論結果を検証するために,様々な条件下で広範な実験を行う。 厳密な理論的解析と徹底的な実践実験を通じて、多様な攻撃シナリオ下での連鎖BFTプロトコルの詳細な評価を行い、最適な攻撃戦略を明らかにする。 従来の考え方とは対照的に、応答性は性能を向上させることができるが、すべてのシナリオで広く有用であるとは限らない。 この作業は、チェーン化されたBFTプロトコルの理解を深めるだけでなく、より堅牢で効率的なプロトコルの設計を知らせる貴重な洞察と分析ツールも提供します。

関連論文リスト

• Unlocking the Capabilities of Thought: A Reasoning Boundary Framework to Quantify and Optimize Chain-of-Thought [61.588465852846646]
  大型言語モデル(LLM)の性能向上のための有望なアプローチとして、Chain-of-Thought(CoT)推論が登場した。 本稿では,これらの課題に対処するための新しい推論境界フレームワーク(RBF)を提案する。
  論文  参考訳（メタデータ） (2024-10-08T05:26:28Z)
• Optimal Protocols for Continual Learning via Statistical Physics and Control Theory [7.519872646378836]
  ニューラルネットワークは、複数のタスクを逐次学習する際に、破滅的な忘れに苦しむことが多い。 近年の理論的研究は、学習プロトコル下での合成フレームワークにおける学習曲線の分析によってこの問題に対処している。 このギャップを、統計的物理手法を用いて導出したトレーニング力学の正確な方程式と最適制御法を組み合わせることで埋める。 我々の理論的分析は、破滅的な忘れを緩和するための非自明で解釈可能な戦略を提供する。
  論文  参考訳（メタデータ） (2024-09-26T17:01:41Z)
• Simple Perturbations Subvert Ethereum Phishing Transactions Detection: An Empirical Analysis [12.607077453567594]
  精度,精度,リコール,F1スコアなどのモデル性能指標に対する各種敵攻撃戦略の影響について検討する。 モデルロバスト性を高めるために, 対戦訓練や特徴選択の強化など, 様々な緩和策の有効性を検討する。
  論文  参考訳（メタデータ） (2024-08-06T20:40:20Z)
• Doubly Robust Instance-Reweighted Adversarial Training [107.40683655362285]
  本稿では,2重のインスタンス再重み付き対向フレームワークを提案する。 KL偏差正規化損失関数の最適化により重みを求める。 提案手法は, 平均ロバスト性能において, 最先端のベースライン法よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2023-08-01T06:16:18Z)
• Provable Reward-Agnostic Preference-Based Reinforcement Learning [61.39541986848391]
  PbRL(Preference-based Reinforcement Learning)は、RLエージェントが、軌道上のペアワイドな嗜好に基づくフィードバックを用いてタスクを最適化することを学ぶパラダイムである。 本稿では,隠れた報酬関数の正確な学習を可能にする探索軌道を求める理論的報酬非依存PbRLフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-29T15:00:09Z)
• FLIP: A Provable Defense Framework for Backdoor Mitigation in Federated Learning [66.56240101249803]
  我々は,クライアントの強固化がグローバルモデル(および悪意のあるクライアント)に与える影響について検討する。 本稿では, 逆エンジニアリングによる防御手法を提案するとともに, 堅牢性を保証して, 改良を実現できることを示す。 競合する8つのSOTA防御法について, 単発および連続のFLバックドア攻撃に対して, 提案手法の実証的優位性を示した。
  論文  参考訳（メタデータ） (2022-10-23T22:24:03Z)
• Is Vertical Logistic Regression Privacy-Preserving? A Comprehensive Privacy Analysis and Beyond [57.10914865054868]
  垂直ロジスティック回帰(VLR)をミニバッチ降下勾配で訓練した。 我々は、オープンソースのフェデレーション学習フレームワークのクラスにおいて、VLRの包括的で厳密なプライバシー分析を提供する。
  論文  参考訳（メタデータ） (2022-07-19T05:47:30Z)
• Building Robust Ensembles via Margin Boosting [98.56381714748096]
  敵のロバスト性においては、単一のモデルは通常、全ての敵の攻撃に対して十分な力を持っていない。 我々は最大利得のアンサンブルを学習するアルゴリズムを開発した。 提案アルゴリズムは,既存のアンサンブル技術に勝るだけでなく,エンド・ツー・エンドで訓練された大規模モデルにも勝ることを示す。
  論文  参考訳（メタデータ） (2022-06-07T14:55:58Z)
• LiBRe: A Practical Bayesian Approach to Adversarial Detection [36.541671795530625]
  LiBReは、様々な訓練済みのタスク依存DNNに、異種敵対攻撃を低コストで防御する能力を与えることができる。 我々は,多層深層アンサンブル変奏法を構築し,LiBReの有効性と効率を高めるために,事前学習と微調整のワークフローを採用する。
  論文  参考訳（メタデータ） (2021-03-27T07:48:58Z)
• SoK: Certified Robustness for Deep Neural Networks [13.10665264010575]
  近年の研究では、ディープニューラルネットワーク(DNN)が敵の攻撃に弱いことが示されている。 本稿では,実証可能な堅牢なアプローチと関連する実践的および理論的意味を体系化する。 また、既存の堅牢性検証と異なるデータセットでのトレーニングアプローチに関する、最初の包括的なベンチマークも提供しています。
  論文  参考訳（メタデータ） (2020-09-09T07:00:55Z)

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。