論文の概要: A Proof of Success and Reward Distribution Protocol for Multi-bridge Architecture in Cross-chain Communication

• arxiv url: http://arxiv.org/abs/2512.10667v1
• Date: Thu, 11 Dec 2025 14:15:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-12 16:15:42.399288
• Title: A Proof of Success and Reward Distribution Protocol for Multi-bridge Architecture in Cross-chain Communication
• Title（参考訳）: クロスチェーン通信におけるマルチブリッジアーキテクチャの成功と逆分散プロトコルの証明
• Authors: Damilare Peter Oyinloye, Mohd Sameen Chishti, Jingyue Li,
• Abstract要約: 本稿では,新しいマルチブリッジ応答調整およびインセンティブ分散プロトコルPSCRDを提案する。 PSCRDは,橋梁間の転送料金を公平に分配する公平な報奨配信システムを導入している。 その目的は、より高い分散化と低い単一障害リスクのためのブリッジ参加を促進することである。
• 参考スコア（独自算出の注目度）: 3.6704226968275253
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Single-bridge blockchain solutions enable cross-chain communication. However, they are associated with centralization and single-point-of-failure risks. This paper proposes Proof of Success and Reward Distribution (PSCRD), a novel multi-bridge response coordination and incentive distribution protocol designed to address the challenges. PSCRD introduces a fair reward distribution system that equitably distributes the transfer fee among participating bridges, incentivizing honest behavior and sustained commitment. The purpose is to encourage bridge participation for higher decentralization and lower single-point-of-failure risks. The mathematical analysis and simulation results validate the effectiveness of PSCRD using two key metrics: the Gini index, which demonstrates a progressive improvement in the fairness of the reward distribution as new bridge groups joined the network; and the Nakamoto coefficient, which shows a significant improvement in decentralization over time. These findings highlight that PSCRD provides a more resilient and secure cross-chain bridge system without substantially increasing user costs.
• Abstract（参考訳）: シングルブリッジブロックチェーンソリューションは、クロスチェーン通信を可能にする。 しかし、それらは中央集権化と単一障害リスクと関連している。 本稿では,新しいマルチブリッジ応答調整およびインセンティブ分散プロトコルPSCRDを提案する。 PSCRDは公平な報酬分配システムを導入し、参加する橋間で転送手数料を均等に分配し、誠実な行動と持続的なコミットメントを動機付ける。 その目的は、より高い分散化と低い単一障害リスクのためのブリッジ参加を促進することである。 数式解析とシミュレーションの結果,新たな橋梁群がネットワークに加わったときの報酬分布の公平性の向上を示すジニ指数と,時間とともに分散化が著しく向上する中本係数の2つの主要な指標を用いてPSCRDの有効性を検証した。 これらの結果は,PSCRDがユーザコストを大幅に増大させることなく,よりレジリエントでセキュアなクロスチェーンブリッジシステムを提供することを示している。

関連論文リスト

• xRWA: A Cross-Chain Framework for Interoperability of Real-World Assets [22.17656539671745]
  リアルワールド・アセット(Real-World Assets、RWA)は、分散インフラで伝統的な金融商品をブリッジする手段として注目されている。 我々は、アイデンティティ管理、認証、インタラクションを重視したRWAのためのクロスチェーンフレームワークを提案する。 我々は、チャンネル閉鎖を必要とせず、RWAの解決を可能にするクロスチェーンチャネルを設計し、運用効率を向上する。
  論文  参考訳（メタデータ） (2025-09-16T11:01:49Z)
• Commit-Reveal$^2$: Securing Randomness Beacons with Randomized Reveal Order in Smart Contracts [25.885166716453153]
  最終公開順序を暗号化的にランダム化するブロックチェーンデプロイメントのための層設計であるCommit-Reveal$2$を提示します。 このプロトコルはハイブリッドシステムとして設計されており、ルーチン調整が効率性のためにチェーンから外れている。 ブロックチェーンアプリケーションにおけるレプリケーションと採用をサポートするために、公に検証可能なプロトタイプと評価アーティファクトをリリースしています。
  論文  参考訳（メタデータ） (2025-04-04T21:05:51Z)
• Proof-of-Collaborative-Learning: A Multi-winner Federated Learning Consensus Algorithm [2.5203968759841158]
  協調学習(PoCL, Proof-of-Collaborative-Learning)は,多自由度学習による協調学習によるコンセンサス機構である。 PoCLはブロックチェーンのパワーをリダイレクトして、フェデレートされた学習モデルをトレーニングする。 鉱夫の局所訓練モデルの効率性を確保するための新しい評価機構を提案する。
  論文  参考訳（メタデータ） (2024-07-17T21:14:05Z)
• Unsupervised Visible-Infrared Person ReID by Collaborative Learning with Neighbor-Guided Label Refinement [53.044703127757295]
  教師なし学習 可視赤外人物再識別 (USL-VI-ReID) は、ラベルなしのクロスモダリティデータセットからモダリティ不変の特徴を学習することを目的としている。 本稿では,生成したラベルを1つのモダリティからそれに対応するモダリティに同時に割り当てる,Dual Optimal Transport Label Assignment (DOTLA) フレームワークを提案する。 提案したDOTLA機構は、相互強化と相互モダリティデータアソシエーションの効率的な解を定式化することにより、不十分でノイズの多いラベルアソシエーションの副作用を効果的に低減することができる。
  論文  参考訳（メタデータ） (2023-05-22T04:40:30Z)
• Fair and Efficient Distributed Edge Learning with Hybrid Multipath TCP [62.81300791178381]
  無線による分散エッジ学習のボトルネックは、コンピューティングから通信へと移行した。 DEL用の既存のTCPベースのデータネットワークスキームは、アプリケーションに依存しず、アプリケーション層要求に応じて調整を施さない。 DELのためのモデルベースと深部強化学習(DRL)に基づくMP TCPを組み合わせたハイブリッドマルチパスTCP(MP TCP)を開発した。
  論文  参考訳（メタデータ） (2022-11-03T09:08:30Z)
• Revisiting QMIX: Discriminative Credit Assignment by Gradient Entropy Regularization [126.87359177547455]
  協力的なマルチエージェントシステムでは、エージェントは共同で行動し、個々の報酬ではなくチーム報酬を受け取る。 個々の報酬信号がない場合は、通常、異なるエージェントの貢献を識別するためにクレジット代入機構が導入される。 クレジット割当測定の新しい視点を提案し,QMIXがエージェントへのクレジット割当において限定的な差別性に悩まされていることを実証的に示す。
  論文  参考訳（メタデータ） (2022-02-09T12:37:55Z)

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。