論文の概要: Carbyne: An Ultra-Lightweight DoS-Resilient Mempool for Bitcoin

• arxiv url: http://arxiv.org/abs/2504.16089v1
• Date: Thu, 20 Mar 2025 11:03:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:52.810994
• Title: Carbyne: An Ultra-Lightweight DoS-Resilient Mempool for Bitcoin
• Title（参考訳）: 超軽量のDoSレジリエンス・メムプール「Carbyne」
• Authors: Hina Binte Haq, Syed Taha Ali, Asad Salman, Patrick McCorry, Siamak F. Shahandashti,
• Abstract要約: ブルームフィルタの変種を利用したトランザクションプールの新しい最適化であるNeonpoolを提案する。 ネオンプールは最大200MB(例えば400MBから2MB)のメモリ消費を劇的に削減し、99.99%のトランザクション処理精度を維持している。
• 参考スコア（独自算出の注目度）: 2.493740042317776
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The increasing adoption of cryptocurrencies has significantly amplified the resource requirements for operating full nodes, creating substantial barriers to entry. Unlike miners, who are financially incentivized through block rewards and transaction fees, full nodes lack direct economic compensation for their critical role in maintaining the network. A key resource burden is the transaction pool, which is particularly memory-intensive as it temporarily stores unconfirmed transactions awaiting verification and propagation across the network. We present Neonpool, a novel optimization for transaction pool leveraging bloom filter variants to drastically reduce memory consumption by up to 200 (e.g., 400 MB to 2 MB) while maintaining over 99.99% transaction processing accuracy. Implemented in C++ and evaluated on unique Bitcoin and Ethereum datasets, Neonpool enables efficient operation on lightweight clients, such as smartphones, IoT devices, and systems-on-a-chip, without requiring a hard fork. By lowering the cost of node participation, Neonpool enhances decentralization and strengthens the overall security and robustness of cryptocurrency networks.
• Abstract（参考訳）: 暗号通貨の採用が増加し、完全なノードを運用するためのリソース要件が大幅に増幅され、導入の障壁が生じた。 ブロック報酬や取引手数料によって金銭的にインセンティブを得ている鉱山労働者とは異なり、完全なノードはネットワークを維持する上で重要な役割を果たす直接的な経済的報酬を欠いている。 重要なリソースの重荷はトランザクションプールであり、特にメモリ集約であり、ネットワーク間の検証と伝搬を待っている未確認のトランザクションを一時的に保存する。 我々は,最大200(例えば400MBから2MB)のメモリ消費を劇的に削減し,99.99%以上のトランザクション処理精度を維持しながら,トランザクションプールの新たな最適化手法Neonpoolを提案する。 C++で実装され、ユニークなBitcoinとEthereumデータセットに基づいて評価されるNeonpoolは、ハードフォークを必要とせずに、スマートフォン、IoTデバイス、システムオンチップといった軽量クライアント上で効率的な操作を可能にする。 ノード参加のコストを下げることで、Neonpoolは分散化を強化し、暗号通貨ネットワーク全体のセキュリティと堅牢性を強化する。

関連論文リスト

• Proof of Useful Intelligence (PoUI): Blockchain Consensus Beyond Energy Waste [1.3846014191157405]
  テクノロジは分散システムにおけるセキュアで透過的なデータ管理を可能にする。 それは、Bitcoinのような暗号通貨から不動産のような現実世界の資産のトークン化まで、アプリケーションをサポートする。 本稿では,ハイブリッドコンセンサス機構であるProof of Useful Intelligence(PoUI)を提案する。
  論文  参考訳（メタデータ） (2025-04-24T13:32:03Z)
• Zaptos: Towards Optimal Blockchain Latency [52.30047458198369]
  Zaptosは、エンドツーエンドのレイテンシを最小限に抑えるために設計された並列パイプラインアーキテクチャである。 Zaptosは秒単位のレイテンシで毎秒20,000トランザクションのスループットを実現している。
  論文  参考訳（メタデータ） (2025-01-18T00:22:22Z)
• Neonpool: Reimagining cryptocurrency transaction pools for lightweight clients and IoT devices [2.493740042317776]
  Neonpoolは、ブルームフィルタ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。 99.99%以上の精度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。 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。
  論文  参考訳（メタデータ） (2024-12-18T03:19:19Z)
• A Supercomputing Based Distributed Cloud Marketplace [4.168350645069565]
  我々は,市販のハードウェアであるLulChainでスーパーコンピュータの速度を増大させる,無限にスケーラブルでセキュアで高スループットのブロックチェーンを導入する。 全参加者のタイムスタンプ同期と過半数の合意の必要性をなくすことで、LluChainは信頼できる信頼、低コストのインスタントトランザクション、フレキシブルなインスタントコントラクトへの扉を開く。
  論文  参考訳（メタデータ） (2024-11-15T15:53:20Z)
• 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)
• 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)
• Kronos: A Secure and Generic Sharding Blockchain Consensus with Optimized Overhead [17.387814385763622]
  シャーディングは、ネットワークをシャードに分割することで、ブロックチェーンのスケーラビリティを向上させる。 クロスシャーディングトランザクションは、シャーディングブロックチェーンのセキュリティと効率にとって重要な課題である。 最適化されたオーバーヘッドを達成するセキュアなシャーディングブロックチェーンコンセンサスであるKronosを紹介します。
  論文  参考訳（メタデータ） (2024-03-06T12:26:04Z)
• Understanding Ethereum Mempool Security under Asymmetric DoS by Symbolized Stateful Fuzzing [21.076514594542118]
  MPFUZZは非対称なDoSバグを発見した最初のメムプールファザである。 6つの主要なクライアントでMPFUZZを実行すると、新たなmempool脆弱性が発見される。
  論文  参考訳（メタデータ） (2023-12-05T10:31:02Z)
• A Scale-out Decentralized Blockchain Ledger System for Web3.0 [5.327844605578174]
  本稿では,Web3.0用に設計された新しい分散スケールアウト台帳システムであるEZchainを提案する。 セキュリティと分散化を妥協することなく、EZchainは以下のマイルストーンを達成している。
  論文  参考訳（メタデータ） (2023-12-01T01:34:48Z)
• Demonstration of quantum-digital payments [36.136619420474766]
  我々は、量子光が本質的に忘れられない量子暗号文を生成することによって、日々のデジタル決済をいかに確保できるかを示す。 提案したプロトコルとは異なり、我々のソリューションは長期の量子ストレージや信頼できるエージェント、認証チャネルに依存しない。 短期技術では実用的であり、量子可能なセキュリティの時代を告げるかもしれない。
  論文  参考訳（メタデータ） (2023-05-23T20:20:14Z)
• Quantum Multi-Solution Bernoulli Search with Applications to Bitcoin's Post-Quantum Security [67.06003361150228]
  作業の証明(英: proof of work、PoW)は、当事者が計算タスクの解決にいくらかの労力を費やしたことを他人に納得させることができる重要な暗号構造である。 本研究では、量子戦略に対してそのようなPoWの連鎖を見つけることの難しさについて検討する。 我々は、PoWs問題の連鎖が、マルチソリューションBernoulliサーチと呼ばれる問題に還元されることを証明し、量子クエリの複雑さを確立する。
  論文  参考訳（メタデータ） (2020-12-30T18:03:56Z)
• Blockchain Assisted Decentralized Federated Learning (BLADE-FL) with Lazy Clients [124.48732110742623]
  フェデレートラーニング(FL)にブロックチェーンを統合する新しいフレームワークを提案する。 BLADE-FLは、プライバシー保護、改ざん抵抗、学習の効果的な協力の点で優れたパフォーマンスを持っている。 遅延クライアントは、他人のトレーニングされたモデルを盗聴し、不正行為を隠すために人工的なノイズを加える。
  論文  参考訳（メタデータ） (2020-12-02T12:18:27Z)
• Resource Management for Blockchain-enabled Federated Learning: A Deep Reinforcement Learning Approach [54.29213445674221]
  Federated Learning (BFL)は、機械学習モデル所有者(MLMO)が必要とするニューラルネットワークモデルを、モバイルデバイスが協調的にトレーニングすることを可能にする。 BFLの問題は、モバイルデバイスがシステムの寿命とトレーニング効率を低下させるエネルギーとCPUの制約を持っていることである。 我々は,Deep Reinforcement Learning (DRL) を用いて最適決定を導出することを提案する。
  論文  参考訳（メタデータ） (2020-04-08T16:29:19Z)

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。