論文の概要: Improving the Robustness of the XRP Ledger Network via Edge Augmentation Strategies

• arxiv url: http://arxiv.org/abs/2608.26380v1
• Date: Wed, 26 Aug 2026 20:08:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-28 16:30:58.171266
• Title: Improving the Robustness of the XRP Ledger Network via Edge Augmentation Strategies
• Title（参考訳）: エッジ拡張戦略によるXRPレジャーネットワークのロバスト性向上
• Abstract要約: 攻撃者は、ネットワークの接続バックボーンを形成するノードをターゲットとして、そのようなネットワークにおけるコンセンサスプロセスを妨害する可能性がある。 本稿では,Ledgerの既存のトポロジのロバスト性を改善するための戦略を評価する。 デフォルトのLedgerトポロジ上で拡張戦略を使用する場合,ロバスト性を大幅に向上することを示す。
• 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 XRP Ledger allows its network participants to select a set of trusted peers within the network (i.e., the Unique Node List (UNL)) and communicate with them to reach consensus on which transactions should be included in the next ledger state. However, its consensus protocol requires significant overlap among participants' UNLs, along with a high agreement threshold among the nodes within each UNL (e.g., 80\%). Consequently, an attacker could disrupt the consensus process in such a network by targeting the nodes that form the network's connectivity backbone and reducing the number of trusted participants that can communicate with one another below the required threshold. In this paper, we evaluate strategies to improve the robustness of the XRP Ledger's existing topology, as measured by our formal definitions of quorum and network robustness, and compare them to a second strategy from prior work. The strategy we present is an addition/augmentation approach, in which new edges are added based on different constructions. The second strategy is a rewiring or edge-replacement approach, in which the overall number of edges is preserved but they are rearranged. For each strategy, we consider two different cases: one in which all nodes participate in the edge construction or rewiring process, and another in which only a subset of nodes participates. Our findings demonstrate substantial improvements in robustness when augmentation strategies are used over the default XRP Ledger topology and show that some augmentation strategies achieve robustness metrics equal to or exceeding the rewiring strategy, even when the number of edges added is small (e.g., three edges per node). Additionally, we show that the random K-out-based augmentation strategy maintains higher topological similarity to the original network than rewiring, as measured by Jaccard similarity.
• Abstract（参考訳）: XRP Ledgerは、ネットワーク参加者がネットワーク内の信頼されたピア(すなわち、Unique Node List (UNL))を選択して、次の台帳状態にどのトランザクションを含めるべきかというコンセンサスに到達することを可能にする。 しかし、そのコンセンサスプロトコルは、各UNL内のノード間での高い合意閾値(例:80\%)とともに、参加者のUNL間で大幅に重複する必要がある。 その結果、攻撃者はネットワークの接続バックボーンを形成するノードをターゲットにすることで、そのようなネットワークにおけるコンセンサスプロセスを破壊し、必要なしきい値以下で互いに通信できる信頼できる参加者の数を削減できる。 本稿では,XRP Ledgerの既存のトポロジのロバスト性を改善するための戦略を,我々の公式定義である量子とネットワークのロバスト性によって評価し,それらを先行研究から第2の戦略と比較する。 提案する戦略は,異なる構成に基づいて新たなエッジを追加する,追加/拡張アプローチである。 第2の戦略は、エッジの総数が保存されるが、それらが再配置される、スイッチングまたはエッジ置換アプローチである。 各戦略について、すべてのノードがエッジ構築や再接続プロセスに参加する場合と、ノードのサブセットのみが参加する場合の2つの異なるケースについて検討する。 以上の結果から,拡張戦略がデフォルトのXRP Ledgerトポロジ上で使用される場合のロバスト性は著しく向上し,追加するエッジの数が少ない場合(ノード毎に3つのエッジ)においても,拡張戦略がリスイッチ戦略と同等以上のロバスト性測定値を達成することが示された。 さらに,ランダムなK-out-based Augmentation戦略は,Jaccardの類似性によって測定されるように,元のネットワークとのトポロジ的類似性が高いことを示す。

関連論文リスト

• Contrastive clustering based on regular equivalence for influential node identification in complex networks [10.538045764554019]
  ReCCは、影響のあるノード識別のための新しい非教師なしフレームワークである。 ネットワーク再構成損失を使用して事前トレーニングを行い、コントラストとクラスタリングの損失を組み合わせた微調整を行う。 大規模な実験により、ReCCはいくつかのベンチマークで最先端のアプローチより優れていることが示された。
  論文  参考訳（メタデータ） (2025-08-30T09:34:39Z)
• Cost-Effective Community-Hierarchy-Based Mutual Voting Approach for Influence Maximization in Complex Networks [54.366995393644586]
  実世界は通常、影響のあるノード識別の時間と精度のバランスに高い要求がある。 本稿では,複雑ネットワークに影響を及ぼすためのコスト効果型コミュニティ階層型相互投票方式を提案する。 提案手法は、時間複雑性と影響ノード同定の精度のバランスに関する16の最先端技術より優れている。
  論文  参考訳（メタデータ） (2024-09-21T06:32:28Z)
• Signed Diverse Multiplex Networks: Clustering and Inference [4.070200285321219]
  本稿では,エッジを肯定的あるいは否定的に得るSGRDPG(Signed Generalized Random Dot Product Graph)モデルを提案する。 設定は多重バージョンに拡張され、すべてのレイヤが同じノードのコレクションを持ち、SGRDPGに従う。 本稿では,新しい手法を用いることで,階層の強い一貫したクラスタリングと高精度な部分空間推定を実現する。
  論文  参考訳（メタデータ） (2024-02-14T19:37:30Z)
• Collaborative Graph Neural Networks for Attributed Network Embedding [63.39495932900291]
  グラフニューラルネットワーク(GNN)は、属性付きネットワーク埋め込みにおいて顕著な性能を示している。 本稿では,ネットワーク埋め込みに適したGNNアーキテクチャであるCulaborative graph Neural Networks-CONNを提案する。
  論文  参考訳（メタデータ） (2023-07-22T04:52:27Z)
• Mixed Graph Contrastive Network for Semi-Supervised Node Classification [63.924129159538076]
  我々はMixed Graph Contrastive Network(MGCN)と呼ばれる新しいグラフコントラスト学習手法を提案する。 本研究では,非摂動増強戦略と相関還元機構により,潜伏埋め込みの識別能力を向上する。 これら2つの設定を組み合わせることで、識別表現学習のために、豊富なノードと稀に価値あるラベル付きノードの両方から、豊富な監視情報を抽出する。
  論文  参考訳（メタデータ） (2022-06-06T14:26:34Z)
• A Variational Edge Partition Model for Supervised Graph Representation Learning [51.30365677476971]
  本稿では,重なり合うノード群間の相互作用を集約することで,観測されたエッジがどのように生成されるかをモデル化するグラフ生成プロセスを提案する。 それぞれのエッジを複数のコミュニティ固有の重み付きエッジの和に分割し、コミュニティ固有のGNNを定義する。 エッジを異なるコミュニティに分割するGNNベースの推論ネットワーク,これらのコミュニティ固有のGNN,およびコミュニティ固有のGNNを最終分類タスクに組み合わせたGNNベースの予測器を共同で学習するために,変分推論フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-02-07T14:37:50Z)
• Edge Rewiring Goes Neural: Boosting Network Resilience via Policy Gradient [62.660451283548724]
  ResiNetは、さまざまな災害や攻撃に対する回復力のあるネットワークトポロジを発見するための強化学習フレームワークである。 ResiNetは複数のグラフに対してほぼ最適のレジリエンス向上を実現し,ユーティリティのバランスを保ちながら,既存のアプローチに比べて大きなマージンを持つことを示す。
  論文  参考訳（メタデータ） (2021-10-18T06:14:28Z)
• Synthesis and Pruning as a Dynamic Compression Strategy for Efficient Deep Neural Networks [1.8275108630751844]
  本稿では,学習時の脳の行動から直接引き出す,フィードフォワードネットワークのための新しい戦略的合成アルゴリズムを提案する。 ランダム選択を提唱する既存のアプローチとは異なり、我々は高いパフォーマンスのノードを新しいエッジの出発点として選択する。 この戦略は、有用な接続を生成し、結果としてネットワーク構造を小さくすることを目的としている。
  論文  参考訳（メタデータ） (2020-11-23T12:30:57Z)
• Dual-constrained Deep Semi-Supervised Coupled Factorization Network with Enriched Prior [80.5637175255349]
  本稿では、DS2CF-Netと呼ばれる、拡張された事前制約付きDual-Constrained Deep Semi-Supervised Coupled Factorization Networkを提案する。 隠れた深い特徴を抽出するために、DS2CF-Netは、深い構造と幾何学的な構造に制約のあるニューラルネットワークとしてモデル化される。 我々のネットワークは、表現学習とクラスタリングのための最先端の性能を得ることができる。
  論文  参考訳（メタデータ） (2020-09-08T13:10:21Z)
• Policy-GNN: Aggregation Optimization for Graph Neural Networks [60.50932472042379]
  グラフニューラルネットワーク(GNN)は、局所的なグラフ構造をモデル化し、隣人からの情報を集約することで階層的なパターンを捉えることを目的としている。 複雑なグラフとスパースな特徴を与えられた各ノードに対して効果的なアグリゲーション戦略を開発することは難しい課題である。 本稿では,GNNのサンプリング手順とメッセージパッシングを複合学習プロセスにモデル化するメタ政治フレームワークであるPolicy-GNNを提案する。
  論文  参考訳（メタデータ） (2020-06-26T17:03:06Z)
• Neighborhood Information-based Probabilistic Algorithm for Network Disintegration [7.511240139514371]
  本稿では,近隣情報とノードの重要度に基づく確率的アプローチを提案する。 新たな中心性に基づく重要度尺度(IM)も定義する。 実験の結果,提案したNIPAは4つの手法の中で最も有効であることが示唆された。
  論文  参考訳（メタデータ） (2020-03-08T15:09:25Z)

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。