論文の概要: TDC-Cache: A Trustworthy Decentralized Cooperative Caching Framework for Web3.0
- arxiv url: http://arxiv.org/abs/2512.09961v1
- Date: Wed, 10 Dec 2025 02:52:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-12 16:15:41.996981
- Title: TDC-Cache: A Trustworthy Decentralized Cooperative Caching Framework for Web3.0
- Title（参考訳）: TDC-Cache: Web3.0のための信頼できる分散協調キャッシュフレームワーク
- Authors: Jinyu Chen, Long Shi, Taotao Wang, Jiaheng Wang, Wei Zhang,
- Abstract要約: 我々はWeb3.0のためのTDCキャッシュ(Trustworthy Decentralized Cooperative Caching)フレームワークを開発し、効率的なキャッシュを実現する。
本稿では,分散オラクルのキャッシュ戦略を動的に最適化するために,TDCキャッシュのためのDeep Reinforcement Learning-Based Decentralized Caching (DRL-DC)を提案する。
実験の結果,既存のアプローチと比較して,提案フレームワークは平均アクセスレイテンシを20%削減し,キャッシュヒット率を少なくとも18%向上し,平均成功コンセンサス率を10%向上することがわかった。
- 参考スコア（独自算出の注目度）: 15.351179449599998
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The rapid growth of Web3.0 is transforming the Internet from a centralized structure to decentralized, which empowers users with unprecedented self-sovereignty over their own data. However, in the context of decentralized data access within Web3.0, it is imperative to cope with efficiency concerns caused by the replication of redundant data, as well as security vulnerabilities caused by data inconsistency. To address these challenges, we develop a Trustworthy Decentralized Cooperative Caching (TDC-Cache) framework for Web3.0 to ensure efficient caching and enhance system resilience against adversarial threats. This framework features a two-layer architecture, wherein the Decentralized Oracle Network (DON) layer serves as a trusted intermediary platform for decentralized caching, bridging the contents from decentralized storage and the content requests from users. In light of the complexity of Web3.0 network topologies and data flows, we propose a Deep Reinforcement Learning-Based Decentralized Caching (DRL-DC) for TDC-Cache to dynamically optimize caching strategies of distributed oracles. Furthermore, we develop a Proof of Cooperative Learning (PoCL) consensus to maintain the consistency of decentralized caching decisions within DON. Experimental results show that, compared with existing approaches, the proposed framework reduces average access latency by 20%, increases the cache hit rate by at most 18%, and improves the average success consensus rate by 10%. Overall, this paper serves as a first foray into the investigation of decentralized caching framework and strategy for Web3.0.
- Abstract（参考訳）: Web3.0の急速な成長により、インターネットは中央集権的な構造から分散化され、ユーザ自身のデータに対する前例のない自己主権を持つようになる。
しかし、Web3.0内の分散データアクセスの文脈では、冗長データの複製による効率上の懸念と、データ不整合によるセキュリティ上の脆弱性に対処することが不可欠である。
これらの課題に対処するため、Web3.0向けのTrustworthy Decentralized Cooperative Caching (TDC-Cache)フレームワークを開発し、効率的なキャッシングと敵の脅威に対するシステムのレジリエンスを高める。
このフレームワークは2層アーキテクチャを備えており、分散化されたOracle Network(DON)レイヤは、分散化されたキャッシュのための信頼できる仲介プラットフォームとして機能し、分散化されたストレージからコンテンツをブリッジし、ユーザからのコンテンツ要求をブリッジする。
Web3.0ネットワークトポロジとデータフローの複雑さを考慮して,分散オラクルのキャッシュ戦略を動的に最適化する,TDCキャッシュのためのDeep Reinforcement Learning-Based Decentralized Caching (DRL-DC)を提案する。
さらに、DON内の分散キャッシュ決定の一貫性を維持するために、協調学習の証明(PoCL)コンセンサスを開発する。
実験の結果,既存のアプローチと比較して,提案フレームワークは平均アクセスレイテンシを20%削減し,キャッシュヒット率を少なくとも18%向上し,平均成功コンセンサス率を10%向上することがわかった。
全体として、この論文は、分散キャッシュフレームワークとWeb3.0の戦略の調査への第一歩となる。
関連論文リスト
- A Decentralized Retrieval Augmented Generation System with Source Reliabilities Secured on Blockchain [18.738400901246898]
分散化は課題をもたらします。多数の独立したデータソースは信頼性に大きく違いがあります。
本システムでは,実世界のような信頼性の低いデータ環境において,集中型データに比べて+10.7%の性能向上を実現している。
分散インフラは、安全で信頼性の高いスコア管理を可能にし、約56%の限界コスト削減を実現している。
論文 参考訳（メタデータ） (2025-11-10T19:40:30Z) - Boosting the Performance of Decentralized Federated Learning via Catalyst Acceleration [66.43954501171292]
本稿では,Catalytics Accelerationを導入し,DFedCataと呼ばれる促進型分散フェデレート学習アルゴリズムを提案する。
DFedCataは、パラメータの不整合に対処するMoreauエンベロープ関数と、アグリゲーションフェーズを加速するNesterovの外挿ステップの2つの主要コンポーネントで構成されている。
実験により, CIFAR10/100における収束速度と一般化性能の両面において, 提案アルゴリズムの利点を実証した。
論文 参考訳（メタデータ） (2024-10-09T06:17:16Z) - SCALE: Self-regulated Clustered federAted LEarning in a Homogeneous Environment [4.925906256430176]
フェデレートラーニング(FL)は、ユーザのプライバシを維持しながら、分散機械学習を実現するための変革的なアプローチとして登場した。
本稿では,エッジサーバへの依存を排除し,これらの制約を克服する新しいFL手法を提案する。
論文 参考訳（メタデータ） (2024-07-25T20:42:16Z) - Digital Twin-Assisted Data-Driven Optimization for Reliable Edge Caching in Wireless Networks [60.54852710216738]
我々はD-RECと呼ばれる新しいデジタルツインアシスト最適化フレームワークを導入し、次世代無線ネットワークにおける信頼性の高いキャッシュを実現する。
信頼性モジュールを制約付き決定プロセスに組み込むことで、D-RECは、有利な制約に従うために、アクション、報酬、状態を適応的に調整することができる。
論文 参考訳（メタデータ） (2024-06-29T02:40:28Z) - 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) - Emergency Caching: Coded Caching-based Reliable Map Transmission in
Emergency Networks [9.423705897088672]
本稿では,データ収集と信頼性伝送に着目したキャッシュネットワークの3層アーキテクチャを提案する。
我々は,コードキャッシュ技術を統合した災害地図収集フレームワークを提案する。
提案手法は,シミュレーションにより検証した非符号化キャッシュ方式よりも効果的である。
論文 参考訳（メタデータ） (2024-02-27T14:44:11Z) - Distributed Reinforcement Learning for Privacy-Preserving Dynamic Edge
Caching [91.50631418179331]
MECネットワークにおけるデバイスのキャッシュヒット率を最大化するために,プライバシ保護型分散ディープポリシー勾配(P2D3PG)を提案する。
分散最適化をモデルフリーなマルコフ決定プロセス問題に変換し、人気予測のためのプライバシー保護フェデレーション学習手法を導入する。
論文 参考訳（メタデータ） (2021-10-20T02:48:27Z) - Reinforcement Learning for Caching with Space-Time Popularity Dynamics [61.55827760294755]
キャッシングは次世代ネットワークにおいて重要な役割を果たすと想定されている。
コンテンツをインテリジェントにプリフェッチし、保存するためには、キャッシュノードは、何といつキャッシュするかを学ばなければならない。
本章では、近似キャッシングポリシー設計のための多目的強化学習に基づくアプローチを提案する。
論文 参考訳（メタデータ） (2020-05-19T01:23:51Z)
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。