論文の概要: The Redundancy of Full Nodes in Bitcoin: A Network-Theoretic Demonstration of Miner-Centric Propagation Topologies
- arxiv url: http://arxiv.org/abs/2506.14197v1
- Date: Tue, 17 Jun 2025 05:26:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-18 17:34:59.339861
- Title: The Redundancy of Full Nodes in Bitcoin: A Network-Theoretic Demonstration of Miner-Centric Propagation Topologies
- Title（参考訳）: Bitcoinの完全なノードの冗長性: ネットワーク理論による最小中心のプロパゲーショントポロジの実証
- Authors: Dr Craig S Wright,
- Abstract要約: ホームホストされた全ノードは,伝播トポロジへの参加や影響が不可能であることを示す。
シミュレーション支援されたメトリクスと固有値集中度分析を用いて、全ノードがコンセンサス伝播に重要で、かつ、運用上は関係がないことを確認した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This paper formally examines the network structure of Bitcoin CORE (BTC) and Bitcoin Satoshi Vision (BSV) using complex graph theory to demonstrate that home-hosted full nodes are incapable of participating in or influencing the propagation topology. Leveraging established models such as scale-free networks and small-world connectivity, we demonstrate that the propagation graph is dominated by a densely interconnected miner clique, while full nodes reside on the periphery, excluded from all transaction-to-block inclusion paths. Using simulation-backed metrics and eigenvalue centrality analysis, we confirm that full nodes are neither critical nor operationally relevant for consensus propagation.
- Abstract（参考訳）: 本稿では、複雑なグラフ理論を用いて、Bitcoin CORE(BTC)とBitcoin Satoshi Vision(BSV)のネットワーク構造を正式に検証し、ホームホストフルノードが伝播トポロジへの参加や影響を実証する。
スケールフリーネットワークや小世界接続といった確立されたモデルを活用することで、伝播グラフは密接な相互接続されたマイナ・クランプによって支配され、一方、全ノードは、すべてのトランザクション・ブロック包摂パスから除外された周辺に存在することを示す。
シミュレーション支援されたメトリクスと固有値集中度分析を用いて、全ノードがコンセンサス伝播に重要で、かつ、運用上は関係がないことを確認した。
関連論文リスト
- A Signed Graph Approach to Understanding and Mitigating Oversmoothing in GNNs [54.62268052283014]
署名されたグラフの枠組みに基づく統一的な理論的視点を示す。
既存の戦略の多くは、メッセージパッシングを変えて過度な操作に抵抗する負のエッジを暗黙的に導入している。
本稿では,ラベルや特徴の類似性に基づいて署名されたエッジを割り当てるプラグイン・アンド・プレイ方式であるStructure Balanced Propagation (SBP)を提案する。
論文 参考訳（メタデータ） (2025-02-17T03:25:36Z) - Benchmarking GNNs Using Lightning Network Data [20.204489886284534]
Bitcoin Lightning Networkは、高速で安価なBitcoinトランザクションを容易にするために設計されたレイヤ2プロトコルである。
我々は、Lightning Networkのグラフ構造を分析し、機械学習を用いてノード特性間の統計的関係について検討する。
論文 参考訳（メタデータ） (2024-07-05T20:35:57Z) - A Topological Perspective on Demystifying GNN-Based Link Prediction
Performance [72.06314265776683]
トポロジカル濃度 (TC) は、各ノードの局所部分グラフと隣人の部分グラフの交点に基づいている。
また,TCLは,次数や部分グラフ密度などの他のノードレベルのトポロジ指標よりもLP性能と高い相関性を示した。
我々は, 近似トポロジカル濃度 (ATC) を提案し, 理論的・経験的にTC近似の有効性を正当化し, 複雑さを低減させる。
論文 参考訳（メタデータ） (2023-10-06T22:07:49Z) - Collaborative Graph Neural Networks for Attributed Network Embedding [63.39495932900291]
グラフニューラルネットワーク(GNN)は、属性付きネットワーク埋め込みにおいて顕著な性能を示している。
本稿では,ネットワーク埋め込みに適したGNNアーキテクチャであるCulaborative graph Neural Networks-CONNを提案する。
論文 参考訳（メタデータ） (2023-07-22T04:52:27Z) - BScNets: Block Simplicial Complex Neural Networks [79.81654213581977]
グラフ学習における最新の方向性として、SNN(Simplicial Neural Network)が最近登場した。
リンク予測のためのBlock Simplicial Complex Neural Networks (BScNets) モデルを提案する。
BScNetsは、コストを抑えながら最先端のモデルよりも大きなマージンを保っている。
論文 参考訳（メタデータ） (2021-12-13T17:35:54Z) - Identifying Influential Nodes in Two-mode Data Networks using Formal
Concept Analysis [0.0]
Bi-face (BF) は、2モードネットワークにおける重要なノードを特定するための新しい二部集中度測定である。
オフ・ザ・シェルフ中心性指数とは違って、あるノードが隣り合うノードに粘着的サブ構造がどう影響するかを双斜線で定量化する。
いくつかの実世界および合成ネットワークに関する実験は、既存の顕著な二分極集中度よりもBFの効率が良いことを示す。
論文 参考訳（メタデータ） (2021-09-07T23:57:05Z) - Reasoning Graph Networks for Kinship Verification: from Star-shaped to
Hierarchical [85.0376670244522]
階層型推論グラフネットワークの学習による顔の親和性検証の問題点について検討する。
より強力で柔軟なキャパシティを利用するために,星型推論グラフネットワーク(S-RGN)を開発した。
また、より強力で柔軟なキャパシティを利用する階層型推論グラフネットワーク(H-RGN)も開発しています。
論文 参考訳（メタデータ） (2021-09-06T03:16:56Z) - ImGAGN:Imbalanced Network Embedding via Generative Adversarial Graph
Networks [19.45752945234785]
グラフ上の不均衡な分類は、不正なノード検出など、多くの現実世界のアプリケーションでは至るところで困難である。
グラフ上の不均衡な分類問題に対処するため,ImGAGNと呼ばれる生成逆グラフネットワークモデルを提案する。
提案手法は, 半教師付き不均衡ノード分類タスクに対して, 最先端のアルゴリズムより優れていることを示す。
論文 参考訳（メタデータ） (2021-06-05T06:56:37Z) - Spectral Embedding of Graph Networks [76.27138343125985]
ローカルノードの類似性と接続性、グローバル構造をトレードオフする教師なしグラフ埋め込みを導入する。
埋め込みは一般化されたグラフ Laplacian に基づいており、固有ベクトルは1つの表現においてネットワーク構造と近傍近傍の両方をコンパクトにキャプチャする。
論文 参考訳（メタデータ） (2020-09-30T04:59:10Z) - Integrating Network Embedding and Community Outlier Detection via
Multiclass Graph Description [15.679313861083239]
そこで本稿では,ノード埋め込みとアウトレーヤとコミュニティ検出を統合した非教師なしグラフ埋め込み手法(DMGD)を提案する。
DMGDにより検出された外れ値の数に関する理論的境界を示す。
我々の定式化は、外れ値、コミュニティ割り当て、ノード埋め込み関数の間の興味深いミニマックスゲームに起因する。
論文 参考訳（メタデータ） (2020-07-20T16:21:07Z)
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。