抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ブロックチェーンのような分散Ledinger(DLs)は,デジタル記録における集団的信用を構築するための一般的な技術になった。理論的根拠は,DLにブロックを付加することを希望するどんなエージェントも,いくつかの特性/資産を保持するか,または,いくつかの高価な活動を実行するための証明を提供する必要があるということである。したがって,スプリアスコンテンツを有するDLは,従来の共有データ構造よりも多くの努力を必要とする。このアイデアに基づいて,DLは,現在,信頼されたトランザクション記録,評判値,および機械学習(ML)モデルのための信頼できる訓練データのコミュニティ店舗として展開されている。確かに,DLに偽または敵対するコンテンツを注入するとき,合理的な攻撃者は,偽のブロックBによって引き起こされる損傷δが,DLにBを付加するために必要な努力εに値するかどうかを考慮しなければならない。しかし,実際の経験は,DL支援アプリケーションを混乱させるのが,コストがかかる場合でも,ディジタルタンダリズムのための強力な動機であるかもしれないことを示した。本論文では,代替アイデア(RUW),すなわち,ブロックBをレッダーに追加する任意のエージェントが,いくつかの他のエージェントのブロックB’のDL支援アプリケーションに対する有用性を改善する活動をまず実行しなければならない,新しいDL更新メカニズムである,という代替的アイデアを出したものである。” RUW”は,新しいDL更新メカニズムである,という事を,初めて, Dower B for the Ledgerに追加する,という新しいDL更新メカニズムが,最初に,いくつかの他のエージェントのブロックB’のDL支援アプリケーションに対する有用性を改善するであろう。DLコンテンツで訓練されたMLモデルの性能に関して測定可能な潜在的破壊の直接補償の役割を演ずることを示すために,機械学習(ML)モデルのための訓練データを保存するために,RUWをDLsにいかに適用するかを詳細に論じた。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
