論文の概要: Catching the Fly: Practical Challenges in Making Blockchain FlyClient Real
- arxiv url: http://arxiv.org/abs/2604.26736v1
- Date: Wed, 29 Apr 2026 14:37:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-30 15:59:36.443459
- Title: Catching the Fly: Practical Challenges in Making Blockchain FlyClient Real
- Title（参考訳）: Catching the Fly: ブロックチェーンのFlyClientを現実にするための実践的課題
- Authors: Pericle Perazzo, Dario Capecchi,
- Abstract要約: FlyClientは、最小限のデータを使用した作業証明を可能にするブロックチェーン検証プロトコルである。
FlyClientプロトコルはまだ実験段階であり、実際のデプロイメントやパフォーマンス評価は限られている。
本稿では、FlyClientを本番環境に導入する際の技術的課題について述べる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: FlyClient is a lightweight blockchain verification protocol that enables proof-of-work validation using minimal data, making it ideal for resource-constrained environments like mobile wallets, Internet-of-Things devices or cross-chain bridges implemented with smart contracts. Despite its strong potential for enabling lightweight blockchain verification, FlyClient protocol is still in the experimental stages, with limited real-world deployments and performance evaluations under diverse conditions. In this paper we bridge the gap between theory and deployment, by addressing several technical challenges to advance FlyClient to a production-ready solution. Namely, our contribution is three-fold: (i) we formally introduce an adversary model alternative to the original FlyClient one, that allows us to parametrize a verifier under a concrete economic interpretation, while also saving some proof space; (ii) we provide the first practical FlyClient prover implementation for a production blockchain (Zcash), and we estimate its performance under different configurations; (iii) we introduce and evaluate two optimizations that minimize the size of FlyClient proofs, the first of which does not require any consensus change.
- Abstract（参考訳）: FlyClientは、最小限のデータを使用した作業の検証を可能にする軽量なブロックチェーン検証プロトコルであり、モバイルウォレットやインターネット・オブ・シングスデバイス、スマートコントラクトで実装されたクロスチェーンブリッジといったリソース制約のある環境に最適である。
軽量なブロックチェーン検証を可能にする強力な可能性にもかかわらず、FlyClientプロトコルはまだ実験段階であり、さまざまな条件下での実際のデプロイメントとパフォーマンス評価が制限されている。
本稿では,FlyClientを本番環境に導入する上で,いくつかの技術的課題に対処することによって,理論とデプロイメントのギャップを埋める。
つまり、私たちの貢献は3倍です。
一 具体的な経済解釈の下で検証者をパラメトリケートし、かつ、いくつかの証明スペースを節約することができる、元のFlyClientに代わる逆モデルを導入すること。
(ii)本番ブロックチェーン(Zcash)の最初の実用的FlyClient証明実装を提供し、その性能を異なる構成で推定する。
(iii)FlyClientの証明のサイズを最小限に抑える2つの最適化を導入し、評価する。
関連論文リスト
- Benchmarking Few-shot Transferability of Pre-trained Models with Improved Evaluation Protocols [123.73663884421272]
より強力な事前訓練モデルと改良された適応アルゴリズムによって、わずかなショット転送が革新されている。
FEWTRANSは10種類のデータセットを含む総合的なベンチマークである。
FEWTRANS をリリースすることにより,数発の転写学習研究において再現性の向上を合理化するための厳密な "ルーラー" の提供を目指す。
論文 参考訳（メタデータ） (2026-02-28T05:41:57Z) - CREDIT: Certified Ownership Verification of Deep Neural Networks Against Model Extraction Attacks [54.04030169323115]
我々は、モデル抽出攻撃(MEA)に対する認証された所有権検証であるCREDITを紹介する。
DNNモデル間の類似性を定量化し、実用的な検証しきい値を提案し、このしきい値に基づいてオーナシップ検証を行うための厳密な理論的保証を提供する。
我々は、さまざまなドメインやタスクにまたがるいくつかの主流データセットに対するアプローチを広範囲に評価し、最先端のパフォーマンスを実現した。
論文 参考訳（メタデータ） (2026-02-23T23:36:25Z) - Adversary-Augmented Simulation for Fairness Evaluation and Defense in Hyperledger Fabric [0.0]
本稿では,複数のプロトコルからなる分散システムに対する攻撃の分析に適した,逆モデルとシミュレーションフレームワークを提案する。
本モデルでは,対象プロトコルの仮定に基づいて,対戦行動の分類と制約を行う。
このフレームワークを適用して、Hyperledger Fabric(HF)ブロックチェーンネットワークの公平性特性を分析する。
論文 参考訳（メタデータ） (2025-04-17T08:17:27Z) - Proving and Rewarding Client Diversity to Strengthen Resilience of Blockchain Networks [7.603268198737613]
クライアントの多様性はブロックチェーンのレジリエンスの基盤だが、ほとんどのネットワークは、クライアント実装の危険な分散に悩まされている。
このモノカルチャーは、ネットワークを非常に危険なシナリオに公開します。
本稿では、検証可能な実行と経済的インセンティブを組み合わせて、マイノリティクライアントの使用を確実に識別し、報奨する新しい枠組みを提案する。
論文 参考訳（メタデータ） (2024-11-27T14:44:43Z) - Practical Light Clients for Committee-Based Blockchains [1.437446768735628]
ほとんどのライトクライアントが1週間以上オフラインであることは滅多にありません。
軽クライアントのための最小限の通信コストと計算コストを実現する新しい実用システムを提案する。
論文 参考訳（メタデータ） (2024-10-04T12:09:07Z) - FullCert: Deterministic End-to-End Certification for Training and Inference of Neural Networks [62.897993591443594]
FullCertは、音と決定論的境界を持つ最初のエンドツーエンドの認証器である。
2つのデータセットに対してFullCertの有効性を実験的に示す。
論文 参考訳（メタデータ） (2024-06-17T13:23:52Z) - Blockchain-based Optimized Client Selection and Privacy Preserved
Framework for Federated Learning [2.4201849657206496]
フェデレートラーニング(Federated Learning)は、大規模ニューラルネットワークモデルをトレーニングする分散メカニズムで、複数のクライアントが参加する。
この機能により、フェデレーション学習はデータのプライバシー問題に対するセキュアなソリューションとみなされる。
ブロックチェーンベースの最適化クライアント選択とプライバシ保護フレームワークを提案しました。
論文 参考訳（メタデータ） (2023-07-25T01:35:51Z) - Low-Latency Federated Learning over Wireless Channels with Differential
Privacy [142.5983499872664]
フェデレートラーニング(FL)では、モデルトレーニングはクライアントに分散し、ローカルモデルは中央サーバによって集約される。
本稿では,各クライアントの差分プライバシ(DP)要件だけでなく,全体としてのトレーニング性能に制約された無線チャネル上でのFLトレーニング遅延を最小限に抑えることを目的とする。
論文 参考訳（メタデータ） (2021-06-20T13:51:18Z) - Blockchain Assisted Decentralized Federated Learning (BLADE-FL):
Performance Analysis and Resource Allocation [119.19061102064497]
ブロックチェーンをFL、すなわちブロックチェーン支援分散学習(BLADE-FL)に統合することで、分散FLフレームワークを提案する。
提案されたBLADE-FLのラウンドでは、各クライアントはトレーニング済みモデルを他のクライアントにブロードキャストし、受信したモデルに基づいてブロックを生成し、次のラウンドのローカルトレーニングの前に生成されたブロックからモデルを集約します。
遅延クライアントがblade-flの学習性能に与える影響を調査し,最適なk,学習パラメータ,遅延クライアントの割合の関係を特徴付ける。
論文 参考訳（メタデータ） (2021-01-18T07:19:08Z) - 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)
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。