仮想通貨Bitcoinにおける取引履歴の解析による使用目的の識別と関連性の解明

点击翻译按钮获取中文摘要

主に2つの研究に取り組んだ。1つ目は、昨年度に引き続き、ブロックチェーンのサイズの増加に伴い、仮想通貨の取引履歴解析を効率的に行うために分散学習を用いるための基盤研究である。仮想通貨の取引履歴解析の分散学習のためにフェデレーションラーニング (FL: federated learning) を用い、学習協力者に仮想通貨によるインセンティブを配布するメカニズムを提案した。参加者が完全に利己的、すなわち自身の利得を最大化するような行動を選択するという仮定でインセンティブ・メカニズムをデザインしたが、実際の参加者は人間であるため、人間の心理に基いた行動を想定する必要があった。そこで行動経済学 (behavioral economics) を用いた参加者がより人間的な行動選択をする仮定におけるメカニズムの解析を行った。さら に、これらの知見に基づき、インセンティブメカニズムを考慮したブロックチェーン統合型フェデレーションラーニングに関するサーベイ論文を執筆、投稿し、IEEE Internet of Things Journal (IoTJ)に採録された。2つ目は、Ethereumブロックチェーンの性能ボトルネックを改善する研究に取り組んだ。具体的には、shardingおよびrollupsと呼ばれるブロックチェーンの並列処理技術を用いるにあたって、Ethereumアカウントの残高の管理手法および検証に必要なデータサイズをデータ構造およびコミットメントスキームを用いることで小さく手法を提案した。本研究成果は学術論文誌Cryptographyにて採録された。