Multivalued Consensus: General Adversaries Require More Communication
本文研究多参与方容错共识问题，特别关注一般性（非阈值）对手模型下的通信复杂度下界。作者基于有限射影几何构造了一个无限族 Z_proj^{n,d} 的对手结构，该结构满足 Q^d 条件（即任意 d 个对手集合的并集不覆盖全部参与者）。对于这类
#cs.DC
共收录 158 条相关情报。
← 返回所有主题Vantage: Availability-Graded Broadcast for Signature-Free BFT
Vantage 是一篇关于拜占庭容错（BFT）共识协议的学术论文，发表于分布式计算领域（cs.DC）。传统的高吞吐无签名 BFT 协议依赖数字签名来提供可转移的证据，使区块和投票能够被第三方验证，但签名带来额外开销。本文提出了一种仅使用认证
Track me if you can: Ephemeral coin tracing
隐私保护支付系统在理论上已相当成熟，但在中心化数字货币（CBDC）、机构稳定币及其他合规支付基础设施等受监管场景中的采用，长期受制于其对非法活动可能被滥用的担忧。监管机构通常依赖识别、追踪和阻止犯罪者的一系列互补措施来打击金融犯罪，其中“追
Robust Reputation-Driven Crowdsourced Federated Learning
本文关注众包联邦学习（Crowdsourced Federated Learning, CrowdFL）中的鲁棒性量化问题。CrowdFL通过众包范式允许开放、异构的参与，扩展了传统联邦学习，而声誉驱动的激励机制常被用于引导工人选择并增强可
eMicro: Real-Time Multi-Hop Access Control for Microservices with eBPF
现代云应用通常由数千个微服务组成，其交互形成复杂的请求路径。传统的服务间访问控制仅限制单个服务到服务的请求，无法阻止多跳攻击——在这种攻击中，每一跳看起来都合法，但整体路径违反了安全意图。这种缺陷使系统面临未授权访问和数据泄露的风险。为此，
ReputationChain: Robust Trust Updating for Blockchain-Enabled Supply Chains
本文提出 ReputationChain，一个面向区块链供应链的参与者信任更新框架。研究背景是：区块链虽然能保证供应链记录的完整性，但仅凭账本完整性无法判断参与者在未来风险敏感交易中是否值得信任。现有声誉系统主要关注产品证据、全局反馈聚合或
Diagnosing High-Performance BFT Consensus via Mixture Modeling of Block Time Distributions
该论文针对高性能拜占庭容错（BFT）区块链系统在实际运行中区块时间分布呈现复杂多模态特性的问题，提出了一种基于混合建模的诊断方法。研究背景在于，虽然高性能BFT共识（如基于HotStuff的协议）致力于实现高吞吐和低延迟，但受网络条件、流水
Reputation-driven Cooperation in Lattice-based Decentralized Federated Learning through Evolutionary Game Theory
去中心化联邦学习（DFL）是一种无需中心服务器的隐私保护分布式机器学习范式，但缺乏中央协调器使得参与节点可能出现搭便车、不诚实协作等机会主义行为。演化博弈论（EGT）常用于分析这类行为的演化，然而先前研究往往假设智能体具有完全理性，且策略固
Latency-Optimal Adaptive Split Inference for Privacy-Preserving Cloud-Edge-End Collaboration
物联网（IoT）终端设备越来越多地被期望支持隐私敏感的批量推理任务，但其有限的计算资源常常使得在本地完整执行卷积神经网络（CNN）变得不切实际。本文提出了一种面向隐私保护的云-边-端协作的延迟最优自适应分割推理框架。在该框架中，终端设备作为
Encryption-Compatible Clustered Federated Learning via Distributed Expectation-Maximization over Metadata
本文针对联邦学习（FL）中数据异质性导致的客户端模型性能下降问题，研究了聚类联邦学习（CFL）方法。现有CFL方法在隐私保护、通信成本和计算效率三者之间存在权衡，作者将其形式化为“CFL三难困境”（CFL trilemma）：改善其中两个维
Secure Aggregation for Privacy-Preserving Federated Learning on Clinical EEG Data
本文提出一种针对临床脑电图（EEG）数据的隐私保护联邦学习框架，核心机制是基于掩码的安全聚合（secure aggregation）。联邦学习虽然允许多个机构在不交换原始临床EEG数据的前提下共同训练模型，但个体模型更新仍可能泄露患者隐私。
Hermes: Low Tail-Latency Via Prefix Consensus
该论文提出 Hermes，一种旨在降低 BFT（拜占庭容错）协议尾延迟的新型共识协议。在基于领导者的 BFT 协议中，视图的最终化完全依赖领导者：如果领导者崩溃或响应缓慢，该视图将无法达成任何最终化；而结束视图的超时设置也面临两难：保守的超
Optimistic Verifiable Claims: A Blockchain Protocol for Conditionally Confidential Bidding in Decentralized Manufacturing
该论文提出了一种名为“乐观可验证声明”(Optimistic Verifiable Claim, OVC)的区块链协议，用于解决去中心化制造中的预签约僵局：服务提供商若不查看设计文件就无法准确报价，而消费者若分享设计文件则会暴露知识产权。O
Denial of Deadline: Network-Driven Accuracy Collapse in Distributed Inference Pipelines
该论文揭示了分布式推理管道中一种新型攻击面——工作负载攻击。在现代AI推理系统中，通常采用双路径架构：快速路径（Fast Path）在本地或轻量模型上快速返回预测以满足延迟截止时间，慢速路径（Slow Path）则在远程更强硬件上运行高计算
Framework Implementation Maturity in Blockchain-Based Third-Party Compliance Assessment
该论文研究如何利用许可区块链系统来度量框架实施成熟度，而非传统的静态合规验证。现有网络安全与隐私框架（如NIST SP 800-53、ISO/IEC 27001、GDPR、HIPAA）的采用通常通过点审计、自我声明和分散的证据审核来评估，导
Agentic Cloud Decoys: A Deception-Driven Framework for Autonomous Intrusion Investigation
该论文提出了一种名为 Cloud Decoy AI Agent 的欺骗驱动框架，旨在解决云环境入侵调查中日志量庞大、攻击者操作与正常管理难以区分的问题。框架将高保真云蜜罐（Decoy）与自主语言模型代理（Agent）相结合，能够自动将可疑活
Decentralized Compute on Untrusted Hardware Using Intel TDX and Encrypted CVMs
本文针对AI工作负载对安全、可扩展计算资源的迫切需求，提出了一种基于Intel TDX、Intel Trust Authority和NVIDIA机密计算技术的去中心化机密计算平台。当前集中式云服务商在定价和安全模型上占据主导地位，且高端GP
The Consensus Number of Untraceable Cryptocurrencies
本研究聚焦于不可追踪加密货币（如匿名币）的设计对系统同步性能的影响。作者将两种主流设计形式化为线性不可追踪资产转移对象（LUAT）和常量不可追踪资产转移对象（CUAT），并在共识层次中定位它们。LUAT通过保留整个掩码集并添加空值标记来记录
PRISM: Sensitivity-Aware PolynoMial PRuning for EffIcient Neural Network Encryption
本文研究了同态加密（HE）环境下神经网络推理的结构化剪枝对模型可靠性的影响，并提出了多项式敏感度感知剪枝方法（PSAP）。背景：同态加密允许对加密数据进行计算，但计算开销大，结构化剪枝是降低开销的关键技术，然而剪枝可能引入可靠性问题，如对位
Stop Means Stop: Measuring and Repairing the Enforcement Gap in Agent-Framework Control Primitives
本文系统研究了生产级LLM代理框架中控制原语（如人工确认门、运行取消、执行超时）的执行保证。尽管这些原语的名称和文档暗示了屏障语义（即当运行被暂停、取消或超时时，被控制的副作用不会执行），但作者通过对六个广泛使用的开源框架进行测试，发现没有