
 
 
 
 
 
 
 Penulis : (1) Limeng Zhang, Universiti Teknologi Swinburne, Melbourne, Australia (limengzhang@swin.edu.au); (2) Rui Zhou Swinburne, Universiti Teknologi, Melbourne, Australia (rzhou@swin.edu.au); (3) Qing Liu, Data61, CSIRO, Hobart, Australia (q.liu@data61.csiro.au); (4) Chengfei Liu, Universiti Teknologi Swinburne, Melbourne, Australia (cliu@swin.edu.au); (5) M.Ali Babar, Universiti Adelaide, Adelaide, Australia (ali.babar@adelaide.edu.au) : Authors (1) Limeng Zhang, Universiti Teknologi Swinburne, Melbourne, Australia (limengzhang@swin.edu.au); (2) Rui Zhou Swinburne, Universiti Teknologi, Melbourne, Australia (rzhou@swin.edu.au); (3) Qing Liu, Data61, CSIRO, Hobart, Australia (q.liu@data61.csiro.au); (4) Chengfei Liu, Universiti Teknologi Swinburne, Melbourne, Australia (cliu@swin.edu.au); (5) M.Ali Babar, Universiti Adelaide, Adelaide, Australia (ali.babar@adelaide.edu.au) Jadual kiri Abstrak dan pengenalan 1. 
 
 
 
 
 
 
 
 
 Permulaan Definisi Masalah BtcFlow yang Perkhidmatan Bitcoin Core (BCore) Mempool State dan Pembelajaran Mesin Perceptron Linear (MSLP) Penilaian Bayaran Berdasarkan Rangkaian Neural (FENN) percubaan Kesimpulan, pengiktirafan dan rujukan Dalam sistem penilaian potensial, yuran transaksi berkesan, yuran transaksi berfungsi sebagai insentif untuk pengesahan blockchain. Secara amnya, rangka transaksi dengan yuran yang lebih tinggi mungkin dimasukkan ke dalam blok berikutnya yang ditambang, manakala transaksi dengan yuran yang lebih kecil atau tidak ada yuran boleh ditangguhkan atau tidak pernah diproses sama sekali. Walau bagaimanapun, yuran transaksi perlu dinyatakan apabila mengemukakan transaksi baru untuk membantu dengan pengesahan dalam tempoh masa yang dijangka. Oleh itu, ia adalah penting untuk membantu pelanggan menetapkan yuran yang munasabah, kerana yuran yang lebih tinggi berlaku berlebihan, dan yuran yang lebih rendah boleh menangguhkan pengesahan. Dalam kerja ini, kami memberi tumpuan kepada menganggarkan yuran transaksi untuk transaksi baru untuk membantu dalam pengesahan dalam persekitaran yang dijangka. Kami mengenal pasti dua kelem Abstract 1 Pengenalan Hari ini cryptocurrencies telah menjadi buzzword dalam kedua-dua industri dan akademik [23, 34, 27], dan cap pasaran Bitcoin, salah satu cryptocurrencies yang paling popular, mencapai ketinggian rekod lebih daripada 1,200 bilion USD pada bulan November 2021.[1] Blockchain menyediakan teknik-teknik yang mendasari untuk menguruskan cryptocurrencies melalui tajuk terdistribusi. Dibandingkan dengan sistem mata wang tradisional [17, 34, 4], tajuk terdistribusi blockchain mempunyai tiga ciri-ciri baru: decentralisasi, ketelusan dan ketidakpercayaan. Pada masa ini, kebanyakan penyelidikan blockchain memberi tumpuan kepada teknologi yang mendasari penyebaran sistem blockchain, seperti protokol persetujuan [9, 14, 21, 40, 32], penilaian pertanyaan [39, 42, 35,], 36 peningkatan keluasan [37, 28, 5], kejuruteraan sistem [7, 6, 33, 25], dan lain-lain. Walau baga Dalam makalah ini, kami memberi tumpuan kepada satu isu penting yang berkaitan dengan kegunaan, perkiraan yuran transaksi dalam sistem blockchain Bitcoin. Yuran transaksi berfungsi sebagai insentif untuk melengkapkan pemindahan aset Bitcoin (diterima dalam transaksi) di blockchain [8, 19, 20, 10]. Secara amnya, transaksi dengan yuran yang lebih tinggi cenderung diproses lebih cepat, manakala transaksi dengan yuran yang lebih rendah atau tiada yuran mungkin ditangguhkan untuk masa yang lama atau mungkin tidak pernah diproses. Walau bagaimanapun, pengguna dikehendaki untuk menentukan yuran transaksi apabila pengguna menyerahkan transaksi. Jika yuran yang dinyatakan terlalu tinggi, pengguna akan mengalami pengeluaran berlebihan; jika yuran yang dinyatakan terlalu rendah, transaksi mungkin tidak dikonfirmasi dalam masa. Malangnya, pengguna biasanya tidak mempunyai idea tentang bagaimana untuk menetapkan yuran dengan betul. Kami amat percaya bahawa masalah ini memerlukan kajian Kebanyakan alat estimasi bayaran sedia ada telah dibangunkan sebagai komponen yang dibina dalam perisian Bitcoin oleh pengembang industri, seperti BtcFlow[2], Bitcoin Core[3], statoshi[4], buybitcoinworldwide[5], bitcoinfees[6], dan lain-lain Semua strategi ini didasarkan pada asumsi bahawa transaksi dengan bayaran transaksi yang lebih besar adalah lebih baik semasa proses pengesahan. BtcFlow mengembalikan bayaran transaksi minimum untuk transaksi di mana kadar kedatangan sama atau kurang daripada kadar pengesahan. Bitcoin Core[3] menyampaikan bayaran transaksi yang dipertaruhkan berdasarkan bayaran transaksi dalam transaksi blockchain dengan pengesahan yang sama. Hasil masa ini juga terpakai kepada Statoshi[4] dan buybitcoinworldwide[5]. Bitcoinfees[6] menganalisis kemungkinan pengesahan bayaran transaksi yang berbeza melalui API pengesahan, yang bukan sumber terbuka. Walaupun alat-alat industri yang sedia ada telah menyediakan penyelesaian awal kepada masalah pertimbangan yuran, terdapat peluang yang terletak dalam tiga aspek berikut. (1) : Kaedah industri tidak secara sistematik didokumenkan dan diterbitkan secara akademik (bahkan untuk alat-alat sumber terbuka), jadi penyelidik tidak terlalu menyedari mereka, belum lagi berfikir untuk meningkatkan kaedah sedia ada. Kebanyakan kaedah yang sedia ada dibina pada model analisis eksplisit, yang bermakna mereka menganggap pengesahan transaksi dipandu oleh mekanisme tetap, contohnya, bayaran yang lebih tinggi mengesahkan pengesahan terdahulu dalam BtcFlow[2] dan Bitcoin Core[3], blok dihasilkan selepas pengedaran Poisson tertentu dalam BtcFlow[2], masa pengesahan bersejarah menentukan masa pengesahan masa hadapan dalam Bitcoin Core.[3] Kaedah sedia ada mengabaikan interaksi kompleks faktor-faktor yang berbeza yang boleh ditangkap lebih baik oleh kaedah berasaskan pembelajaran mesin. Sebahagian disebabkan oleh ciri-ciri intrinsik model analisis, ia sukar untuk mengintegrasikan pelbagai sumber pengetahuan untuk membuat perkiraan, contohnya, BtcFlow[2] terutama menggunakan maklumat transaksi yang baru dimasukkan dalam mempool, Bitcoin Core terutama menganggap yuran transaksi bersejarah yang dicatatkan dalam blockchain. Menghairankan, butiran transaksi yang diberikan itu sendiri tidak cukup dipertimbangkan, contohnya, input dan output transaksi adalah dua faktor penting yang menyumbang kepada kerumitan pengesahan transaksi [2]. Faktor-faktor lain termasuk kapasiti blok (karena ia mengawal batas atas volume transaksi dalam setiap blok), rangkaian blockchain (seperti kuasa komputasi) yang berkembang kecekapan perlombongan (yang pada gilirannya mempengaruhi kelajuan pengesahan transaksi), dan lain-lain. Insufficient disclose of the industry methods to academic community Inferior estimation accuracy: Limited knowledge is utilized: Selain daripada produk industri, AI-Shehabi [1] mencadangkan rangka kerja rangkaian saraf untuk memodelkan interaksi yuran transaksi dan masa pengesahan transaksi.Dengan menganggap bahawa transaksi yang tidak dikonfirmasi dalam mempool termasuk urutan blok masa depan dalam blockchain, ia menganjurkan transaksi ini, mengikut yuran transaksi mereka, ke dalam urutan virtual blok.Ia kemudian menggunakan rangkaian saraf untuk mengekstrak corak antara yuran transaksi, masa pengesahan virtual (posisi blok virtual), dan masa pengesahan sebenar, yang kemudian digunakan untuk ramalan yuran. Untuk mengkaji lebih lanjut masalah perkiraan yuran transaksi, kami membina rangka kerja baru yang mengintegrasikan lebih banyak butiran dalam transaksi dan blok. Dalam rangka kerja kami, kami mengambil kira ciri-ciri transaksi itu sendiri, transaksi yang tidak dikonfirmasi dalam mempool dan persekitaran pengesahan blockchain, seperti kadar perlombongan, kapasiti blok, dan lain-lain. – Kami menganjurkan dan secara sistematik mendokumentasikan prinsip dan prosedur estimasi terperinci kerja estimasi yuran transaksi yang sedia ada daripada alat industri.Pada masa yang sama, kami menganalisis keterbatasan kerja-kerja ini. – Kami mencadangkan rangka rangkaian rangkaian saraf untuk menangkap interaksi kompleks faktor-faktor yang berbeza yang berkaitan dengan pengesahan transaksi.Pada masa yang sama, berbanding dengan maklumat yang digunakan dalam kerja-kerja yang sedia ada, kami mengintegrasikan pengetahuan dari pelbagai sumber yang lebih luas, termasuk transaksi itu sendiri, transaksi yang tidak disahkan dalam mempool dan persekitaran pengesahan blockchain, untuk menganggarkan yuran transaksi yang betul. – Kami menjalankan eksperimen yang luas pada set data dunia sebenar untuk mengkaji prestasi algoritma pertimbangan bayaran untuk menunjukkan kecekapan dan keberkesanan rangka kerja yang kami cadangkan. Selebihnya kertas ini disusun seperti berikut: Kami memperkenalkan maklumat latar belakang blockchain dalam Seksyen 2 dan mendefinisikan masalah penyelidikan sasaran dalam Seksyen 3. kerja berkaitan mengenai perkiraan yuran transaksi dipelajari dalam Seksyen 4-6, di mana kami menilai faedah dan batasan kaedah perkiraan yuran yang sedia ada. dalam Seksyen 7, kami memaparkan rangka kerja perkiraan yuran transaksi yang diusulkan. dalam Seksyen 8 berikut, kami menjalankan eksperimen untuk menilai prestasi kaedah perkiraan yuran yang berbeza serta penyelesaian yang diusulkan. 
 
 Dokumen ini boleh didapati di archiv di bawah lesen CC0 1.0 UNIVERSAL. Dokumen ini boleh didapati di archiv di bawah lesen CC0 1.0 UNIVERSAL. Tersedia dalam Archive [1] HTTPS://www.slickcharts.com/pembayaran [ 2 ] https://bitcoiner.live/ [3] Perkhidmatan https://bitcoin.org/en/bitcoin-core/ Melayu [4] https://statoshi.info/dashboard/db/fee-estimates/ [ 5 ] https://www.buybitcoinworldwide.com/fee-calculator/ [7] yang https://bitcoinfees.earn.com/

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Blockchainize.TECH

Transparency unlocked, trust amplified, distributed ledger innovation.

blockchainize's blog

Audio ini dihasilkan dalam bahasa asal cerita!

Bagaimana AI boleh membantu anda mengelakkan bayaran berlebihan pada transaksi Bitcoin

About Author

KOMEN

GANTUNG TANDA

ARTIKEL INI DIBENTANGKAN DALAM

Related Stories

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps