Mar, 2017

幸运的证明：一种高效的区块链共识协议

PDF
TL;DR本篇论文介绍基于可信执行环境（TEE）(如 Intel SGX-enabled CPUs) 的多种区块链共识原语和新型区块链系统的设计，包括使用 POW，PoT 和 PoO 共识算法使挖矿更公平、能源和时间有效，以及使用 POC 共识算法的区块链，通过 TEE 平台的随机数生成选择共识领袖进行低延迟交易验证，确定性确认时间，消耗极小的能源，并实现公平分布采矿。最后，介绍了最多抵抗受损 TEE 的潜在保护机制。
发现论文，激发创造
  • 训练证明（PoT）：利用加密挖矿能力进行分布式 AI 训练

    该研究提出了一种结合人工智能和区块链技术的证明机制，名为 Proof-of-Training（POt），实现了全球状态同步，评估了去中心化训练网络，具有很高的性能潜力。

    Jul, 2023

  • 带有奖励安全性的学习验证

    利用实用的工作证明（PoUW）机制的提案，解决了传统 PoW 和 PoS 机制所面临的能源消耗、安全性和经济性问题，在区块链系统中整合机器学习训练以实现环境友好的解决方案，并提出了一种全新的人工智能时代下的完全去中心化计算能力市场。

    Apr, 2024

  • 朝向安全和可信设计的智能合约

    分布式不可变账本或区块链，在不依赖可信第三方的情况下，允许安全地数字化证据交易。智能合约作为去中心化和复制执行的程序，为区块链上的证据协议提供了机制，但需要解决信任和责任的问题。

    Mar, 2024

  • 能量回收区块链与深度学习证明

    本文提出了一种全新的区块链设计，通过 Proof-of-Deep-Learning（PoDL）机制充分回收了区块链所需的能源，用于深度学习计算，以减少能源浪费问题，同时与绝大多数基于哈希函数的 PoW 机制的加密货币兼容，可行性已经得到基准测试和模拟的证明。

    Feb, 2019

  • 质量证明：区块链上无需成本的无信任生成型 AI 模型推理范式

    这篇论文介绍了一种新的推理范式，称为 “POQ（证明质量）”，用于在区块链架构上部署任意大规模的生成模型，通过轻量级 BERT 模型进行质量评估，并设计和实现了 PQML 协议，该协议可用于基于开源模型的实际 NLP 生成模型推理。

    May, 2024

  • 使用可信执行环境进行安全计算的调查

    该文介绍了基于 TEE 的安全计算协议的系统性评估和比较，提出了一种将安全计算协议分类的方法，并讨论了 TEE 的特定计算功能，如隐私保护机器学习和加密数据库查询等。该文是第一篇对 TEE 的安全计算协议进行全面比较的综述性文章，比较结果可作为实践中选择合适协议的指南，同时还探讨了未来的研究方向和挑战。

    Feb, 2023

  • 基于区块链的互联物联网可信执行环境下的安全聚合联邦学习

    本文提出了一种基于区块链、Intel SGX 可信执行环境和联邦学习的框架，以安全地聚合工业物联网中的本地模型。框架中的区块链网络用于安全地聚合全局模型，并将其添加到分布式账本中以实现防篡改存储。经过多个不同的卷积神经网络模型和数据集的实验验证，该框架效果显著。

    Apr, 2023

  • 使用 Oracles 和智能合约的物联网区块链架构：食品供应链的应用案例

    本文提出了一个专门用于供应链中不同分布式物联网实体的区块链体系结构，LC4IoT 作为此体系结构的轻量级共识，该共识在广泛模拟中得到了验证，结果表明所提出的共识使用低计算能力、存储能力和延迟。

    Jan, 2022

  • 联邦学习的证明：一种新型的能量循环共识算法

    本研究提出基于能量回收的共识算法证明，名为联合学习证明，将传统的工作量证明中浪费的能量重新用于联合学习，采用反向对赌数据交易机制和隐私保护模型验证机制保证联合学习过程中的数据隐私保护，并在模拟和真实数据中进行广泛的仿真验证，证明了该算法的高效和有效性。

    Dec, 2019

  • 移动边缘计算上基于区块链的无信任众包智能生态系统

    本研究提出一种基于区块链智能合约的奖惩模型，构建了一个可信的混合人机群体智能平台，以解决工业物联网中因缺乏信任而导致的网络拥塞和利益冲突问题，并证明了其存在唯一一种强纳什均衡点。

    Feb, 2019