ACon$^2$: 可证明区块链预言机的自适应一致性共识
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
提出一个主动学习框架,结合 Bayesian Active Learning by Consistency(BALC)和 SoQal 两个子框架, 用于减轻医学场景下无标签数据丰富但有限带标签数据的问题,并且在实验中验证了 BALC 和 SoQal 的优越性。
Apr, 2020
本文提出了一种利用智能合约系统,从多个节点的本地人工神经网络模型获得中间表示并在主机节点上联合训练的机制,以在已分布的数据上进行深度学习模型训练(以银行贷款预测为例),从而避免共享和连接实际数据值。
Nov, 2020
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
使用区块链技术,创建智能合约以通过交换奖励来训练特定数据集的机器学习模型,这为各方提供了直接获取好的机器学习模型的市场,取代传统 AI 解决方案的需求。
Feb, 2018
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
本文试图寻求用区块链作为信任引擎的设计原则,通过定性和定量研究的混合方法,讨论了区块链的过去、现在和未来发展方向,并得出了区块链设计原则的三个发现:第一,区块链作为分布式数据库的原始设计原则是否得以实现存在争议;第二,区块链社区的现有分类包括隐私和安全、可扩展性、去中心化、适用性、治理和监管、系统设计及跨链互操作性等方面。在这些分类中,隐私和安全的研究和应用更为突出,其他方面仍有较大的发展机会。最终,我们认为必须通过跨学科综合解决方案来弥合当前区块链设计与真正智能世界信任引擎设计原则之间的差距。
Jan, 2023
在此研究中,我们提出了一种新的模糊测试工具 ContractFuzzer,用于测试以太坊智能合约的安全漏洞,该工具已经成功检测出了 6991 个智能合约中 459 个高风险漏洞,包括导致 6000 万美元损失的 DAO 合约漏洞和导致 3 亿美元冻结的 Parity Wallet。
Jul, 2018
提出一种通过区块链和智能合约实现的数据中心联邦学习架构,其中包含一个虚拟的公共市场,提供高质量的数据以供训练,通过激励机制提高数据质量和完整性,该架构有助于提高训练数据集的增长速度和模型准确性。
Jun, 2022