Channel Balance Interpolation in the Lightning Network via Machine Learning

要約

ビットコイン ライトニング ネットワークは、支払いチャネルを通じて迅速かつコスト効率の高いトランザクションを促進することでビットコインのスケーラビリティに対処するレイヤー 2 支払いプロトコルです。
この研究では、機械学習モデルを使用してネットワーク内のチャネル バランスを補間し、ネットワークの経路探索アルゴリズムを最適化するために使用できる可能性を調査します。
残高調査とマルチパス支払いプロトコルについては多くの研究が行われてきましたが、ノードとチャネルの機能のみを使用してチャネル残高を予測することは依然として未知の領域です。
このペーパーでは、2 つのヒューリスティック ベースラインに対していくつかの機械学習モデルのパフォーマンスを評価し、さまざまな特徴の予測能力を調査します。
私たちのモデルは実験評価で良好なパフォーマンスを示し、両方のエッジにチャネル容量の半分が割り当てられる均等分割ベースラインに対して 10% 優れたパフォーマンスを示しました。

要約(オリジナル)

The Bitcoin Lightning Network is a Layer 2 payment protocol that addresses Bitcoin’s scalability by facilitating quick and cost effective transactions through payment channels. This research explores the feasibility of using machine learning models to interpolate channel balances within the network, which can be used for optimizing the network’s pathfinding algorithms. While there has been much exploration in balance probing and multipath payment protocols, predicting channel balances using solely node and channel features remains an uncharted area. This paper evaluates the performance of several machine learning models against two heuristic baselines and investigates the predictive capabilities of various features. Our model performs favorably in experimental evaluation, outperforming by 10% against an equal split baseline where both edges are assigned half of the channel capacity.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google