要約
スマート コントラクトを使用したブロックチェーンは、スマート コントラクトの確定的な操作のみを許可することで、分散ノード間でブロック状態の一貫性を実現する分散台帳システムです。
ただし、スマート コントラクトの力は、確率論的なオフチェーン データと対話することによって有効になります。これにより、ブロック状態の一貫性が損なわれる可能性が生じます。
この問題に対処するために、Oracle スマート コントラクトを使用して、外部データの単一の一貫したソースを提供します。
しかし同時に、これはオラクル問題と呼ばれる単一障害点をもたらします。
オラクルの問題に対処するために、オンラインの不確実性定量化学習における最近の進歩を介して、複数のオラクル契約からデータのコンセンサスセットを導出する適応型コンフォーマルコンセンサス (ACon$^2$) アルゴリズムを提案します。
興味深いことに、コンセンサス セットは、分布シフトとビザンチンの敵対者の下で望ましい正確性保証を提供します。
2 つの価格データセットとイーサリアムのケース スタディで、提案されたアルゴリズムの有効性を示します。
特に、提案されたアルゴリズムのSolidity実装は、提案されたアルゴリズムの潜在的な実用性を示しており、オンライン機械学習アルゴリズムがブロックチェーンのセキュリティ問題に対処するために適用できることを示唆しています。
要約(オリジナル)
Blockchains with smart contracts are distributed ledger systems that achieve block-state consistency among distributed nodes by only allowing deterministic operations of smart contracts. However, the power of smart contracts is enabled by interacting with stochastic off-chain data, which in turn opens the possibility to undermine the block-state consistency. To address this issue, an oracle smart contract is used to provide a single consistent source of external data; but, simultaneously, this introduces a single point of failure, which is called the oracle problem. To address the oracle problem, we propose an adaptive conformal consensus (ACon$^2$) algorithm that derives a consensus set of data from multiple oracle contracts via the recent advance in online uncertainty quantification learning. Interesting, the consensus set provides a desired correctness guarantee under distribution shift and Byzantine adversaries. We demonstrate the efficacy of the proposed algorithm on two price datasets and an Ethereum case study. In particular, the Solidity implementation of the proposed algorithm shows the potential practicality of the proposed algorithm, implying that online machine learning algorithms are applicable to address security issues in blockchains.
arxiv情報
| 著者 | Sangdon Park,Osbert Bastani,Taesoo Kim |
| 発行日 | 2023-03-07 17:20:45+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google