Fugu-MT 論文翻訳(概要): OTS-PC: OTS-based Payment Channels for the Lightning Network

論文の概要: OTS-PC: OTS-based Payment Channels for the Lightning Network

arxiv url: http://arxiv.org/abs/2511.04021v1
Date: Thu, 06 Nov 2025 03:40:15 GMT
ステータス: 翻訳完了
システム内更新日: 2025-11-07 20:17:53.290192
Title: OTS-PC: OTS-based Payment Channels for the Lightning Network
Title（参考訳）: OTS-PC:OTSベースのLightningネットワーク向け支払いチャネル
Authors: Sergio Demian Lerner, Ariel Autoransky,
Abstract要約: 状態列数に基づくOne-Time Signaturesに基づく新しいタイプの双方向支払いチャネルを提案する。この新しい構成は、Poon-Dryja構造よりも単純だが、$O(1)$ストレージ、1チャネルあたりのストレージ、情報リークの最小化、Lightning Networkルーティングとの互換性など、多くのメリットを提供している。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present a new type of bidirectional payment channel based on One-Time Signatures on state sequence numbers. This new construction is simpler than the Poon-Dryja construction, but provides a number of benefits such as $O(1)$ storage per channel, minimal information leakage, and compatibility with Lightning Network routing.
Abstract（参考訳）: 状態列数に基づくOne-Time Signaturesに基づく新しいタイプの双方向支払いチャネルを提案する。この新しい構成は、Poon-Dryja構造よりも単純だが、$O(1)$ストレージ、1チャネルあたりのストレージ、情報リークの最小化、Lightning Networkルーティングとの互換性など、多くのメリットを提供している。

関連論文リスト

Starfish: Rebalancing Multi-Party Off-Chain Payment Channels [23.267347756758618]
本稿では,星型ネットワーク構造を捕捉し,高い再バランス効率とチャネル容量を実現する再バランス手法であるStarfishを提案する。 Starfishは、独立したチャネルを接続し、すべてのチャネルの総予算を集約するために、オンチェーンでN$のオペレーションしか必要としない。
論文参考訳（メタデータ） (2025-04-29T08:30:33Z)
Channel Balance Interpolation in the Lightning Network via Machine Learning [2.5292085691838664]
Bitcoin Lightning Networkは、Bitcoinのスケーラビリティに対処するレイヤ2支払いプロトコルである。本研究は、ネットワーク内のチャネルバランスを補間するために機械学習モデルを使用することの可能性を検討する。
論文参考訳（メタデータ） (2024-05-20T14:57:16Z)
Payout Races and Congested Channels: A Formal Analysis of Security in the Lightning Network [8.397189036839956]
Lightning Networkは、Bitcoinのスケーラビリティ問題を解決するために設計された支払いチャネルネットワークである。いくつかの脆弱性が手作業で発見されたが、これまでLightning Networkのセキュリティを体系的に分析する作業はほとんど行われていない。我々は、正式な手法を用いて、Lightning Networkのセキュリティを分析するための基礎的なアプローチを採っている。
論文参考訳（メタデータ） (2024-05-03T14:52:47Z)
A Robust Semantic Frame Parsing Pipeline on a New Complex Twitter Dataset [53.73316523766183]
我々は,emphOODパターンとemphOOVトークンの両方を扱えるロバストなセマンティックフレーム解析パイプラインを導入する。また、E2Eアプリケーションを構築して、アルゴリズムの有効性をデモし、それが実際のアプリケーションで有用である理由を示す。
論文参考訳（メタデータ） (2022-12-18T01:59:49Z)
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)
Learning Emergent Random Access Protocol for LEO Satellite Networks [51.575090080749554]
創発的ランダムアクセスチャネルプロトコル(eRACH)と呼ばれるLEO SATネットワークのための新しい許可なしランダムアクセスソリューションを提案する。 eRACHは、非定常ネットワーク環境との相互作用によって生じるモデルフリーなアプローチである。 RACHと比較して,提案するeRACHは平均ネットワークスループットが54.6%向上することを示す。
論文参考訳（メタデータ） (2021-12-03T07:44:45Z)
Lite-HRNet: A Lightweight High-Resolution Network [97.17242913089464]
人間のポーズ推定に有効な高分解能ネットワークLite-HRNetを提案する。シャッフルブロックにおける高用量(1x1)の畳み込みが計算ボトルネックとなる。シャッフルブロックにおけるコストのかかる(1x1)畳み込みを置き換えるために,軽量な条件付きチャネル重み付けを導入する。
論文参考訳（メタデータ） (2021-04-13T17:59:31Z)
CAnet: Uplink-aided Downlink Channel Acquisition in FDD Massive MIMO using Deep Learning [51.72869237847767]
周波数分割二重化システムでは、ダウンリンクチャネル状態情報(CSI)取得方式は高いトレーニングとフィードバックのオーバーヘッドをもたらす。これらのオーバーヘッドを削減するためにディープラーニングを用いたアップリンク支援ダウンリンクチャネル獲得フレームワークを提案する。
論文参考訳（メタデータ） (2021-01-12T10:12:28Z)
Temporally Distributed Networks for Fast Video Semantic Segmentation [64.5330491940425]
TDNetは、高速かつ正確なビデオセマンティックセグメンテーションのために設計された時間分散ネットワークである。我々は,深層CNNの特定の高層層から抽出した特徴を,より浅いサブネットワークから抽出した特徴の合成により近似することができることを観察した。 Cityscapes, CamVid, NYUD-v2 の実験により,本手法が高速かつ低レイテンシで最先端の精度を実現することを示す。
論文参考訳（メタデータ） (2020-04-03T22:43:32Z)
Decentralized Learning for Channel Allocation in IoT Networks over Unlicensed Bandwidth as a Contextual Multi-player Multi-armed Bandit Game [134.88020946767404]
本稿では,プライマリセルネットワークにライセンスされたスペクトルに基づいて,アドホックなモノのインターネットネットワークにおける分散チャネル割り当て問題について検討する。本研究では,この問題をコンテキスト型マルチプレイヤー・マルチアームバンディットゲームにマッピングし,試行錯誤による純粋に分散化された3段階ポリシー学習アルゴリズムを提案する。
論文参考訳（メタデータ） (2020-03-30T10:05:35Z)

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。