Jul, 2023

Cobalt: 优化 PoW 网络游戏中的挖矿奖励

PDF
TL;DR矿工在投入大量电力成本的情况下，在工作证明区块链中开采已成为一种昂贵的事务。为了最大化挖掘收益，矿工需要在节点之间选择网络连接，以减少延迟并提高挖矿奖励。本研究通过使用基于网络坐标的模型解决这一问题，并在实验中证明了该算法在不同网络设置下优于或与其他基准算法相当。
proof-of-work blockchainsmining rewardsconnectivitycombinatorial bandit problemnetwork coordinates
发现论文，激发创造
  • 基于多智体深度强化学习的区块链边缘计算中的任务卸载与块挖掘合作

    本篇论文提出了一种基于区块链的移动边缘计算 (MEC) 系统的新型合作任务卸载和区块挖掘 (TOBM) 方案，旨在通过任务卸载和块挖掘优化 MEC 系统效益，同时提出了一种基于轻量级块验证策略的声誉证明共识机制，结合卸载决策、信道选择、发送功率分配和计算资源分配等多目标函数，通过多智能体的深度强化学习算法来优化 MEA 系统效益，仿真实验表明该方案较基准方案能显著提高系统效用。

    Sep, 2021

  • 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

  • 移动区块链网络中边缘计算资源管理的最优拍卖：深度学习方法

    本研究探讨了基于边缘计算的深度学习优化拍卖方法，实现区块链在移动环境下的高收益资源分配

    Nov, 2017

  • 区块链网络的网络安全风险管理：博弈论方法

    本文提出了一种基于 Stackelberg 博弈的区块链服务市场模型，它使用经济工具（如密码保险）来中和区块链网络中的攻击，并为基础设施提供者、区块链提供者和用户制定最优定价和投资策略以优化他们的效益。

    Apr, 2018

  • 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

  • 将 AI 学习与区块链挖掘连接在 6G 系统中

    本文提出了一种 E-PoW 共识，它能将 AI 训练中广泛存在的矩阵计算整合到区块挖掘中，以实现共用计算资源，从而提高 6G 系统中并行 AI 训练的效能并节约高达 80% 的计算能力。

    Apr, 2021

  • 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

  • 带有赌博机的影响力最大化

    本文考虑影响最大化问题，提出一种基于组合多臂老虎机范式的策略来估计影响概率，实现了较高的效率和效果，同时在四个真实数据集上得到了验证。

    Feb, 2015

  • 深度学习的证明：方法、挑战和未来方向

    利用计算能力进行区块链的安全性和完整性维护的一种机制是深度学习证明 (PoDL)，本文调查了 PoDL 的各种方法、算法类型、优缺点及其潜在应用，并讨论了实施 PoDL 的挑战和未来研究方向。

    Aug, 2023

  • 一伙强盗

    本文提出了一种新的算法方法用于解决基于社交网络结构的 Bandit 问题，该算法对每个网络节点（用户）分配了一个 Bandit 算法，并允许其与相邻节点共享信息，与传统 Contextual Bandit 方法相比，实验结果表明该算法在预测性能方面有显著提高。

    Jun, 2013