論文の概要: A Framework for Reputation Aware Uninorm-driven Consensus Algorithms for Blockchain Networks
- arxiv url: http://arxiv.org/abs/2607.20700v1
- Date: Wed, 22 Jul 2026 20:12:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-24 18:26:25.213475
- Title: A Framework for Reputation Aware Uninorm-driven Consensus Algorithms for Blockchain Networks
- Title（参考訳）: ブロックチェーンネットワークのためのユニノーム駆動コンセンサスアルゴリズムを意識した評価フレームワーク
- Abstract要約: 直観的ファジィ集合(IFS)とユニノムアグリゲーション演算(UAO)を用いたバリデータの評価挙動について検討する。
コンセンサスアルゴリズムにおける評価値が最終的に不確実性を示すため,提案手法ではIFSを用いて「評価」を表現している。
このソリューションにより、検証者はその後の検証プロセスにおける過去の失敗を正し、等価なコンセンサスアルゴリズム設計を育むことができる。
- 参考スコア（独自算出の注目度）: 12.579367496509734
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The operation of blockchain is governed by consensus algorithms (CA). Several consensus mechanisms require significant computational power, while others necessitate high amounts of stakes to select the participant to validate and verify the transactions in the block, leading to centralisation of power and participant exclusion. This paper proposes a novel methodology to address these issues in reputation-based consensus algorithms by studying the reputation behaviour of the validator using intuitionistic fuzzy sets (IFSs) and uninorm aggregation operations (UAOs). Our approach uses IFSs to express the "reputation" because the reputation values in a consensus algorithm eventually imply uncertainty, and IFSs facilitate the representation of a lack of precise knowledge about reputation. Moreover, this methodology utilises uninorm aggregation operations to monitor reputation over time and reinforces the importance of negative and positive reputation. Consequently, this solution allows validators to rectify past failures in subsequent verification processes and foster an equitable consensus algorithm design. The proposed framework maintains linear computational complexity and does not introduce additional communication overhead beyond the underlying consensus protocol. Supported by experimental results, our methodology demonstrates improved performance and evaluation, promising advancements in blockchain network fairness and inclusivity.
- Abstract（参考訳）: ブロックチェーンの操作はコンセンサスアルゴリズム(CA)によって管理される。
いくつかのコンセンサスメカニズムは計算力を必要とするが、ブロック内のトランザクションの検証と検証を行う参加者を選択するには大量の利害関係が必要であり、パワーの集中化と参加者排除につながっている。
本稿では,知能ファジィ集合(IFS)とユニノムアグリゲーション演算(UAO)を用いて評価者の評価行動を研究することによって,評価に基づくコンセンサスアルゴリズムにおけるこれらの問題に対処する新しい手法を提案する。
提案手法では,コンセンサスアルゴリズムにおける評価値が最終的に不確実性を示唆し,評価に関する正確な知識の欠如の表現を容易にするため,評価表現にIFSを用いる。
さらに, この手法は, 一院制のアグリゲーション・オペレーションを利用して, 時間とともに評価を監視し, 否定的, 肯定的な評価の重要性を補強する。
これにより、検証者は、その後の検証プロセスにおける過去の失敗を正し、等価なコンセンサスアルゴリズム設計を育むことができる。
提案フレームワークは線形計算複雑性を維持しており,基礎となるコンセンサスプロトコル以上の通信オーバーヘッドは発生しない。
実験結果から得られた手法は,性能向上と評価,ブロックチェーンネットワークの公正性向上とインクリシティ向上を実証する。
関連論文リスト
- 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) - QDBFT: A Dynamic Consensus Algorithm for Quantum-Secured Blockchain [11.38225673790071]
量子コンピューティングは従来の公開鍵暗号システムに重大な脅威をもたらす。
量子セキュアな動的コンセンサスアルゴリズムQFTを提案する。
論文 参考訳（メタデータ） (2026-02-12T05:53:51Z) - Latent Chain-of-Thought for Visual Reasoning [53.541579327424046]
大型視覚言語モデル(LVLM)の解釈可能性および信頼性向上には,チェーン・オブ・シント(CoT)推論が不可欠である
我々は,LVLMにおける推論を後部推論として再構成し,償却変分推論に基づくスケーラブルなトレーニングアルゴリズムを提案する。
提案手法は,7つの推論ベンチマークにおいて,最先端のLVLMを強化することを実証的に実証する。
論文 参考訳（メタデータ） (2025-10-27T23:10:06Z) - VeriLLM: A Lightweight Framework for Publicly Verifiable Decentralized Inference [3.8760740008451156]
本稿では,分散言語モデル (LLM) 推論のための公開検証プロトコルであるVeriLLMを紹介する。
VeriLLMは、軽量な経験的再実行と暗号的なコミットメントを組み合わせることで、検証者は基礎となる推論コストの約1%で結果を検証することができる。
We show that VeriLLM achieve reliable public verifiability with least overhead。
論文 参考訳（メタデータ） (2025-09-29T04:07:32Z) - Achieving Unanimous Consensus in Decision Making Using Multi-Agents [0.0]
本稿では,Large Language Models (LLMs) が一貫した合意に達するために構造化された議論を行う合理的エージェントとして機能する,新しい議論に基づくコンセンサス機構を提案する。
段階的なコンセンサスと複数ラウンドの議論プロセスを活用することで、決定的問題に対する全会一致と、優先順位付けされた決定と政策に対する格付けされた信頼の両立が保証される。
また、思考、幻覚、悪意あるモデルとノード、リソース消費、スケーラビリティなどの新しいアプローチで重要な課題に対処する。
論文 参考訳（メタデータ） (2025-04-02T21:02:54Z) - A Fair and Lightweight Consensus Algorithm for IoT [0.0]
この研究は、IoTに適した公平で軽量なハイブリッドコンセンサスアルゴリズムを導入している。
提案手法は、セキュアで公正な合意プロセスを確保しつつ、ノードのリソース要求を最小限に抑える。
さらに、信頼を高め、最終性を確立するために、評判に基づくブロック投票機構が組み込まれている。
論文 参考訳（メタデータ） (2025-03-11T16:45:51Z) - Online Clustering of Dueling Bandits [59.09590979404303]
本稿では、優先フィードバックに基づく協調的な意思決定を可能にするために、最初の「デュエルバンディットアルゴリズムのクラスタリング」を導入する。
本稿では,(1)ユーザ報酬関数をコンテキストベクトルの線形関数としてモデル化する線形デューリング帯域のクラスタリング(COLDB)と,(2)ニューラルネットワークを用いて複雑な非線形ユーザ報酬関数をモデル化するニューラルデューリング帯域のクラスタリング(CONDB)の2つの新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2025-02-04T07:55:41Z) - Neighbour Consistency Guided Pseudo-Label Refinement for Unsupervised
Person Re-Identification [80.98291772215154]
教師なしの人物再識別(ReID)は、アノテーションを使わずに人物検索のための識別的アイデンティティの特徴を学習することを目的としている。
近年の進歩はクラスタリングに基づく擬似ラベルを活用することで実現されている。
本稿では, Pseudo Label Refinement フレームワークを提案する。
論文 参考訳（メタデータ） (2022-11-30T09:39:57Z) - Rethinking Clustering-Based Pseudo-Labeling for Unsupervised
Meta-Learning [146.11600461034746]
教師なしメタラーニングのメソッドであるCACTUsは、擬似ラベル付きクラスタリングベースのアプローチである。
このアプローチはモデルに依存しないため、教師付きアルゴリズムと組み合わせてラベルのないデータから学習することができる。
このことの核となる理由は、埋め込み空間においてクラスタリングに優しい性質が欠如していることである。
論文 参考訳（メタデータ） (2022-09-27T19:04:36Z) - Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。
前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。
提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
論文 参考訳（メタデータ） (2022-05-13T21:09:41Z) - Global Optimization of Objective Functions Represented by ReLU Networks [77.55969359556032]
ニューラルネットワークは複雑で非敵対的な関数を学ぶことができ、安全クリティカルな文脈でそれらの正しい振る舞いを保証することは困難である。
ネットワーク内の障害を見つけるための多くのアプローチ(例えば、敵の例)があるが、これらは障害の欠如を保証できない。
本稿では,最適化プロセスを検証手順に統合し,本手法よりも優れた性能を実現する手法を提案する。
論文 参考訳（メタデータ） (2020-10-07T08:19:48Z)
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。