GeckoDAG：Towards a Lightweight DAG-based Blockchain via Reducing Data Redundancy

原创 已于 2023-12-10 21:19:46 修改 · 1.1k 阅读 · 18 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#区块链 #安全

于 2023-12-07 12:51:03 首次发布
本文探讨了DAG区块链中数据冗余的问题，提出特殊数据结构TU，通过账户聚合、内容区段合并和交易剪枝等方式减少冗余，同时保证交易安全。TXDAG与BLOCKDAG的比较也揭示了TU在提高并发性和存储效率中的作用。

在DAG 结构的区块链中存在着相当多的数据冗余，这篇文章通过特殊的数据结构TU减少了数据的冗余。

DAG的分类

DAG 分成 txDAG 和 blockDAG，
BLOCKDAG
允许不同的user 独立创建bolck，这样能够提高系统的并发率。但是不同的block之间会有冲付的交易 transaction inclusion collision

TXDAG
txDAG 以交易为粒度构成DAG，因此不会出现 transaction inclusion collision 。但是txDAG 又会有额外的存储开销。

请添加图片描述
请添加图片描述

txDAG 需要存储两种类型的 reference，收发地址，nonce ，签名。

  • par-ref 由同一个sender 发出的交易会通过 parent reference链接
  • var-ref 每个新的交易会随机 reference 两个tips A vertex is named as a ‘tip’, if it has not been cited by any par-ref and has been cited by less than two ver-ref s. For example, there are four tips in Fig. 1 marked by the thick
  • nonce 用来验证POW计算结果。

confirmation rules
通过累计验证 Cuma

最低0.47元/天 解锁文章
《Mask DINO: Towards A Unified Transformer-based Framework for Object Detection and Segmentation》论文解读
qq_46981910的博客
05-13 4935
摘要摘要本文提出Mask DINO，一个统一的目标检测和分割框架。Mask DINO通过添加掩码预测分支来扩展DINO(具有改进的去噪锚框的DETR)，该分支支持所有图像分割任务(实例、全景和语义)。它利用迪诺的查询嵌入对高分辨率像素嵌入图进行点积，以预测一组二进制掩码。DINO中的一些关键组件通过共享架构和训练过程进行了扩展以进行分割。Mask DINO简单、高效、可扩展，可以从联合的大规模检测和分割数据集中受益。
超分辨率：LatticeNet：Towards Lightweight Image Super-resolution with Lattice Block
u014071947的博客
02-23 4138
小编是一个还没入门的研究生，这篇文章简单介绍自己对LatticeNet论文的理解，如有不当，还请联系我进行更改。
论文分享 | UL-blockDAG: 基于无监督学习的图区块链共识协议
05-11 2583
现有研究将图区块链划分为主链型（收敛）、并行型（平行）、朴素型（发散），分享一篇发表于2020年ICDCS会议的论文，它将无监督学习应用在朴素型图区块链中，通过二分类来区分忠诚算力和恶意算力，输出忠诚算力产生的区块作为共识结果。
【最新区块链论文录用资讯】CCF A—INFOCOM 2025 共11篇
软件工程小施同学 的专栏
03-02 1418
Conference：IEEE International Conference on Computer CommunicationsCCF level：CCF ACategories：computer networkYear：2025Conference time：19–22 May 2025 // London, United KingdomEC-Chain: Cost-Effective Storage Solution for Permissionless BlockchainsMinghui Xu
3D感知（4）详解两阶段3D目标检测网络 Voxel R-CNN：Towards High Performance Voxel-based 3D Object Detection
10点43的博客
03-01 9764
今天介绍一篇两阶段的3D目标检测网络：Voxel R-CNN，论文已收录于AAAI 2021。 Voxel R-CNN论文链接为：https://arxiv.org/pdf/2012.15712.pdf 代码链接为：https://github.com/djiajunustc/Voxel-R-CNN
【论文学习】《Tacotron: Towards End-to-End Speech Synthesis》
求求你们别卷了
01-23 4633
《Tacotron: Towards End-to-End Speech Synthesis》论文学习 文章目录《Tacotron: Towards End-to-End Speech Synthesis》论文学习  摘要  1 介绍  2 相关工作  3 模型架构    3.1 CBHG模块    3.2 编码器    3.3 解码器    3.4 后处理网和波形合成  4 模
最新论文笔记(+1)：Towards Secure Industrial IoT: Blockchain System with Credit-Based Consensus Mechanism
cryptocxf的博客
03-25 3105
Towards Secure Industrial IoT: Blockchain System with Credit-Based Consensus Mechanism（面向安全工业物联网：基于信用共识机制的区块链系统） 本篇论文主要涉及了区块链（Blockchain）和工业物联网（Industrial Internet of Thing， IIOT）领域，通过将引入一种 “新的”共识机制以解决安全和隐私等问题。这篇也是基于区块链的物联网安全方向具有代表性的论文，以下是我个人对这篇论文的理解和个人思考，
UNIMO：Towards Unified-Modal Understanding and Generation via Cross-Modal Contrastive Learning
BachelorSC ' s Notes
03-01 3666
**本文内容仅代表个人理解，如有错误，欢迎指正** 1. Points 1) UNIMO是一个预训练模型，其输入可以有不同的形式(eg, Image collections, Text corpus, Image-Text Pairs)，并且可以微调后用于单模态(Single-modal)任务与多模态(Multi-modal)任务。即不仅在预训练时利用了image-text pair的数据，还充分利用了大量单模态的数据(non-paired single-modal, like images and t
《LucidDreamer: Towards High-Fidelity Text-to-3D Generationvia Interval Score Matching》论文学习详解
大摆王的博客
11-29 1777
LucidDreamer旨在解决现有文本到3D生成技术在渲染详细和高质量3D模型时的不足，尤其是在使用Score Distillation Sampling (SDS)方法时，常导致3D模型过度平滑的问题。其提出了一种名为Interval Score Matching (ISM)的新方法。ISM采用确定性的扩散轨迹，并利用基于区间的得分匹配来抵消过度平滑的效果。该框架还整合了3D Gaussian Splatting技术，这是ACM SIGGRAPH 2023会议最佳论文的技术，用于提高渲染速度。
论文阅读之MMSD2.0: Towards a Reliable Multi-modal Sarcasm Detection System
学习笔记
04-27 2008
具体而言，如图3（b）所示，只有19.3%的表情词同时存在于阳性和阴性样本中，而其余80.7%的表情符号词仅出现在一种类型的样本中（如阳性样本或阴性样本）。给定（a）中的示例，虚假线索去除阶段首先去除文本中的虚假线索，包括标签词（#terrible_food）和表情符号词（emoji_39）以获取（b），然后通过众包对不合理样本重新注释（人类重新注释）阶段对不合理的样本重新注释以获得最终的合理示例（c）。如图所示，在训练、验证和测试集中，阳性样本中的标签词字数平均超过1个，而阴性样本中的少于1个。
《Product1M: Towards Weakly Supervised Instance-Level Product Retrieval via Cross-Modal Pretraining》中
buyaotutou的博客
10-11 1901
随着电子商务时代顾客需求的多样化，给产品检索行业带来了更多的复杂性。以前的方法要么受到单模态输入或执行有监督图像级产品检索，从而无法适应存在巨大的弱注释的多模态数据的现实生活的情况。在本文中，我们研究了一个更现实的设置，旨在细粒度的产品类别之间进行弱监督的多模态实例级产品检索。为了促进这一具有挑战性的任务的研究，我们贡献了Product1M，一个最大的多模态化妆品数据集为了真实世界的实例级检索。
区块链与去中心化系统在高并发互联网架构优化与工程实践经验分享
最新发布
2501_94114293的博客
11-24 1082
架构分层与模块化主链+侧链、多节点分布式架构微服务化提高可扩展性和可维护性共识机制与交易处理优化批量打包交易、异步广播并行验证、交易分片、优先级处理智能合约与链上计算优化链下计算+链上验证合约逻辑优化、Gas管理和幂等性保证存储与缓存策略热数据缓存、冷数据分布式存储状态快照与增量同步提高性能工程化与监控闭环CI/CD自动化、容器化部署实时监控、告警、日志追踪形成持续优化闭环。
Web3在内容创作中的经济模型
2509_93947344的博客
11-24 374
持有代币，就相当于成了你这个“小生态”的“股东”，可以享受特权，比如投票决定你下一期视频做什么、解锁独家内容、参加线上见面会等。这样一来，你和粉丝的关系就从简单的“关注与被关注”，升级为深度的“利益与共、共同建设”的伙伴关系。社区的发展方向、资金如何使用、重大决策是什么，不再是你一个人说了算，也不是平台说了算，而是由所有持有社区代币的成员共同投票决定。我们的收益，将更多地与我们所创造的价值直接挂钩，并由一个代码定义的、相对更公平的规则来保障。Web3要做的，是帮你建一个属于你自己的“数字门店”。
基于区块链哈希值分分彩的数据分析系统技术实现
m0_72636583的博客
11-23 759
本文介绍了一个基于波场(TRON)区块链的哈希数据分析系统，通过提取哈希值数字特征并进行多维度分析。系统采用模块化架构，包含区块链数据采集、预处理、模式识别和可视化展示等核心功能。关键技术包括哈希值数字序列转换、时间序列频率分析、三角函数建模以及AI辅助分析。研究重点在于探索区块链数据的分布特征、周期性模式和随机性验证，为区块链算法研究提供数据支持。系统采用PyQt5实现可视化界面，支持实时数据监控和历史分析，所有代码开源可查。
区块链技术如何推动供应链的透明化与可追溯性革命
2501_94058529的博客
11-21 860
在传统供应链中，各方的数据往往是隔离的，供应链中的每个参与者都有自己的系统和数据库，导致信息不一致或更新滞后。尽管面临技术和合规挑战，但随着技术的不断发展和完善，区块链将在供应链管理中发挥越来越重要的作用，为企业和消费者带来更大的价值。假药和非法药品的流通是一个全球性的难题。通过区块链技术，每一笔交易都能被追踪和记录，从原材料的采购到最终产品的交付，供应链中的每一步都可以清晰地展示给所有参与者。目前，很多区块链平台和应用存在技术和协议的差异，这可能导致系统之间的兼容性问题，制约了区块链技术的广泛应用。
Web3在社交网络中的去中心化
2509_93941777的博客
11-24 446
说是你的，但你带不走，也挪不动。说白了，咱们现在玩的社交网络，是“租用”模式，你只是在租用平台的场地和工具，核心资产和数据，所有权和控制权都不在你手里。数据主权归个人： 你的社交图谱（关注谁、被谁关注）、发布的内容、互动记录，这些数据可以不再存储在某个公司的数据库里，而是以加密的方式存放在去中心化网络（比如IPFS、Arweave）或者区块链上。现在，你的家当锁在你自己的数字保险箱里，走到哪儿带到哪儿，哪个社交应用体验好，你就用你的私钥“开门”进去用，你的社交身份和数据是通用的、可移植的。
区块链技术在不同行业中的应用与挑战：从金融到供应链的数字化革新
2501_94182049的博客
11-21 971
区块链技术，作为一种去中心化的数据存储和传输技术，近年来受到越来越多行业的关注和应用。起初，区块链被视为比特币等数字货币的基础技术，但随着技术的发展，其应用领域已经超出了金融行业，涵盖了供应链管理、医疗健康、房地产、物联网等多个行业。区块链不仅改变了数据存储和交易的方式，还为企业带来了更多的透明度、效率和安全性。本文将探讨区块链技术在不同行业中的应用，分析其带来的变革与挑战，并展望未来的发展趋势。
数字货币的崛起：金融革命还是泡沫破裂的前奏？
2501_94162433的博客
11-21 806
此外，传统的区块链网络（如比特币）采用的“工作量证明”机制（Proof of Work，PoW）需要大量计算资源来解决复杂的数学问题，从而验证交易并保证网络的安全性。一些国家，如中国和印度，已经采取了严格的政策，禁止或限制数字货币的交易和使用。比特币作为最早的数字货币，经过十多年发展，已经从一开始的“边缘兴趣”逐渐转变为一种全球性的投资资产，并对全球金融系统产生了深远的影响。尽管如此，全球范围内关于数字货币的监管政策尚未统一，这使得投资者和交易所面临较大的法律不确定性，也影响了市场的健康发展。
区块链的前景：超越数字货币的应用与未来
2501_94108919的博客
11-21 946
区块链是一种去中心化、分布式的账本技术，它通过加密手段确保数据的不可篡改和透明性。每一笔交易都被记录在一个“区块”中，区块按照时间顺序连接形成一个“链”。一旦信息被记录在区块中，就无法被修改或删除，这种特性赋予了区块链极高的安全性和可靠性。去中心化：传统的数据库通常依赖于中心化的服务器，而区块链的每个节点都可以参与数据存储和验证，避免了单点故障的风险。不可篡改性：一旦数据被写入区块链，就无法被更改或删除，确保了信息的真实性和完整性。透明性。
Towards Cost-Effective Learning: A Synergy of Semi-Supervised and Active Learning
09-25
由于没有提供具体的参考引用内容，以下是一些基于一般性知识对《Towards Cost - Effective Learning: A Synergy of Semi - Supervised and Active Learning》可能涉及内容的推测。 该研究可能聚焦于如何将半监督学习和主动学习相结合以实现更具成本效益的学习方式。半监督学习利用大量未标记数据和少量标记数据进行学习，而主动学习则通过主动选择最有价值的数据进行标记来提高学习效率。二者结合可能在减少标记数据成本的同时，提升模型的性能和泛化能力。 在实际应用中，这种结合可能会用于图像识别、自然语言处理等领域，以在有限的资源下取得更好的学习效果。例如，在图像识别任务中，主动选择一些具有代表性的图像进行标记，然后结合大量未标记图像进行半监督学习，从而在不标记大量图像的情况下获得高精度的识别模型。 ```python # 这里简单模拟一个可能的主动学习和半监督学习结合的伪代码框架 # 假设我们有一些未标记数据和少量标记数据 unlabeled_data = [...] labeled_data = [...] # 主动学习选择最有价值的数据进行标记 def active_selection(unlabeled_data, model): # 选择最有价值的数据的逻辑 selected_data = ... return selected_data # 半监督学习更新模型 def semi_supervised_learning(model, labeled_data, unlabeled_data): # 半监督学习的训练逻辑 updated_model = ... return updated_model # 循环进行主动学习和半监督学习 model = ... for i in range(num_iterations): selected_data = active_selection(unlabeled_data, model) # 标记选择的数据 labeled_data.extend(selected_data) model = semi_supervised_learning(model, labeled_data, unlabeled_data) ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值