Evolved PoW: Integrating the Matrix Computation in Machine Learning Into Blockchain Mining

块链 计算机科学 人工智能 机器学习 困境 计算 资源(消歧) 工作证明制度 建筑 过程(计算) 分布式计算 计算机安全 操作系统 计算机网络 算法 哲学 艺术 视觉艺术 认识论
作者
Yunkai Wei,Zixian An,Supeng Leng,Kun Yang
出处
期刊:IEEE Internet of Things Journal [Institute of Electrical and Electronics Engineers]
卷期号:10 (8): 6689-6702 被引量:5
标识
DOI:10.1109/jiot.2022.3165973
摘要

Machine learning is an essential technology providing ubiquitous intelligence in Internet of Things (IoT). However, the model training in machine learning demands tremendous computing resource, bringing heavy burden to the IoT devices. Meanwhile, in the Proof-of-Work (PoW)-based blockchains, miners have to devote large amount of computing resource to compete for generating valid blocks, which is frequently disputed for tremendous computing resource waste. To address this dilemma, we propose an Evolved-PoW (E-PoW) consensus that can integrate the matrix computations in machine learning into the process of blockchain mining. The integrated architecture, the elaborated schemes of transferring matrix computations from machine learning to blockchain mining, and the reward adjustment scheme to affect the activity of the miners are, respectively, designed for E-PoW in detail. E-PoW can keep the advantages of PoW in blockchain and simultaneously salvage the computing power of the miners for the model training in machine learning. We conduct experiments to verify the availability and effect of E-PoW. The experimental results show that E-PoW can salvage by up to 80% computing power from pure blockchain mining for parallel model training in machine learning.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
jun发布了新的文献求助10
刚刚
外向寄云完成签到,获得积分10
1秒前
Zelytnn.Lo完成签到,获得积分10
1秒前
2秒前
2秒前
宇与鱼应助费小曼采纳,获得10
2秒前
3秒前
有一颗卤蛋完成签到,获得积分10
3秒前
左彦完成签到,获得积分10
4秒前
HEIKU举报会思考的狐狸求助涉嫌违规
4秒前
神可馨完成签到 ,获得积分10
4秒前
请加我XP完成签到,获得积分10
5秒前
科研通AI2S应助olofmeister采纳,获得10
5秒前
sfef给XiHe的求助进行了留言
5秒前
qingxinhuo完成签到 ,获得积分10
6秒前
杰杰屋发布了新的文献求助10
6秒前
星辰完成签到,获得积分10
6秒前
7秒前
南浔完成签到,获得积分10
7秒前
h3xxxmax完成签到,获得积分10
7秒前
霜二完成签到 ,获得积分10
8秒前
科研通AI2S应助BELIEVE采纳,获得10
8秒前
懵懂的芫完成签到,获得积分20
9秒前
奇奇发布了新的文献求助10
9秒前
温暖的非笑完成签到 ,获得积分10
10秒前
行隐应助bitter采纳,获得10
10秒前
开心的萝莉完成签到,获得积分10
10秒前
天宝完成签到,获得积分10
11秒前
李健应助zzj采纳,获得20
11秒前
12秒前
orixero应助Amy采纳,获得10
12秒前
HuaYu完成签到,获得积分10
12秒前
nini完成签到,获得积分10
12秒前
结实的德地完成签到,获得积分10
13秒前
hhh给hhh的求助进行了留言
13秒前
毛豆爸爸应助卓白采纳,获得10
13秒前
小章完成签到,获得积分10
13秒前
记录者完成签到,获得积分10
13秒前
单纯访枫完成签到 ,获得积分10
13秒前
14秒前
高分求助中
Sustainability in Tides Chemistry 2000
Microlepidoptera Palaearctica, Volumes 1 and 3 - 13 (12-Volume Set) [German] 1122
Дружба 友好报 (1957-1958) 1000
The Data Economy: Tools and Applications 1000
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 700
PraxisRatgeber Mantiden., faszinierende Lauerjäger. – Buch gebraucht kaufe 700
A Dissection Guide & Atlas to the Rabbit 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3099914
求助须知:如何正确求助?哪些是违规求助? 2751373
关于积分的说明 7613446
捐赠科研通 2403368
什么是DOI,文献DOI怎么找? 1275253
科研通“疑难数据库(出版商)”最低求助积分说明 616318
版权声明 599053