論文の概要: Yotta: A Large-Scale Trustless Data Trading Scheme for Blockchain System
- arxiv url: http://arxiv.org/abs/2506.19368v1
- Date: Tue, 24 Jun 2025 06:57:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-25 19:48:23.525179
- Title: Yotta: A Large-Scale Trustless Data Trading Scheme for Blockchain System
- Title（参考訳）: Yotta: ブロックチェーンシステムのための大規模信頼できないデータトレーディングスキーム
- Authors: Xiang Liu, Zhanpeng Guo, Liangxi Liu, Mengyao Zheng, Yiming Qiu, Linshan Jiang,
- Abstract要約: 私たちは、Web 3.0でデータトレーディングを可能にするためのプロパティ要件を形式化した最初の人です。
これらの要件に基づいて、ブロックチェーンのための完全なバッチデータトレーディングスキームであるYottaを最初に提案します。
シミュレーションの結果,Yottaのベースラインアプローチは最大130倍に向上した。
- 参考スコア（独自算出の注目度）: 3.827548348681178
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Data trading is one of the key focuses of Web 3.0. However, all the current methods that rely on blockchain-based smart contracts for data exchange cannot support large-scale data trading while ensuring data security, which falls short of fulfilling the spirit of Web 3.0. Even worse, there is currently a lack of discussion on the essential properties that large-scale data trading should satisfy. In this work, we are the first to formalize the property requirements for enabling data trading in Web 3.0. Based on these requirements, we are the first to propose Yotta, a complete batch data trading scheme for blockchain, which features a data trading design that leverages our innovative cryptographic workflow with IPFS and zk-SNARK. Our simulation results demonstrate that Yotta outperforms baseline approaches up to 130 times and exhibits excellent scalability to satisfy all the properties.
- Abstract（参考訳）: データトレーディングは、Web 3.0の重要な焦点の1つです。
しかしながら、ブロックチェーンベースのデータ交換のためのスマートコントラクトに依存する現在のすべてのメソッドは、データのセキュリティを確保しながら、大規模なデータトレーディングをサポートできません。
さらに悪いことに、現在、大規模なデータトレーディングが満たすべき本質に関する議論が欠如しています。
この作業では、Web 3.0でデータトレーディングを可能にするためのプロパティ要件を、初めて公式化しています。
これらの要件に基づいて、私たちは、IPFSとzk-SNARKによる革新的な暗号化ワークフローを活用するデータトレーディング設計を備えた、ブロックチェーン用の完全なバッチデータトレーディングスキームであるYottaを初めて提案します。
シミュレーションの結果,Yottaはベースラインのアプローチを最大130倍に向上し,全ての特性を満たすための優れたスケーラビリティを示した。
関連論文リスト
- OmniLytics+: A Secure, Efficient, and Affordable Blockchain Data Market for Machine Learning through Off-Chain Processing [10.055818984984]
我々はブロックチェーンとスマートコントラクト技術に基づいて構築された最初の分散データ市場であるOmniLytics+を提案する。
ストレージと処理のオーバーヘッドは、ブロックチェーン検証者から確実にオフロードされる。
実験では、悪意のあるデータ所有者の存在下で大規模なMLモデルをトレーニングする際のOmniLytics+の有効性が示されている。
論文 参考訳（メタデータ） (2024-04-17T14:41:14Z) - 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) - A Bargaining-based Approach for Feature Trading in Vertical Federated
Learning [54.51890573369637]
本稿では,垂直的フェデレートラーニング(VFL)において,経済的に効率的な取引を促進するための交渉型特徴取引手法を提案する。
当社のモデルでは,収益ベース最適化の目的を考慮し,パフォーマンスゲインベースの価格設定を取り入れている。
論文 参考訳（メタデータ） (2024-02-23T10:21:07Z) - A Dataset of Uniswap daily transaction indices by network [1.8291790356553643]
DeFi(Decentralized Finance)は、仲介者なしで直接取引を可能にすることで、従来の金融を再構築している。
レイヤ2(L2)ソリューションは、レイヤ1(L1)システムを超えた、DeFiエコシステムのスケーラビリティと効率を高めるために登場しています。
この研究は、L1ネットワークとL2ネットワークの両方にわたる主要な分散取引であるUnixwapから5000万件以上のトランザクションを分析し、ギャップを埋める。
論文 参考訳（メタデータ） (2023-12-05T10:53:46Z) - Data Acquisition: A New Frontier in Data-centric AI [65.90972015426274]
まず、現在のデータマーケットプレースを調査し、データセットに関する詳細な情報を提供するプラットフォームが不足していることを明らかにする。
次に、データプロバイダと取得者間のインタラクションをモデル化するベンチマークであるDAMチャレンジを紹介します。
提案手法の評価は,機械学習における効果的なデータ取得戦略の必要性を浮き彫りにしている。
論文 参考訳（メタデータ） (2023-11-22T22:15:17Z) - When Quantum Information Technologies Meet Blockchain in Web 3.0 [86.91054991998273]
我々は、分散データ転送と支払いトランザクションのための情報理論セキュリティを提供する、量子ブロックチェーン駆動のWeb 3.0フレームワークを紹介します。
Web 3.0で量子ブロックチェーンを実装するための潜在的なアプリケーションと課題について論じる。
論文 参考訳（メタデータ） (2022-11-29T05:38:42Z) - Self-supervised Incremental Deep Graph Learning for Ethereum Phishing
Scam Detection [15.350215512903361]
グラフニューラルネットワーク(GNN)は、様々なノード分類タスクにおいて有望な性能を示している。
実世界の複雑なグラフに自然に抽象化できるトランザクションデータでは、ラベルの不足と大量のトランザクションデータがGNNの手法を利用するのを困難にしている。
フィッシング詐欺検出問題に対する自己教師付きインクリメンタルグラフ学習モデル(SIEGE)を提案する。
論文 参考訳（メタデータ） (2021-06-18T15:06:26Z) - Temporal-Amount Snapshot MultiGraph for Ethereum Transaction Tracking [5.579169055801065]
ネットワークの観点からのトランザクションのより深い理解を提供するリンク予測によるトランザクション追跡の問題について検討する。
具体的には,TASMG(temporal-amount snapshot multigraph)とTAW(temporal-amount walk)からなる組込みリンク予測フレームワークを提案する。
トランザクションネットワークの現実的なルールと特徴を考慮することにより、TASMGはトランザクションレコードを時間単位のネットワークとしてモデル化し、TAWはトランザクションレコードを介してアカウントを効果的に埋め込みます。
論文 参考訳（メタデータ） (2021-02-16T08:21:16Z)
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。