論文の概要: Boosting Payment Channel Network Liquidity with Topology Optimization and Transaction Selection
- arxiv url: http://arxiv.org/abs/2508.14524v1
- Date: Wed, 20 Aug 2025 08:34:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-21 16:52:41.389911
- Title: Boosting Payment Channel Network Liquidity with Topology Optimization and Transaction Selection
- Title（参考訳）: トポロジ最適化とトランザクション選択による支払チャネルネットワークの流動性向上
- Authors: Krishnendu Chatterjee, Jan Matyáš Křišťan, Stefan Schmid, Jakub Svoboda, Michelle Yeo,
- Abstract要約: 我々は$p$のパーティに対するトランザクションの入力シーケンスについて検討する。
各トランザクションは、トランザクションサイズ、ソース、ターゲットで構成され、受け入れられるか、拒否される可能性がある。
チャネルの作成と拡張のコストを最小限に抑えるために、シーケンス内の各トランザクションに関する決定を出力します。
- 参考スコア（独自算出の注目度）: 15.381969851183527
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Payment channel networks (PCNs) are a promising technology that alleviates blockchain scalability by shifting the transaction load from the blockchain to the PCN. Nevertheless, the network topology has to be carefully designed to maximise the transaction throughput in PCNs. Additionally, users in PCNs also have to make optimal decisions on which transactions to forward and which to reject to prolong the lifetime of their channels. In this work, we consider an input sequence of transactions over $p$ parties. Each transaction consists of a transaction size, source, and target, and can be either accepted or rejected (entailing a cost). The goal is to design a PCN topology among the $p$ cooperating parties, along with the channel capacities, and then output a decision for each transaction in the sequence to minimise the cost of creating and augmenting channels, as well as the cost of rejecting transactions. Our main contribution is an $\mathcal{O}(p)$ approximation algorithm for the problem with $p$ parties. We further show that with some assumptions on the distribution of transactions, we can reduce the approximation ratio to $\mathcal{O}(\sqrt{p})$. We complement our theoretical analysis with an empirical study of our assumptions and approach in the context of the Lightning Network.
- Abstract（参考訳）: 支払いチャネルネットワーク(PCN)は、トランザクションの負荷をブロックチェーンからPCNにシフトすることで、ブロックチェーンのスケーラビリティを軽減する、有望なテクノロジである。
それでも、ネットワークトポロジは、PCNのトランザクションスループットを最大化するために慎重に設計されなければならない。
さらに、PCNのユーザは、どのトランザクションを転送するか、どのトランザクションを拒否してチャネルの寿命を延ばさなければならない。
この作業では、$p$のパーティに対するトランザクションの入力シーケンスについて検討する。
各トランザクションは、トランザクションサイズ、ソース、ターゲットで構成され、受け入れられるか、拒否される(コストがかかる)。
目標は、$p$の協力者間のPCNトポロジをチャネル容量とともに設計し、各トランザクションに対する決定をシーケンスで出力し、チャネルの作成と拡張のコストを最小化し、トランザクションを拒否するコストを最小化することである。
私たちの主な貢献は$\mathcal{O}(p)$ approximation algorithm for the problem with $p$ partiesである。
さらに、トランザクションの分布に関する仮定では、近似比を$\mathcal{O}(\sqrt{p})$に下げることができる。
我々は、Lightning Networkの文脈における仮定とアプローチの実証的研究により、理論解析を補完する。
関連論文リスト
- Efficient Blockchain-based Steganography via Backcalculating Generative Adversarial Network [105.47203971578871]
汎用ブロックチェーンベースのステガノグラフィーフレームワーク(GBSF)を提案する。
送信者は、追加の隠蔽データを埋め込んでチャネル容量を高めるために、量や手数料などの必要なフィールドを生成する。
GBSFに基づいて, 可逆的生成逆ネットワーク(R-GAN)を設計する。
対数直観的データ前処理とカスタムアクティベーション機能を備えたR-GAN,すなわちCCR-GANを提案する。
論文 参考訳（メタデータ） (2025-06-19T04:43:41Z) - Contrastive Learning for Efficient Transaction Validation in UTXO-based Blockchains [0.0]
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。
論文 参考訳（メタデータ） (2025-06-02T12:54:39Z) - Travelers: A scalable fair ordering BFT system [7.891481513306302]
最も効率的なBFTコンセンサスは$O(nTL + n2T)$通信複雑性を必要とする。
本稿では,BFT公正注文プロトコルであるTravelersを提案する。
論文 参考訳（メタデータ） (2024-01-04T02:14:18Z) - RACED: Routing in Payment Channel Networks Using Distributed Hash Tables [0.9558392439655012]
ペイメントチャネルネットワーク(PCN)のようなオフチェーンの金融メカニズムは、ブロックチェーンに各トランザクションを記述することなく、マイクロペイメントトランザクションを含むさまざまな量のトランザクションを処理するのに役立つ。
本稿では,分散ハッシュテーブル(DHT)の考え方を利用して,PCN内のトランザクションを高速かつセキュアにルーティングするルーティングプロトコル RACED を提案する。
実世界のトランザクションデータセットに関する我々の実験によると、RASDは平均トランザクション成功率98.74%、平均パスフィニング時間は31.242秒、平均パスフィニング時間は1.65*103$、1.8*103$、および4.4である。
論文 参考訳（メタデータ） (2023-11-29T14:31:15Z) - DAG-Sword: A Simulator of Large-Scale Network Topologies for DAG-Oriented Proof-of-Work Blockchains [2.0124254762298794]
本稿では,DAGに基づくコンセンサスプロトコルに着目し,離散イベントシミュレータを提案する。
我々のシミュレーターは、Bitcoinネットワークのデータから生成された現実的なブロックチェーンネットワークをシミュレートすることができる。
7000ノードの大規模ネットワーク上で得られた結果により,10ノードの小規模ネットワークを含む関連作業の結果を拡張した。
論文 参考訳（メタデータ） (2023-11-08T12:31:11Z) - Normalizing flows as approximations of optimal transport maps via linear-control neural ODEs [49.1574468325115]
我々は、絶対連続測度$mu,nuinmathcalP(mathbbRn)$間の$Wimat$-optimal transport map Tを線形制御ニューラルネットワークのフローとして回収する問題を考える。
論文 参考訳（メタデータ） (2023-11-02T17:17:03Z) - Communication-Efficient Adam-Type Algorithms for Distributed Data Mining [93.50424502011626]
我々はスケッチを利用した新しい分散Adam型アルゴリズムのクラス(例:SketchedAMSGrad)を提案する。
我々の新しいアルゴリズムは、反復毎に$O(frac1sqrtnT + frac1(k/d)2 T)$の高速収束率を$O(k log(d))$の通信コストで達成する。
論文 参考訳（メタデータ） (2022-10-14T01:42:05Z) - Deep Reinforcement Learning-based Rebalancing Policies for Profit
Maximization of Relay Nodes in Payment Channel Networks [7.168126766674749]
本研究では, 海底スワップの再バランス手法を用いて, リレーノードが手数料から利益を最大化する方法について検討した。
我々は,すべての再バランスポリシに対して時間とともにノードの運命の問題を定式化し,Deep Reinforcement Learningベースの再バランスポリシを設計することによって最適解を近似する。
論文 参考訳（メタデータ） (2022-10-13T19:11:10Z) - Acceleration in Distributed Optimization Under Similarity [72.54787082152278]
集中ノードを持たないエージェントネットワーク上での分散(強い凸)最適化問題について検討する。
$varepsilon$-solutionは$tildemathcalrhoObig(sqrtfracbeta/mu (1-)log1/varepsilonbig)$通信ステップ数で達成される。
この速度は、関心のクラスに適用される分散ゴシップ-アルゴリズムの、初めて(ポリログ因子まで)より低い複雑性の通信境界と一致する。
論文 参考訳（メタデータ） (2021-10-24T04:03:00Z) - 1$\times$N Block Pattern for Network Sparsity [90.43191747596491]
我々は,この制限を破るために,ブロック間隔パターン(ブロックプルーニング)を1時間で定義する新しい概念を提案する。
このパターンはMobileNet-V2の上位1の精度でフィルタプルーニングよりも約3.0%改善されている。
また、重み付けによるCortex-A7 CPUの56.04msの推論も得る。
論文 参考訳（メタデータ） (2021-05-31T05:50:33Z)
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。