論文の概要: DyPBP: Dynamic Peer Beneficialness Prediction for Cryptocurrency P2P Networking
- arxiv url: http://arxiv.org/abs/2511.17523v1
- Date: Wed, 22 Oct 2025 00:36:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-07 19:06:32.241343
- Title: DyPBP: Dynamic Peer Beneficialness Prediction for Cryptocurrency P2P Networking
- Title（参考訳）: DyPBP: 量子P2Pネットワークのための動的ピアベネシリネス予測
- Authors: Nazmus Sakib, Simeon Wuthier, Amanul Islam, Xiaobo Zhou, Jinoh Kim, Ikkyun Kim, Sang-Yoon Chang,
- Abstract要約: DyPBP(Dynamic Peer Beneficialness Prediction)の設計と構築
DyPBPは、ブロックとトランザクションの到着だけでなく、ネットワークの振る舞いの観察を利用することで、ピアの利益を予測する。
我々は、メインネットに接続されたアクティブなBitcoinノード上にDyPBPを実装し、機械学習を用いて有益性予測を行う。
- 参考スコア（独自算出の注目度）: 3.063985483050225
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Distributed peer-to-peer (P2P) networking delivers the new blocks and transactions and is critical for the cryptocurrency blockchain system operations. Having poor P2P connectivity reduces the financial rewards from the mining consensus protocol. Previous research defines beneficalness of each Bitcoin peer connection and estimates the beneficialness based on the observations of the blocks and transactions delivery, which are after they are delivered. However, due to the infrequent block arrivals and the sporadic and unstable peer connections, the peers do not stay connected long enough to have the beneficialness score to converge to its expected beneficialness. We design and build Dynamic Peer Beneficialness Prediction (DyPBP) which predicts a peer's beneficialness by using networking behavior observations beyond just the block and transaction arrivals. DyPBP advances the previous research by estimating the beneficialness of a peer connection before it delivers new blocks and transactions. To achieve such goal, DyPBP introduces a new feature for remembrance to address the dynamic connectivity issue, as Bitcoin's peers using distributed networking often disconnect and re-connect. We implement DyPBP on an active Bitcoin node connected to the Mainnet and use machine learning for the beneficialness prediction. Our experimental results validate and evaluate the effectiveness of DyPBP; for example, the error performance improves by 2 to 13 orders of magnitude depending on the machine-learning model selection. DyPBP's use of the remembrance feature also informs our model selection. DyPBP enables the P2P connection's beneficialness estimation from the connection start before a new block arrives.
- Abstract（参考訳）: 分散ピアツーピア(P2P)ネットワークは、新しいブロックとトランザクションを提供し、ブロックチェーンのブロックチェーンシステム運用に不可欠である。
P2P接続の貧弱さは、マイニングコンセンサスプロトコルからの金銭的報酬を減少させる。
従来の研究では、それぞれのBitcoinピア接続の便益性を定義し、そのメリットを、配達後のブロックとトランザクションのデリバリの観察に基づいて見積もっていた。
しかし、頻度の低いブロック到着と、散発的で不安定なピア接続のため、ピアは、その期待する利益度に収束する利益度スコアを得るのに十分な長さの接続を保たない。
我々は、ブロックやトランザクション到着以上のネットワーク行動観測を用いて、ピアの利益を予測する動的ピアベネシリアルネス予測(DyPBP)を設計・構築する。
DyPBPは、新しいブロックとトランザクションを提供する前にピア接続の利点を見積もることで、以前の研究を前進させる。
このような目標を達成するため、DyPBPは動的接続問題に対処するためのリメーナンスのための新機能を導入した。
我々は、メインネットに接続されたアクティブなBitcoinノード上にDyPBPを実装し、機械学習を用いて有益性予測を行う。
実験により,DyPBPの有効性を検証,評価し,例えば,機械学習モデルの選択によって誤差性能を2～13桁改善した。
また、DyPBPのリメーナンス機能は、私たちのモデル選択を知らせてくれる。
DyPBPは、新しいブロックが到着する前に接続開始からP2P接続の有益性推定を可能にする。
関連論文リスト
- Toward Effective PBFT Consensus Service under Software Aging in Dynamic Scenarios [3.498908251824119]
本稿では,PBFTコンセンサスサービスにおいて,ソフトウェア老化シナリオ下でのコンセンサス処理時間とメンテナンスコストを削減する方法について検討する。
まず,3つのサブシステム,1つのアクティブノードサブシステム,1つのスタンドバイノードサブシステム,および1つの修復サブシステムからなるPBFTシステムを提案する。
論文 参考訳（メタデータ） (2025-04-14T01:41:53Z) - PAUSE: Low-Latency and Privacy-Aware Active User Selection for Federated Learning [49.02872047060618]
フェデレートラーニング(FL)は、エッジデバイスが、潜在的にプライベートなデータを共有することなく、機械学習モデルを協調的にトレーニングすることを可能にする。
FLには2つの重要な課題がある。第一に、時間とともにプライバシーの漏洩が蓄積され、第二に、通信のレイテンシである。
本稿では,アクティブユーザ選択によるプライバシー漏洩と通信遅延の蓄積を共同で解決する手法を提案する。
論文 参考訳（メタデータ） (2025-03-17T13:50:35Z) - Bidirectional Decoding: Improving Action Chunking via Guided Test-Time Sampling [51.38330727868982]
動作チャンキングが学習者と実証者の間の分岐にどのように影響するかを示す。
動作チャンキングをクローズドループ適応でブリッジするテスト時間推論アルゴリズムである双方向デコーディング(BID)を提案する。
提案手法は、7つのシミュレーションベンチマークと2つの実世界のタスクにまたがって、最先端の2つの生成ポリシーの性能を向上させる。
論文 参考訳（メタデータ） (2024-08-30T15:39:34Z) - 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) - Blockchain Assisted Decentralized Federated Learning (BLADE-FL) with
Lazy Clients [124.48732110742623]
フェデレートラーニング(FL)にブロックチェーンを統合する新しいフレームワークを提案する。
BLADE-FLは、プライバシー保護、改ざん抵抗、学習の効果的な協力の点で優れたパフォーマンスを持っている。
遅延クライアントは、他人のトレーニングされたモデルを盗聴し、不正行為を隠すために人工的なノイズを加える。
論文 参考訳（メタデータ） (2020-12-02T12:18:27Z) - Proof of Learning (PoLe): Empowering Machine Learning with Consensus
Building on Blockchains [7.854034211489588]
ニューラルネットワーク(NN)の最適化に向けて,新たなコンセンサスメカニズムであるPoLe(Proof of Learning)を提案する。
我々のメカニズムでは、トレーニング/テストデータはブロックチェーンネットワーク全体(BCN)にリリースされ、コンセンサスノードはデータ上でNNモデルをトレーニングします。
我々はPoLeがより安定したブロック生成率を達成でき、それによってより効率的なトランザクション処理が実現できることを示す。
論文 参考訳（メタデータ） (2020-07-29T22:53:43Z) - FedCoin: A Peer-to-Peer Payment System for Federated Learning [14.234863914981556]
Federated Learning(FL)は、プライバシに関する分散データセット上でモデルをトレーニングする、新たなコラボレーティブ機械学習手法である。
データ所有者に適切なインセンティブを与えるために、Shapley Value(SV)がしばしば採用され、その貢献を適切に評価する。
我々は、FLのためのブロックチェーンベースのピアツーピア支払いシステムであるFedCoinを提案し、実現可能なSVベースの利益分配を実現する。
論文 参考訳（メタデータ） (2020-02-26T03:43:48Z)
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。