論文の概要: Intelligent Adaptive Federated Byzantine Agreement for Robust Blockchain Consensus

• arxiv url: http://arxiv.org/abs/2512.12568v1
• Date: Sun, 14 Dec 2025 06:25:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-16 17:54:56.317868
• Title: Intelligent Adaptive Federated Byzantine Agreement for Robust Blockchain Consensus
• Title（参考訳）: ロバスト・ブロックチェーン・コンセンサスのための知的適応型ビザンチン合意
• Authors: Erdhi Widyarto Nugroho, R. Rizal Isnanto, Luhur Bayuaji,
• Abstract要約: ビザンティン協定(FBA)は、重なり合うクォーラムスライスに依存することで、迅速な合意を達成する。 しかし、このアーキテクチャは、バリデータのうち約4分の1がダウンしたとき、バリデータに高い依存度をもたらす。 我々は、この欠点を克服するために、リアルタイムバリデータ評価に基づいて量子スライスをインテリジェントに再構成できるAdaptiveアーキテクチャを考案した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Federated Byzantine Agreement (FBA) achieves rapid consensus by relying on overlapping quorum slices. But this architecture leads to a high dependence on the availability of validators when about one fourth of validators go down, the classical FBA can lose liveness or fail to reach agreement. We thus come up with an Adaptive FBA architecture that can reconfigure quorum slices intelligently based on real time validator reputation to overcome this drawback. Our model includes trust scores computed from EigenTrust and a sliding window behavioral assessment to determine the reliability of validators. We have built the intelligent adaptive FBA model and conducted tests in a Stellar based setting. Results of real life experiments reveal that the system is stable enough to keep consensus when more than half of the validators (up to 62 percent) are disconnected, which is a great extension of the failure threshold of a classical FBA. A fallback mode allows the network to be functional with as few as three validators, thus showing a significant robustness enhancement. Besides, a comparative study with the existing consensus protocols shows that Adaptive FBA can be an excellent choice for the next generation of blockchain systems, especially for constructing a resilient blockchain infrastructure.
• Abstract（参考訳）: 連邦ビザンツ協定(FBA)は、重なり合うクォーラムスライスに依存することで、迅速な合意を達成する。 しかし、このアーキテクチャは、バリデーターの約4分の1がダウンすると、バリデーターの可用性への高い依存につながります。 そこで我々は、この欠点を克服するために、リアルタイムバリデータ評価に基づいて量子スライスをインテリジェントに再構成できる適応型FBAアーキテクチャを考案した。 提案モデルには,EigenTrustから算出した信頼スコアと,検証者の信頼性を判定するスライディングウインドウ行動評価が含まれている。 我々は、インテリジェント適応型FBAモデルを構築し、Stellarベースの環境でテストを実行した。 実生活実験の結果、バリデータの半分以上(最大62%)が切断された場合、システムはコンセンサスを維持するのに十分安定であることが判明した。 フォールバックモードでは、ネットワークを3つのバリデータで機能させることができる。 さらに、既存のコンセンサスプロトコルとの比較研究によると、Adaptive FBAは、次世代のブロックチェーンシステム、特にレジリエントなブロックチェーンインフラストラクチャ構築において、優れた選択肢となる可能性がある。

関連論文リスト

• BRIDGE: Building Representations In Domain Guided Program Verification [67.36686119518441]
  BRIDGEは、検証をコード、仕様、証明の3つの相互接続ドメインに分解する。 提案手法は, 標準誤差フィードバック法よりも精度と効率を著しく向上することを示す。
  論文  参考訳（メタデータ） (2025-11-26T06:39:19Z)
• Bayesian Test-time Adaptation for Object Recognition and Detection with Vision-language Models [86.53246292425699]
  我々は、オブジェクト認識と検出の両方のためのTTAのためのトレーニングフリーフレームワークであるBCA+を提案する。 我々はベイズ推論問題として適応を定式化し、キャッシュベースの予測で初期VLM出力を融合することで最終的な予測を生成する。 BCA+は、認識と検出のベンチマークの両方で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-10-03T06:27:33Z)
• Privacy-Preserving Federated Learning Framework for Risk-Based Adaptive Authentication [1.2366208723499545]
  本稿では,リスクベース適応認証のための新しいフェデレートラーニングフレームワークであるFL-RBA2を紹介する。 数学的に基底付けられた類似性変換を通じて、非IID問題に対処する。 分散クライアント間のアンバイアスアグリゲーションとパーソナライズされたリスクモデリングをサポートする。
  論文  参考訳（メタデータ） (2025-08-25T20:02:07Z)
• COIN: Uncertainty-Guarding Selective Question Answering for Foundation Models with Provable Risk Guarantees [51.5976496056012]
  COINは、統計的に有効な閾値を校正し、質問毎に1つの生成された回答をフィルタリングする不確実性保護選択フレームワークである。 COINはキャリブレーションセット上で経験的誤差率を推定し、信頼区間法を適用して真誤差率に高い確率上界を確立する。 リスク管理におけるCOINの堅牢性,許容回答を維持するための強いテストタイムパワー,キャリブレーションデータによる予測効率を実証する。
  論文  参考訳（メタデータ） (2025-06-25T07:04:49Z)
• FLoW3 -- Web3 Empowered Federated Learning [0.0]
  フェデレートラーニングは、データポジショニング、モデルポジショニング、中間攻撃における人など、さまざまな種類の攻撃に影響を受けやすい。 バリデーションはNoverety DetectionとSnowballプロトコルを使用してコンセンサスによって行われる。 システムは、スマートコントラクト開発のためのpythonとFoundryの実装によって実現される。
  論文  参考訳（メタデータ） (2023-12-09T04:05:07Z)
• When Does Confidence-Based Cascade Deferral Suffice? [69.28314307469381]
  カスケードは、推論コストをサンプル毎に適応的に変化させる古典的な戦略である。 deferralルールは、シーケンス内の次の分類子を呼び出すか、または予測を終了するかを決定する。 カスケードの構造に執着しているにもかかわらず、信頼に基づく推論は実際は極めてうまく機能することが多い。
  論文  参考訳（メタデータ） (2023-07-06T04:13:57Z)
• Exploring validation metrics for offline model-based optimisation with diffusion models [50.404829846182764]
  モデルベース最適化(MBO)では、マシンラーニングを使用して、(基底真理)オラクルと呼ばれるブラックボックス関数に対する報酬の尺度を最大化する候補を設計することに興味があります。 モデル検証中に基底オラクルに対する近似をトレーニングし、その代わりに使用することができるが、その評価は近似的であり、敵の例に対して脆弱である。 本手法は,外挿量を測定するために提案した評価フレームワークにカプセル化されている。
  論文  参考訳（メタデータ） (2022-11-19T16:57:37Z)

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。