論文の概要: Contrastive Learning for Efficient Transaction Validation in UTXO-based Blockchains

• arxiv url: http://arxiv.org/abs/2506.01614v1
• Date: Mon, 02 Jun 2025 12:54:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-04 21:47:34.383444
• Title: Contrastive Learning for Efficient Transaction Validation in UTXO-based Blockchains
• Title（参考訳）: UTXOをベースとしたブロックチェーンにおける効率的なトランザクション検証のためのコントラスト学習
• Authors: Hamid Attar, Luigi Lunardon, Alessio Pagani,
• Abstract要約: 本稿では,ビットコインなどのUTXOベースのブロックチェーンのスケーラビリティに対する機械学習(ML)アプローチを紹介する。 私たちのソリューションでは、MLを使用して、UTXOセットシャーディングだけでなく、入ってくるトランザクションのルーティングも最適化しています。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper introduces a Machine Learning (ML) approach for scalability of UTXO-based blockchains, such as Bitcoin. Prior approaches to UTXO set sharding struggle with distributing UTXOs effectively across validators, creating substantial communication overhead due to child-parent transaction dependencies. This overhead, which arises from the need to locate parent UTXOs, significantly hampers transaction processing speeds. Our solution uses ML to optimize not only UTXO set sharding but also the routing of incoming transactions, ensuring that transactions are directed to shards containing their parent UTXOs. At the heart of our approach is a framework that combines contrastive and unsupervised learning to create an embedding space for transaction outputs. This embedding allows the model to group transaction outputs based on spending relationships, making it possible to route transactions efficiently to the correct validation microservices. Trained on historical transaction data with triplet loss and online semi-hard negative mining, the model embeds parent-child spending patterns directly into its parameters, thus eliminating the need for costly, real-time parent transaction lookups. This significantly reduces cross-shard communication overhead, boosting throughput and scalability.
• Abstract（参考訳）: 本稿では,ビットコインなどのUTXOベースのブロックチェーンのスケーラビリティに対する機械学習(ML)アプローチを紹介する。 UTXOへの以前のアプローチでは、UTXOをバリデータに効果的に分散する上で、シャーディングが苦労していた。 このオーバーヘッドは、親UTXOを見つける必要から生じるもので、トランザクション処理速度を著しく損なう。 私たちのソリューションでは、MLを使用して、UTXOセットシャーディングだけでなく、入ってくるトランザクションのルーティングも最適化しています。 私たちのアプローチの中心は、対照的な学習と教師なしの学習を組み合わせて、トランザクション出力のための埋め込みスペースを作成するフレームワークです。 この埋め込みにより、モデルは消費関係に基づいてトランザクションのアウトプットをグループ化でき、トランザクションを適切なバリデーションマイクロサービスに効率的にルーティングすることができる。 3重項の損失とオンラインの半ハードな負のマイニングを伴う履歴トランザクションデータに基づいてトレーニングされたこのモデルは、親子の支出パターンを直接パラメータに埋め込むことで、コストのかかるリアルタイムな親トランザクションのルックアップを不要にする。 これにより、クロスシャード通信のオーバーヘッドが大幅に削減され、スループットとスケーラビリティが向上します。

関連論文リスト

• Unsupervised Visual Chain-of-Thought Reasoning via Preference Optimization [69.29207684569695]
  CoT推論は多モーダル大言語モデル(MLLM)の解釈可能性と問題解決能力を大幅に向上させる 既存のアプローチはテキストCoTに重点を置いており、視覚的手がかりを活用する能力を制限する。 本稿では、優先最適化による画像レベルのCoT推論のための新しいフレームワークであるUnsupervised Visual CoT (UV-CoT)を紹介する。
  論文  参考訳（メタデータ） (2025-04-25T14:48:18Z)
• Fast Controlled Generation from Language Models with Adaptive Weighted Rejection Sampling [90.86991492288487]
  トークンの制約を評価するのは 違法にコストがかかる LCDは文字列上のグローバル分布を歪め、ローカル情報のみに基づいてトークンをサンプリングすることができる。 我々のアプローチは最先端のベースラインよりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-04-07T18:30:18Z)
• A Simple and Fast Way to Handle Semantic Errors in Transactions [11.584869171478609]
  本稿では,大規模言語モデル(LLM)が生成するデータベーストランザクションを扱うことに焦点を当てる。 Invariant Satisfaction(I-Confluence)に基づく新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-17T02:47:18Z)
• Scalable UTXO Smart Contracts via Fine-Grained Distributed State [0.8192907805418581]
  UTXOベースのスマートコントラクトプラットフォームは、効率のボトルネックに直面している。 コントラクトに送信されるすべてのトランザクションは、更新されたコントラクト状態全体を指定する必要があります。 本稿では,拡張UTXOブロックチェーン上でのスマートコントラクトの効率的な実行手法を提案する。
  論文  参考訳（メタデータ） (2024-06-11T20:28:27Z)
• ALF: Adaptive Label Finetuning for Scene Graph Generation [116.59868289196157]
  画像中の被写体と物体の関係を予測するためのシーングラフ生成の試み 関係の長期分布は、しばしば粗いラベルの偏りの予測につながり、SGGにおいて大きなハードルとなる。 我々はSGGに1段階のデータ転送パイプラインを導入し、ALF(Adaptive Label Finetuning)と呼ばれ、追加のトレーニングセッションを不要にする。 ALFは一般的なSGG法であるMotifに比べてmR@100が16%改善され、最先端のIETransに比べて計算コストは6%増加した。
  論文  参考訳（メタデータ） (2023-12-29T01:37:27Z)
• Blockchain Large Language Models [65.7726590159576]
  本稿では,異常なブロックチェーントランザクションを検出するための動的,リアルタイムなアプローチを提案する。 提案するツールであるBlockGPTは、ブロックチェーンアクティビティのトレース表現を生成し、大規模な言語モデルをスクラッチからトレーニングして、リアルタイム侵入検出システムとして機能させる。
  論文  参考訳（メタデータ） (2023-04-25T11:56:18Z)

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。