Fluid Notarization: Verifiable Evolution of Concurrently Edited Structured Documents
本论文针对协作编辑场景下文档公证的失效问题提出了新的范式。传统基于区块链的文档公证是“快照导向”的：每一次文档修订都被视为一个独立状态，通过密码学引用（如哈希）单独锚定到链上。这种模型对不可变工件有效，但在多人协作编辑的文档上力不从心：并发
#cs.DC
共收录 158 条相关情报。
← 返回所有主题State Without a Landlord: An Architecture Proposal for Peer-to-Peer Replication of Durable Workflow State
该论文聚焦持久化执行（durable execution）框架中「工作流状态归谁所有、由谁背书」这一根本问题。当前主流做法是：框架把长时运行函数的每个执行步骤写入日志（journal），故障后依靠确定性重放（deterministic re
SWB-DM: A Calibrated Sliced-Wasserstein-Barycenter Aggregator with Delayed-Momentum Caching for Byzantine-Robust Federated Learning under Partial Participation
该论文针对联邦学习鲁棒聚合的一个被忽视的前提缺陷展开研究：坐标中位数、Krum、Bulyan、截断均值等方法的有限样本保证，都默认每轮参与客户端是全体总体的公平采样。但在部分参与场景下每轮仅少量客户端上报，攻击者占比即便不高也足以主导该轮样
TriCalRAG: A Three-Strategy, Retrieval-Augmented Benchmark for On-Premise LLM-Based Root Cause Analysis in AIOps
该论文面向 AIOps 场景中的根因分析（RCA）任务，指出现有做法多依赖云端托管的大语言模型，虽然能力较强，但会带来数据隐私外泄风险、网络往返延迟以及随生产日志规模线性增长的按查询计费成本，难以在日志量极大的生产环境中长期支撑。为此作者提
You've Got a BUD in Me: Authenticated Reads from Per-Block Write Logs
该论文研究的是区块链「认证读取」(authenticated reads) 的可扩展性问题。传统做法是维护一棵覆盖全量状态的认证数据结构(如 Merkle Patricia Trie，MPT)，以此支撑历史成员性证明与排除性证明；但随着状态
Decentralized network congestion control for DAG-based distributed ledger system
该论文聚焦于分布式账本技术（DLT）网络中一个长期被忽视的问题：去中心化网络的拥塞控制。作者指出，中心化通信系统的拥塞控制已是成熟研究领域，但针对去中心化网络、尤其是区块链与基于有向无环图（DAG）的 DLT 网络的拥塞控制研究起步较晚且不
Attestream: Usage-Aware Intermittent Data Distribution with Verifiable Lifecycle Provenance for Machine-Learning Data Streams
该论文提出 Attestream，一种基于区块链的架构，用于间歇性交付的数据集流，解决持续产生且商业价值高的数据（如传感器流、遥测数据、机器学习训练数据）提供商无法验证数据是否被实际使用的问题。核心思想是将持续交付与可验证的使用报告绑定：数
Robust Decentralized Personalized Federated Learning via Prediction-Constrained Neighborhood Collaboration
该论文提出了一种鲁棒的分散式个性化联邦学习方法 R-DPFL，旨在解决现有分散式联邦学习在面对拜占庭攻击时容易受到恶意客户端影响的问题。与传统的中心化联邦学习不同，分散式场景中每个客户端只与邻居交换模型更新，没有全局协调者，因此恶意邻居可能
Barnacle: Adaptive Multi-Leader Scheduling for DAG-Based Consensus
DAG（有向无环图）共识中，网络内所有验证者并发提出区块，但只由指定的主节点（leader）的区块来驱动交易的最终提交。设计上每轮可以设置多个leader槽位，从而降低排队延迟；但主流生产部署仍然只使用单一leader，原因在于队头阻塞（h
When Does Authorization End? Effect Closure at Provider Boundaries
该论文研究分布式系统与授权模型中的一个根本性缺口：授权“何时”才算真正结束？论文指出，即使系统报告撤销完成、达到干净状态或操作成功，先前已授权的执行路径仍可能在提供方（如消息中间件、编排平台）未违反自身契约的前提下，继续产生应用程序明确拒绝
Bonded Recourse for Smart-Contract Settlement of Compensable Agent Side Effects
本文面向自主智能体（autonomous agents）在跨组织执行工具操作时所产生的副作用治理问题。现有的授权机制仅能在操作前做准入控制，本地补偿模块只能处理运行时的回滚，二者都无法解决‘操作被允许却执行失败后留下残余损害’的难题。作者提
Relaxed Sender Anonymity for CBDC Interbank Settlement: A Zero-Knowledge Approach on Permissioned EVM
本文针对央行数字货币（CBDC）银行间结算系统在分布式账本技术（DLT）上运行时所面临的根本性权衡：区块链透明性虽能实现无需信任的验证，却会将商业敏感的双方交易流暴露给所有网络参与者。为化解这一矛盾，作者提出了一种面向许可型以太坊兼容网络的
FISGuard: Defending Against Membership Inference via Fixed Input Subspaces
本文针对联邦学习（Federated Learning）场景下大语言模型（LLM）参数高效微调（PEFT）中的隐私泄露问题展开研究。在联邦学习中，客户端通常只共享梯度而非原始数据，但已有研究表明共享梯度仍可能泄露训练样本的成员关系（Memb
Benchmarking Confidential Computing Performance on NVIDIA Blackwell GPUs
本文针对NVIDIA Blackwell B200 GPU上可信执行环境（TEE）的性能开销进行了系统性基准测量。研究背景是：随着机密计算（Confidential Computing, CC）在AI/LLM工作负载中的重要性上升，用户需要
Asynchronous Verifiable Information Dispersal with Low Space and Communication Complexity
该论文研究分布式存储系统中的异步可验证信息分散（AVID）协议。分布式存储系统需要保证客户端在存在故障（包括拜占庭故障）的情况下仍能可靠且一致地写入和读取数据。现有AVID协议在拜占庭设置下已实现最优的空间复杂度（存储）和通信复杂度（数据检
Model-Consistent Byzantine-Resilient Decentralized Federated Learning for Collaborative Missions
本文提出了一种名为 DFL-C 的新型拜占庭鲁棒去中心化联邦学习（DFL）架构，旨在解决去中心化场景下全局模型一致性问题。传统的去中心化联邦学习允许各节点在没有中央服务器的情况下协同训练 AI 模型，但现有方案无法保证全局模型一致性，这在任
BackDFL: A Unified Benchmark For Backdoor Attacks and Defenses In Decentralized Federated Learning
去中心化联邦学习（DFL）通过点对点模型交换替代中心化参数服务器，旨在实现无需信任的协作学习。然而，这种架构转变从根本上重塑了威胁模型：由于缺乏全局协调的聚合机制，DFL特别容易受到后门攻击的影响——恶意参与者可以在保持干净任务性能的同时植
TrustRAG: Blockchain-Enhanced RAG via Committee-Based Credibility Scoring
该论文提出 TrustRAG，一种基于委员会评分与区块链背书的新型检索增强生成（RAG）系统。传统 RAG 依赖集中式数据库，存在数据来源不明、内容被篡改、以及信任缺失等问题，尤其在医疗、金融、物流、法律等对信息时效性和准确性要求极高的领域
Autonomous Cyber Defense in Connected Vehicles: A Multi-Agent Approach to V2X Security
该论文聚焦网联汽车（Connected Vehicles）中车联网（V2X）通信的安全与时间约束耦合问题。核心背景是：网联汽车必须在约100毫秒内判断接收到的基本安全消息（BSM）是否真实；若伪造的紧急制动警报及时进入规划管线，车辆会误刹车
FedLNS: Leverage LayerNorm Signature Modeling to Mitigate Adversarial Manipulation in Federated LLMs
本文针对联邦学习（Federated Learning, FL）中大型语言模型（LLM）面临的恶意客户端投毒攻击问题，提出了一种轻量级、服务器端的防御框架 FedLNS（Federated Learning with Normalizati