論文の概要: Robust and Automated Reconfiguration of Byzantine Wide-Area Replication

• arxiv url: http://arxiv.org/abs/2606.16740v1
• Date: Mon, 15 Jun 2026 14:01:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 16:21:34.59527
• Title: Robust and Automated Reconfiguration of Byzantine Wide-Area Replication
• Title（参考訳）: ビザンチン広域複製のロバスト化と自動再構成
• Authors: Rowdy Chotkan, Bulat Nasrulin, Johan Pouwelse, Jérémie Decouchant,
• Abstract要約: Byzantineのフォールトトレラントステートマシンレプリケーション(BFT-SMR)は、実行前にクライアントトランザクションを完全に注文する複製サービスである。 本研究では,フェール化されたレイテンシレポートをフィルタリングし,ロバストな重み分布を計算し,機械学習を適用してビザンチン耐性のある構成に収束する再構成フレームワークであるBewareを提案する。 評価の結果,Bewareは既存のソリューションと比較してコンセンサス遅延を最大45%削減できることがわかった。
• 参考スコア（独自算出の注目度）: 0.8924669503280332
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Distributed systems handle adversarial nodes through redundancy, which imposes a significant performance overhead. In blockchain systems, Byzantine fault-tolerant state-machine replication (BFT-SMR) is the replicated service that totally orders client transactions before execution. While prior research has primarily focused on designing novel consensus algorithms with improved performance, recent studies have shown that further gains can be achieved through configuration optimization. More precisely, replicas can monitor network latency to dynamically assign the leader role and tune voting weights, thereby improving consensus performance. However, we identify three vulnerabilities in this process that Byzantine nodes can exploit. To address these weaknesses, we propose Beware, a reconfiguration framework that filters out falsified latency reports, computes robust weight distributions, and applies machine learning to converge towards Byzantine-resilient configurations. Our evaluation shows that Beware reduces consensus latency by up to 45% compared to existing solutions.
• Abstract（参考訳）: 分散システムは冗長性を通じて敵ノードを処理します。 ブロックチェーンシステムでは、ビザンチンフォールトトレラントステートマシンレプリケーション(BFT-SMR)は、実行前にクライアントトランザクションを完全に注文する複製サービスである。 従来の研究は、性能を向上した新しいコンセンサスアルゴリズムの設計に重点を置いてきたが、最近の研究では、構成最適化によってさらなる利益が達成できることが示されている。 より正確には、レプリカはネットワークレイテンシを監視して、リーダの役割を動的に割り当て、投票の重み付けを調整することで、コンセンサスのパフォーマンスを向上させることができる。 しかし、このプロセスではビザンチンノードが悪用できる脆弱性が3つ特定されている。 これらの弱点に対処するため、我々は、フェンシフィケートされたレイテンシレポートをフィルタリングし、堅牢な重み分布を計算し、マシンラーニングを適用してビザンチン耐性のある構成に収束する再構成フレームワークであるBewareを提案する。 評価の結果,Bewareは既存のソリューションと比較してコンセンサス遅延を最大45%削減できることがわかった。

関連論文リスト

• An Efficient and Privacy-Preserving Architecture for Cross-Institutional Collaborative RAG [35.62196578084403]
  Retrieval-Augmented GenerationはLLMに外部知識を付与する。 厳格なプライバシー規制は、そのようなコラボレーションを妨げる「データサイロ」を深刻なものにする。 我々は,高スループットでプライバシ保護のフェデレートされたRAGフレームワークであるFedRAGを紹介する。
  論文  参考訳（メタデータ） (2026-05-25T11:18:19Z)
• FERA: Uncertainty-Aware Federated Reasoning for Large Language Models [60.52562148874846]
  我々は、サーバがプライベートなデモンストレーションを行う異種クライアントと協調することで、多段階推論を改善するフェデレーション推論について研究する。 重要な課題は、クライアントの信頼性がクエリ依存であるのに対して、サーバはクライアントデータを検査して、どのコントリビューションが信頼できるかを判断できません。 本稿では,サーバクライアントの反復的コリファインメントに基づくトレーニングフリーフレームワークである Uncertainty-Aware Federated Reasoning (FERA) を提案する。
  論文  参考訳（メタデータ） (2026-05-11T07:04:51Z)
• AgentReputation: A Decentralized Agentic AI Reputation Framework [3.6704226968275253]
  我々はエージェントAIシステムのための分散3層評価フレームワークである textbfAgentReputation を提案する。 このフレームワークは、タスク実行、評価サービス、タンパー保護の永続化を分離し、それぞれの強みを活用し、独立した進化を可能にする。 定量化において、AgentReputationはリソース割り当て、アクセス制御、適応的な検証エスカレーションをサポートする決定対応のポリシーエンジンを提供する。
  論文  参考訳（メタデータ） (2026-04-30T12:33:39Z)
• Blockchain-Enabled Routing for Zero-Trust Low-Altitude Intelligent Networks [77.17664010626726]
  低高度インテリジェントネットワーク(LAIN)における複数のUAVクラスタによるルーティングに焦点を当てる。 潜在的な脅威によるダメージを最小限に抑えるため,ソフトウェア定義の周辺技術とブロックチェーン技術を用いたゼロトラストアーキテクチャを提案する。 提案手法は,平均E2E遅延を59%削減し,TSRを29%改善することを示した。
  論文  参考訳（メタデータ） (2026-02-27T04:30:35Z)
• HALO: Semantic-Aware Distributed LLM Inference in Lossy Edge Network [50.33808558714122]
  エッジでの大規模言語モデル(LLM)推論は、ユーザのプライバシを保護すると同時に、サービスの応答性を促進する。 損失エッジネットワークにおける分散LLM推論を向上する新しいフレームワークであるHALOを提案する。 Raspberry Piクラスタによる実験の結果、HALOは信頼性の低いネットワーク条件下でLLaMAシリーズLLMの3.41倍のエンドツーエンドのスピードアップを達成した。
  論文  参考訳（メタデータ） (2026-01-16T07:37:23Z)
• Towards Efficient Agents: A Co-Design of Inference Architecture and System [66.59916327634639]
  本稿では,エージェントアクセラレーションのための統合フレームワークであるAgentInferを提案する。 問題をAgentCollab、AgentSched、AgentSAM、AgentCompressの4つの相乗的コンポーネントに分解する。 BrowseComp-zhとDeepDiverベンチマークの実験では、これらの手法の相乗的コラボレーションを通じて、AgentInferは非効率なトークン消費を50%以上削減することを示した。
  論文  参考訳（メタデータ） (2025-12-20T12:06:13Z)
• Unleashing Degradation-Carrying Features in Symmetric U-Net: Simpler and Stronger Baselines for All-in-One Image Restoration [52.82397287366076]
  オールインワン画像復元は、統合された枠組み内で様々な劣化(ノイズ、ぼかし、悪天候など)を扱うことを目的としている。 本研究では, 優れた特徴抽出法により, 劣化伝達情報を本質的にエンコードする, 重要な知見を明らかにする。 我々の対称設計は固有の劣化信号を頑健に保存し、スキップ接続に単純な加法融合を施す。
  論文  参考訳（メタデータ） (2025-12-11T12:20:31Z)
• Weight for Robustness: A Comprehensive Approach towards Optimal Fault-Tolerant Asynchronous ML [8.419845742978985]
  非同期システムは、ビザンツの失敗に対する完全性を維持するのに苦労する。 これらの問題に対処するために、新しい重み付けされたロバストアグリゲーションフレームワークを導入します。 非同期なビザンチン環境において, 最適収束率を初めて達成する。
  論文  参考訳（メタデータ） (2025-01-16T16:00:52Z)
• Byzantine-Robust Online and Offline Distributed Reinforcement Learning [60.970950468309056]
  本稿では,複数のエージェントが環境を探索し,その経験を中央サーバを通じて伝達する分散強化学習環境について考察する。 エージェントの$alpha$-fractionは敵対的であり、任意の偽情報を報告することができる。 我々は、これらの対立エージェントの存在下で、マルコフ決定プロセスの根底にある準最適政策を特定することを模索する。
  論文  参考訳（メタデータ） (2022-06-01T00:44:53Z)
• Debona: Decoupled Boundary Network Analysis for Tighter Bounds and Faster Adversarial Robustness Proofs [2.1320960069210484]
  ニューラルネットワークは、安全クリティカルな現実世界のアプリケーションで一般的に使用される。 このような敵の例が存在しないこと、あるいは具体的な例を提供することは、安全なアプリケーションを保証するために不可欠である。 畳み込みネットワークにおける最大プーリング層上層と下層の境界の厳密な証明を行う。
  論文  参考訳（メタデータ） (2020-06-16T10:00:33Z)

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。