論文の概要: Efficient and Trustworthy Block Propagation for Blockchain-enabled Mobile Embodied AI Networks: A Graph Resfusion Approach

• arxiv url: http://arxiv.org/abs/2502.09624v1
• Date: Sun, 26 Jan 2025 07:47:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-02 04:52:11.721634
• Title: Efficient and Trustworthy Block Propagation for Blockchain-enabled Mobile Embodied AI Networks: A Graph Resfusion Approach
• Title（参考訳）: ブロックチェーン対応移動体型AIネットワークの効率的かつ信頼性の高いブロックプロパゲーション:グラフ再拡散アプローチ
• Authors: Jiawen Kang, Jiana Liao, Runquan Gao, Jinbo Wen, Huawei Huang, Maomao Zhang, Changyan Yi, Tao Zhang, Dusit Niyato, Zibin Zheng,
• Abstract要約: 本稿では,コンソーシアムブロックチェーン対応MEANETのためのグラフ再拡散モデルに基づく信頼性の高いブロック伝搬最適化フレームワークを提案する。 具体的には,信頼クラウドモデルに基づく革新的な信頼計算機構を提案する。 グラフニューラルネットワークと拡散モデルの強みを利用して,最適なブロック伝搬軌跡を効果的かつ適応的に生成するグラフ拡散モデルを開発した。
• 参考スコア（独自算出の注目度）: 60.80257080226662
• License:
• Abstract: By synergistically integrating mobile networks and embodied artificial intelligence (AI), Mobile Embodied AI Networks (MEANETs) represent an advanced paradigm that facilitates autonomous, context-aware, and interactive behaviors within dynamic environments. Nevertheless, the rapid development of MEANETs is accompanied by challenges in trustworthiness and operational efficiency. Fortunately, blockchain technology, with its decentralized and immutable characteristics, offers promising solutions for MEANETs. However, existing block propagation mechanisms suffer from challenges such as low propagation efficiency and weak security for block propagation, which results in delayed transmission of vehicular messages or vulnerability to malicious tampering, potentially causing severe traffic accidents in blockchain-enabled MEANETs. Moreover, current block propagation strategies cannot effectively adapt to real-time changes of dynamic topology in MEANETs. Therefore, in this paper, we propose a graph Resfusion model-based trustworthy block propagation optimization framework for consortium blockchain-enabled MEANETs. Specifically, we propose an innovative trust calculation mechanism based on the trust cloud model, which comprehensively accounts for randomness and fuzziness in the miner trust evaluation. Furthermore, by leveraging the strengths of graph neural networks and diffusion models, we develop a graph Resfusion model to effectively and adaptively generate the optimal block propagation trajectory. Simulation results demonstrate that the proposed model outperforms other routing mechanisms in terms of block propagation efficiency and trustworthiness. Additionally, the results highlight its strong adaptability to dynamic environments, making it particularly suitable for rapidly changing MEANETs.
• Abstract（参考訳）: モバイルネットワークと組み込み人工知能(AI)を相乗的に統合することにより、Mobile Embodied AI Networks(MEANETs)は、動的環境内の自律的、コンテキスト認識、インタラクティブな振る舞いを促進する高度なパラダイムである。 それでも、MEANETの急速な開発には、信頼性と運用効率の課題が伴っている。 幸いなことに、その分散性と不変性を備えたブロックチェーンテクノロジは、MEANETに有望なソリューションを提供する。 しかし、既存のブロック伝搬メカニズムは、低伝搬効率やブロック伝搬の弱いセキュリティといった課題に悩まされており、それによって車両のメッセージや悪意のある改ざんへの脆弱性の伝達が遅延し、ブロックチェーン対応のMEANETでは深刻なトラフィック事故が発生する可能性がある。 さらに、現在のブロック伝搬戦略はMEANETにおける動的トポロジのリアルタイムな変化に効果的に対応できない。 そこで本稿では,コンソーシアムブロックチェーン対応MEANETのためのグラフ再拡散モデルに基づく信頼性の高いブロック伝搬最適化フレームワークを提案する。 具体的には、信頼クラウドモデルに基づく革新的な信頼計算機構を提案し、マイナ信頼評価におけるランダム性とファジネスを包括的に考慮する。 さらに,グラフニューラルネットワークと拡散モデルの強みを利用して,最適ブロック伝搬軌道を効果的かつ適応的に生成するグラフ拡散モデルを開発した。 シミュレーションの結果,提案手法はブロック伝搬効率と信頼性の観点から,他の経路機構よりも優れていた。 さらに、この結果は動的環境への強力な適応性を強調しており、特にMEANETの迅速な変更に適している。

関連論文リスト

• Aerial Reliable Collaborative Communications for Terrestrial Mobile Users via Evolutionary Multi-Objective Deep Reinforcement Learning [59.660724802286865]
  無人航空機(UAV)は、地上通信を改善するための航空基地局(BS)として登場した。 この作業では、UAV対応仮想アンテナアレイによる協調ビームフォーミングを使用して、UAVから地上モバイルユーザへの伝送性能を向上させる。
  論文  参考訳（メタデータ） (2025-02-09T09:15:47Z)
• 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)
• Digital Twin-Assisted Federated Learning with Blockchain in Multi-tier Computing Systems [67.14406100332671]
  産業用 4.0 システムでは、リソース制約のあるエッジデバイスが頻繁にデータ通信を行う。 本稿では,デジタルツイン (DT) とフェデレーション付きデジタルツイン (FL) 方式を提案する。 提案手法の有効性を数値解析により検証した。
  論文  参考訳（メタデータ） (2024-11-04T17:48:02Z)
• MMAD-Purify: A Precision-Optimized Framework for Efficient and Scalable Multi-Modal Attacks [21.227398434694724]
  我々は,攻撃フレームワークの有効性を高めるために,精度最適化ノイズ予測器を組み込んだ革新的なフレームワークを導入する。 当社のフレームワークは,マルチモーダル攻撃に対する最先端のソリューションを提供し,レイテンシの低減を実現している。 本研究の枠組みは, 浄化防御に対する優れた伝達性と堅牢性を実現することを実証する。
  論文  参考訳（メタデータ） (2024-10-17T23:52:39Z)
• Model Agnostic Hybrid Sharding For Heterogeneous Distributed Inference [11.39873199479642]
  Nesaは、分散AI推論用に設計されたモデルに依存しないシャーディングフレームワークを導入した。 私たちのフレームワークでは、ブロックチェーンベースのディープニューラルネットワークシャーディングを使用して、さまざまなノードネットワークに計算タスクを分散しています。 われわれの結果は、最先端のAI技術へのアクセスを民主化する可能性を強調している。
  論文  参考訳（メタデータ） (2024-07-29T08:18:48Z)
• RACH Traffic Prediction in Massive Machine Type Communications [5.416701003120508]
  本稿では,ALOHAネットワークにおけるバーストトラフィック予測に適した機械学習ベースのフレームワークを提案する。 我々は,mMTCネットワークから頻繁に収集されたデータを活用することでLSTMネットワークの状態を更新する,新しい低複雑さオンライン予測アルゴリズムを開発した。 本研究では,単一基地局と数千のデバイスを異なるトラフィック発生特性を持つグループに編成したネットワーク上でのフレームワークの性能を評価する。
  論文  参考訳（メタデータ） (2024-05-08T17:28:07Z)
• 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)
• The Implications of Decentralization in Blockchained Federated Learning: Evaluating the Impact of Model Staleness and Inconsistencies [2.6391879803618115]
  ブロックチェーンのような民主的な環境にフェデレートされた学習のオーケストレーションをアウトソーシングすることの実践的意義について検討する。 シミュレーションを用いて、よく知られたMNISTとCIFAR-10データセットに2つの異なるMLモデルを適用することにより、ブロックチェーンFL動作を評価する。 以上の結果から,モデルの不整合がモデルの精度に及ぼす影響(予測精度の最大35%低下)が示唆された。
  論文  参考訳（メタデータ） (2023-10-11T13:18:23Z)
• Enhancing Energy Efficiency and Reliability in Autonomous Systems Estimation using Neuromorphic Approach [0.0]
  本研究ではスパイク符号化理論とスパイクニューラルネットワーク(SNN)に基づく推定フレームワークの導入に焦点をあてる。 本稿では,SNNに基づくKalmanフィルタ(KF)を提案する。 改良型スライディング・イノベーション・フィルタ(MSIF)に基づいて,SNN-MSIFと呼ばれるロバストな戦略を提案する。
  論文  参考訳（メタデータ） (2023-07-16T06:47:54Z)
• Network Diffusions via Neural Mean-Field Dynamics [52.091487866968286]
  本稿では,ネットワーク上の拡散の推論と推定のための新しい学習フレームワークを提案する。 本研究の枠組みは, ノード感染確率の正確な進化を得るために, モリ・ズワンジッヒ形式から導かれる。 我々のアプローチは、基礎となる拡散ネットワークモデルのバリエーションに対して多用途で堅牢である。
  論文  参考訳（メタデータ） (2020-06-16T18:45:20Z)

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。