論文の概要: Proof-of-Machine-Learning-Inference: Mining Knowledge, Not Hashes

• arxiv url: http://arxiv.org/abs/2610.26713v1
• Date: Mon, 19 Oct 2026 16:45:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 01:48:41.331746
• Title: Proof-of-Machine-Learning-Inference: Mining Knowledge, Not Hashes
• Title（参考訳）: 機械学習推論の証明--知識のマイニング--ハッシュではなく
• Abstract要約: BitcoinスタイルのProof-of-Work(PoW)は、無許可のブロックチェーンを保護するが、ハッシュパズルに相当な計算を費やす。 両問題を同時に解決する解法を提案する。 本稿では,ユーザの要求する機械学習推論を実行するコンセンサスプロトコルであるProof-of-ML-Inference(PoML)を提案する。
• 参考スコア（独自算出の注目度）: 6.278498348219107
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Bitcoin-style Proof-of-Work (PoW) secures permissionless blockchains but spends substantial computation on hash puzzles which have no utility other than extending the chain. At the same time, we have seen that the rise of generative AI has created significant demand for computational resources that are unfortunately available only to a few players. We propose a solution that solves both problems at the same time. In particular, we present Proof-of-ML-Inference (PoML), a consensus protocol in which miners perform user-requested machine-learning inference as part of their consensus algorithm. We identify exactly what computational assumptions are needed for ML inference to safely replace hash work, formalize those assumptions, and give evidence that LLMs and diffusion models satisfy them. We then formally analyse the security of our protocol by reducing the security of our protocol to the security of the Bitcoin Backbone model. Finally, we empirically evaluate block-time stability, showing that, in a simulated environment, PoML maintains a block production rate close to its calibrated block-time target.
• Abstract（参考訳）: BitcoinスタイルのProof-of-Work(PoW)は、無許可のブロックチェーンを保護するが、チェーンの拡張以外のユーティリティを持たないハッシュパズルに相当な計算を費やす。 同時に、生成的AIの台頭は、残念ながら少数のプレイヤーにしか利用できない計算リソースに対する大きな需要を生み出していることも見てきた。 両問題を同時に解決する解法を提案する。 In particular, we present Proof-of-ML-Inference (PoML) a consensus protocol that miners performed user-requested machine-learning inference as a part of their consensus algorithm。 我々は、ハッシュ処理を安全に置き換え、それらの仮定を定式化し、LLMと拡散モデルがそれらを満足する証拠を与えるために、ML推論に必要な計算仮定を正確に特定する。 そして、弊社のプロトコルのセキュリティをBitcoin Backboneモデルのセキュリティに還元することで、弊社のプロトコルのセキュリティを正式に分析する。 最後に,ブロック時間安定性を実証的に評価し,シミュレーション環境では,PoMLはキャリブレーションされたブロック時間目標に近いブロック生成率を維持していることを示す。

関連論文リスト

• Quantum-Resilient Decentralized AI Economies: Proof-of-Useful-Work and Post-Quantum Security [0.7136933021609079]
  我々は、ノードに有用な機械学習作業の報酬を与える分散AI経済を提案する。 我々はこれを$(_c, _w, W)$-closed-loopトークン経済によって定式化し、正直な参加に十分な条件を導出する。
  論文  参考訳（メタデータ） (2026-06-22T20:50:05Z)
• Merged Bitcoin: Proof of Work Blockchains with Multiple Hash Types [3.361973319432671]
  このようなプロトコルのセキュリティ領域は、すべてのハッシュタイプに対する51%の攻撃の AND であってはならないことが証明されている。 マージされたBitcoinは、複数の異なるハッシュタイプを使ってブロック間のリンクを形成するBitcoinプロトコルである。
  論文  参考訳（メタデータ） (2026-01-14T02:46:12Z)
• SEDULity: A Proof-of-Learning Framework for Distributed and Secure Blockchains with Efficient Useful Work [41.41842611951311]
  Secure、Efficient、Distributed、Useful LearningベースのブロックチェーンシステムのためのフレームワークであるSEDULityを名付けます。 フレームワークが分散し、セキュアで、効率的にMLモデルをトレーニングしていることを示す。 さらに,提案するPoLフレームワークが他の有用な作業にも拡張可能であることを実証し,タスク検証のインセンティブを付与するインセンティブメカニズムを設計する。
  論文  参考訳（メタデータ） (2025-12-15T18:55:20Z)
• The Latency Price of Threshold Cryptosystem in Blockchains [52.359230560289745]
  本稿では,Byzantine-fault Tolerant(BFT)コンセンサスプロトコルを用いた,しきい値暗号とブロックチェーンのクラス間の相互作用について検討する。 Aptosのメインネットからの測定によると、楽観的なアプローチは遅延オーバーヘッドを71%削減する。
  論文  参考訳（メタデータ） (2024-07-16T20:53:04Z)
• Fully Automated Selfish Mining Analysis in Efficient Proof Systems Blockchains [5.864854777864723]
  私たちは、Bitcoinのような長鎖ブロックチェーンにおける自己中心的なマイニング攻撃について研究していますが、そこでは、作業の証明が効率的な証明システムに置き換えられます。 本稿では,敵の相対収益を最大化することを目的とした,新たな自尊心のあるマイニング攻撃を提案する。 本稿では,MDP の最適相対収益を$epsilon$-tight で計算する形式解析手法を提案する。
  論文  参考訳（メタデータ） (2024-05-07T15:44:39Z)
• Enhancing Trust and Privacy in Distributed Networks: A Comprehensive Survey on Blockchain-based Federated Learning [51.13534069758711]
  ブロックチェーンのような分散型アプローチは、複数のエンティティ間でコンセンサスメカニズムを実装することで、魅力的なソリューションを提供する。 フェデレートラーニング(FL)は、参加者がデータのプライバシを保護しながら、協力的にモデルをトレーニングすることを可能にする。 本稿では,ブロックチェーンのセキュリティ機能とFLのプライバシ保護モデルトレーニング機能の相乗効果について検討する。
  論文  参考訳（メタデータ） (2024-03-28T07:08:26Z)
• Blockchain Framework for Artificial Intelligence Computation [1.8148198154149393]
  ブロック検証とコンセンサス機構を深層強化学習プロセスとして設計する。 当社の手法は,次世代のパブリックブロックチェーンネットワークの設計に使用されている。
  論文  参考訳（メタデータ） (2022-02-23T01:44:27Z)
• Quantum Multi-Solution Bernoulli Search with Applications to Bitcoin's Post-Quantum Security [67.06003361150228]
  作業の証明(英: proof of work、PoW)は、当事者が計算タスクの解決にいくらかの労力を費やしたことを他人に納得させることができる重要な暗号構造である。 本研究では、量子戦略に対してそのようなPoWの連鎖を見つけることの難しさについて検討する。 我々は、PoWs問題の連鎖が、マルチソリューションBernoulliサーチと呼ばれる問題に還元されることを証明し、量子クエリの複雑さを確立する。
  論文  参考訳（メタデータ） (2020-12-30T18:03:56Z)
• Faster Secure Data Mining via Distributed Homomorphic Encryption [108.77460689459247]
  ホモモルフィック暗号化(HE)は、最近、暗号化されたフィールド上で計算を行う能力により、ますます注目を集めている。 本稿では,スケーリング問題の解決に向けて,新しい分散HEベースのデータマイニングフレームワークを提案する。 各種データマイニングアルゴリズムとベンチマークデータセットを用いて,新しいフレームワークの有効性と有効性を検証する。
  論文  参考訳（メタデータ） (2020-06-17T18:14:30Z)

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。