論文の概要: Blockchain Data Analytics: Review and Challenges
- arxiv url: http://arxiv.org/abs/2503.09165v1
- Date: Wed, 12 Mar 2025 08:49:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-13 15:38:05.458101
- Title: Blockchain Data Analytics: Review and Challenges
- Title（参考訳）: ブロックチェーンデータ分析: レビューと課題
- Authors: Rischan Mafrur,
- Abstract要約: 本稿では,学術研究と産業応用の両面から,総合的な文献レビューを行う。
ブロックチェーン分析ツールをブロックエクスプローラー、オンチェーンデータプロバイダ、リサーチプラットフォーム、暗号市場データプロバイダといったカテゴリに分類します。
- 参考スコア（独自算出の注目度）: 0.10878040851637999
- License:
- Abstract: The integration of blockchain technology with data analytics is essential for extracting insights in the cryptocurrency space. Although academic literature on blockchain data analytics is limited, various industry solutions have emerged to address these needs. This paper provides a comprehensive literature review, drawing from both academic research and industry applications. We classify blockchain analytics tools into categories such as block explorers, on-chain data providers, research platforms, and crypto market data providers. Additionally, we discuss the challenges associated with blockchain data analytics, including data accessibility, scalability, accuracy, and interoperability. Our findings emphasize the importance of bridging academic research and industry innovations to advance blockchain data analytics.
- Abstract（参考訳）: ブロックチェーン技術とデータ分析の統合は、暗号通貨業界における洞察を引き出す上で不可欠である。
ブロックチェーンデータ分析に関する学術文献は限られているが、これらのニーズに対処するために様々な業界ソリューションが登場した。
本稿では,学術研究と産業応用の両面から,総合的な文献レビューを行う。
ブロックチェーン分析ツールをブロックエクスプローラー、オンチェーンデータプロバイダ、リサーチプラットフォーム、暗号市場データプロバイダといったカテゴリに分類します。
さらに、データアクセシビリティ、スケーラビリティ、正確性、相互運用性など、ブロックチェーンデータ分析に関連する課題についても論じる。
私たちの発見は、ブロックチェーンデータ分析を前進させるために、学術研究と業界革新をブリッジすることの重要性を強調しています。
関連論文リスト
- Blockchain Data Analysis in the Era of Large-Language Models [21.81035847078574]
既存のブロックチェーンデータ分析ツールは、データの不足、一般化可能性の欠如、推論能力の欠如など、課題に直面している。
大きな言語モデル(LLM)がこれらの課題を軽減することができると信じています。
本稿では,LLM統合ブロックチェーンデータ分析における潜在的な技術と設計パターンを体系的に検討する。
論文 参考訳（メタデータ） (2024-12-09T07:32:35Z) - SOK: Blockchain for Provenance [0.0]
Provenanceは、データ生成から操作まで追跡するので、データの整合性、信頼性、信頼性を確保するには不可欠だ。
証明技術は、その分散的で透明で不変な性質のために、証明を実装するための一般的な選択肢となっている。
ブロックチェーン設計に関する多くの研究は、特に証明に特化しており、この分野に特化している。
論文 参考訳（メタデータ） (2024-07-25T01:46:49Z) - Quantifying the Blockchain Trilemma: A Comparative Analysis of Algorand, Ethereum 2.0, and Beyond [4.605490094506685]
本研究は,2つの主要なPoS(Algorand and 2.0)システムを評価し,比較する。
我々は,各プラットフォームの戦略を構造化された方法で分析し,その効果をトリレンマ問題に対処する上で理解する。
論文 参考訳（メタデータ） (2024-07-19T14:15:29Z) - IT Strategic alignment in the decentralized finance (DeFi): CBDC and digital currencies [49.1574468325115]
分散型金融(DeFi)は、ディスラプティブベースの金融インフラである。
1) DeFiの一般的なIT要素は何か?
2) DeFi における IT 戦略の整合性には,どのような要素があるのでしょう?
論文 参考訳（メタデータ） (2024-05-17T10:19:20Z) - Machine Learning for Blockchain Data Analysis: Progress and Opportunities [9.07520594836878]
ブロックチェーンデータセットは、例えば、人間のユーザ、自律的なプログラム、スマートコントラクトなど、現実世界のエンティティ間でのインタラクションの複数のレイヤを含んでいる。
これらのユニークな特徴は、ブロックチェーンデータ上での機械学習の機会と課題の両方を示している。
本稿は、研究者、実践者、政策立案者のための総合的な資源として機能し、このダイナミックで変革的な分野をナビゲートするためのロードマップを提供する。
論文 参考訳（メタデータ） (2024-04-28T17:18:08Z) - 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) - Generative AI-enabled Blockchain Networks: Fundamentals, Applications,
and Case Study [73.87110604150315]
Generative Artificial Intelligence(GAI)は、ブロックチェーン技術の課題に対処するための有望なソリューションとして登場した。
本稿では、まずGAI技術を紹介し、そのアプリケーションの概要を説明し、GAIをブロックチェーンに統合するための既存のソリューションについて議論する。
論文 参考訳（メタデータ） (2024-01-28T10:46:17Z) - Privacy-Preserving Graph Machine Learning from Data to Computation: A
Survey [67.7834898542701]
我々は,グラフ機械学習のプライバシ保護手法の見直しに重点を置いている。
まずプライバシ保護グラフデータを生成する方法を検討する。
次に,プライバシ保護情報を送信する方法について述べる。
論文 参考訳（メタデータ） (2023-07-10T04:30:23Z) - Blockchain-Empowered Trustworthy Data Sharing: Fundamentals,
Applications, and Challenges [32.33334974604895]
さまざまなデータ共有プラットフォームが出現し、オープンデータに対する公的な需要が高まり、特定のデータをオープンにすることを義務付ける法律が制定されている。
これらのプラットフォームの多くは不透明なままであり、データの正確性、証明と系統、プライバシーへの影響、同意管理、データプロバイダに対する公正なインセンティブの欠如など、多くの疑問につながります。
透明性、不変性、非監査性、分散化プロパティによって、ブロックチェーンはこれらの質問に答えて、データ共有プラットフォームへの信頼を高めることができなくなりました。
論文 参考訳（メタデータ） (2023-03-12T02:56:52Z) - Detection and Evaluation of Clusters within Sequential Data [58.720142291102135]
Block Markov Chainsのクラスタリングアルゴリズムは理論的最適性を保証する。
特に、私たちのシーケンシャルデータは、ヒトのDNA、テキスト、動物運動データ、金融市場から派生しています。
ブロックマルコフ連鎖モデルの仮定は、実際に探索データ解析において有意義な洞察を得られることが判明した。
論文 参考訳（メタデータ） (2022-10-04T15:22:39Z) - Distributed Learning in the Non-Convex World: From Batch to Streaming
Data, and Beyond [73.03743482037378]
分散学習は、多くの人々が想定する、大規模に接続された世界の重要な方向となっている。
本稿では、スケーラブルな分散処理とリアルタイムデータ計算の4つの重要な要素について論じる。
実践的な問題や今後の研究についても論じる。
論文 参考訳（メタデータ） (2020-01-14T14:11:32Z)
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。