論文の概要: ReputationChain: Robust Trust Updating for Blockchain-Enabled Supply Chains
- arxiv url: http://arxiv.org/abs/2608.03554v1
- Date: Tue, 04 Aug 2026 12:24:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-06 07:04:20.719187
- Title: ReputationChain: Robust Trust Updating for Blockchain-Enabled Supply Chains
- Title（参考訳）: Reputation Chain: ブロックチェーン可能なサプライチェーンに対するロバスト・トラストの更新
- Abstract要約: 既存の評価システムは、主に製品証拠、グローバルなフィードバックアグリゲーション、またはレビューの信頼性に対処する。
信頼の源としてではなく、ブロックチェーンをエビデンス層と証明層として使用する参加者信頼フレームワークであるRCを紹介します。
- 参考スコア（独自算出の注目度）: 6.164438386318076
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Blockchain can preserve supply-chain records, but ledger integrity alone does not show whether a participant should be trusted in a future risk-sensitive transaction. Existing reputation systems mainly address product evidence, global feedback aggregation, or review authenticity, while giving less attention to repeated bilateral inflation, identity multiplicity, and unfair decay for honest participants with sparse histories. We present \RC, a participant trust framework that uses blockchain as an evidence and provenance layer rather than as the source of trust. Governed interaction outcomes are converted into bounded evidence. Repeated interactions between the same pair are discounted, low counterparty diversity is penalized, governance-supplied identity confidence weights positive evidence, and scores decay toward a neutral prior according to verified interaction volume. Identity, contract, outcome, and update provenance remain on chain, while nonlinear reputation computation is performed off chain and checked on chain for admissibility. In controlled simulations with 30 seeded runs and matched interaction traces, the full model reduces mean collusive gain to 0.1443, compared with 0.3688 for naive mean evidence and 0.3585 for static decay. With ten identities under one controller, the reputation inflation ratio falls to 0.8723, while three comparison baselines remain above 1.08. On identical newcomer traces, volume-aware decay increases mean newcomer reputation from 0.6626 to 0.7589 and reduces the false low-trust rate from 0.3633 to 0.1683. Paired analysis confirms these improvements across runs. The results support a bounded reduction in reputation distortion, not attacker detection. Deployment evaluation and calibration with operational data are still required before production use.
- Abstract（参考訳）: ブロックチェーンはサプライチェーンレコードを保存することができるが、台帳の整合性だけでは、将来のリスクに敏感なトランザクションで参加者が信頼されるかどうかを示さない。
既存の評価システムは主に製品証拠、グローバルなフィードバック収集、またはレビューの真正性に対処する一方で、二元的インフレーションの繰り返し、アイデンティティの多元性、そして、まばらな歴史を持つ正直な参加者に対する不公平な腐敗に注意を向けている。
信頼の源としてではなく、ブロックチェーンをエビデンス層と証明層として使用する参加者信頼フレームワークである \RC を紹介します。
貧弱な相互作用の結果は有界な証拠に変換される。
同じペア間の繰り返しの相互作用は割引され、低い相反する多様性は罰せられ、ガバナンスによって供給されるアイデンティティの信頼度は、肯定的な証拠を重み付け、検証された相互作用量に従って中立的な前向きに崩壊する。
アイデンティティ、コントラクト、結果、更新の証明はチェーン上にあり、非線形な評価計算はチェーン外で実行され、許容性を確認するためにチェーン上でチェックされる。
30個のシードランと一致する相互作用トレースを持つ制御されたシミュレーションでは、完全なモデルでは平均公約ゲインが0.1443に減少し、単純平均エビデンスが0.3688、静的崩壊が0.3585となった。
1つのコントローラの下に10のIDがあり、評価インフレーション率は0.8723に低下し、3つの比較ベースラインは1.08以上である。
同一の新参者トレースでは、ボリュームアウェアの崩壊は新参者の評判を0.6626から0.7589に引き上げ、偽の低トラストレートを0.3633から0.1683に下げる。
ペア分析は、実行中にこれらの改善を確認します。
その結果、アタッカー検出ではなく、評判の歪みを限定的に低減できる。
運用データによるデプロイメント評価とキャリブレーションは、運用前にも必要である。
関連論文リスト
- Not All Relations Are Equal: Relation-Balanced and Calibrated Graph Learning for Provenance-Based Intrusion Detection [66.44527094471619]
本稿では,関係バランスの取れたグラフ学習を用いた教師なしフレームワークRECALについて述べる。
3つのDARPA E3データセットにおいて、RECALはF1スコアの99.99%、99.93%、99.99%を達成し、各データセットでそれぞれ0.88、0.82、0.42で最高のベースラインを上回っている。
論文 参考訳（メタデータ） (2026-09-15T00:31:01Z) - Repeated-Game Security for Restaking-Based Verifiable Inference [2.9661360665913574]
本論文は,1ラウンドスラッシング条件が同一の利害関係下での推論を繰り返すと,セキュリティを過小評価できることを示す。
本稿では,歴史に依存した課題,評価ヘビー級のスラッシュ,利得の優位性を組み合わせた展開可能なメカニズムを提案する。
論文 参考訳（メタデータ） (2026-08-10T03:03:56Z) - Skillsets on the Chain: A Blockchain-based Zero-Trust Framework for Agentic AI Networking [41.895053158170136]
Agentic AI Network(AgentNet)システムは、サードパーティのスキルセット実装と分散マルチエージェントコラボレーションに大きく依存している。
本稿では、2層ブロックチェーンでセキュアなゼロトラストフレームワークであるTrustAgentNetを提案する。
論文 参考訳（メタデータ） (2026-07-31T00:24:06Z) - Resist and Update: Counterfactual Report Coordinates for Incentive-Compatible LLMs [4.721990925113432]
修飾言語モデルは、非証拠的な圧力下で定期的に誤レポートされる。
我々は2つの要求を調査し、抵抗(不当な圧力)と更新(認可された証拠をフォロー)する。
低ランクレポートのコーディネートを慎重にローカライズして,回答,信頼,注意を喚起する。
論文 参考訳（メタデータ） (2026-07-14T17:28:25Z) - Auditing Belief-Conditioned LLM Agents in Hidden-Information Social Deduction Games [50.880420636090896]
9-player Werewolf環境において,隠れた役割に対する外部信頼状態を維持するための監査可能なフレームワークを構築した。
我々は,その効果を関連づけとして報告し,そのメカニズムを未解決として扱う。
論文 参考訳（メタデータ） (2026-07-12T16:03:30Z) - PerceptionRubrics: Calibrating Multimodal Evaluation to Human Perception [75.70273182182397]
PerceptionRubricsはルーブリックベースの評価フレームワークである。
飽和ベンチマークスコアと現実世界の脆さのギャップに対処する。
1,038枚のインフォメーションセンス画像と1万個以上のインスタンス固有のルーリックをペアリングする。
論文 参考訳（メタデータ） (2026-06-26T17:59:15Z) - DARTIC: Decentralized Anonymous Reputation at Scale for Trustworthy Crowdsourcing [3.7091556547212843]
DARTICは、クラウドソーシングのための分散化、匿名化、スケーラブルな評判駆動フレームワークである。
我々は,zkSNARKベースの集合メンバシップ証明を導入し,すべてのユーザを1つのアクセストークンに暗号的に結び付ける。
その結果, 完全分散型クラウドソーシングシステムにおいて, 匿名性, 堅牢な評価バインド, スケーラビリティを両立させることができることがわかった。
論文 参考訳（メタデータ） (2026-05-18T09:52:11Z) - TRUST: A Framework for Decentralized AI Service v.0.1 [47.384270414446604]
大規模推論モデル (LRM) とマルチエージェントシステム (MAS) は, 信頼性の高い検証を必要とする。
TRUST(Transparent, Robust, and Unified Services for Trustworthy AI)は,3つのイノベーションを備えた分散フレームワークである。
我々は、悪質な俳優が損失を被っている間、正直な監査人の利益を確実に確保する安全利益理論を証明する。
論文 参考訳（メタデータ） (2026-04-29T19:32:58Z) - FACT-E: Causality-Inspired Evaluation for Trustworthy Chain-of-Thought Reasoning [49.65751420291115]
CoT(Chain-of-Thought)プロンプトはLSM推論を改善したが、モデルはしばしば不誠実な中間ステップを含むコヒーレントな説明を生成する。
我々は、CoTの品質を評価するための因果性に着想を得たフレームワークであるFACT-Eを提案する。
FACT-Eは推論・軌道選択を改善し、文脈内学習を強くすることを示す。
論文 参考訳（メタデータ） (2026-04-12T15:35:08Z) - zScore: A Universal Decentralised Reputation System for the Blockchain Economy [0.8246494848934447]
zScoreという名の堅牢なフレームワークを提供しています。これはウォレットのオンチェーン動作に由来する評価のためのコアプリミティブです。
貸し出しプロトコルの遡及的データで行った最初の結果は、良いzScoreと健全な借り入れ行動と返済行動との間に強い相関関係を確立した。
第5節では,本システムの適用可能性のリストを提示し,実際の価値創造に報いるための実用性を確立する。
論文 参考訳（メタデータ） (2025-02-17T07:19:04Z) - Explicit Tradeoffs between Adversarial and Natural Distributional
Robustness [48.44639585732391]
実際、モデルは信頼性を確保するために両方のタイプの堅牢さを享受する必要があります。
本研究では, 対角線と自然分布の強靭性の間には, 明らかなトレードオフが存在することを示す。
論文 参考訳（メタデータ） (2022-09-15T19:58:01Z)
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。