MétaCan
Menu
Retour à la cohorte
Enregistrement W4290996577 · doi:10.1109/icc45855.2022.9839154

AT-CBDC: Achieving Anonymity and Traceability in Central Bank Digital Currency

2022· article· en· W4290996577 sur OpenAlexaff
Yunke Liu, Jianbing Ni, Mohammad Zulkernine

Notice bibliographique

RevueICC 2022 - IEEE International Conference on Communications · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueBlockchain Technology Applications and Security
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésDigital currencyAnonymityTraceabilityComputer scienceElectronic cashCurrencyElectronic moneyComputer securityCentral bankPaymentMobile deviceBusinessWorld Wide WebEconomicsMonetary policyMonetary economics

Résumé

récupéré en direct d'OpenAlex

In this paper, we propose a new central bank digital currency (CBDC) system based on the two-tier architecture. The proposed system enhances the traditional bank-user framework of electronic cash and employs the commercial banks for account and coin management. The coin splitting is supported during coin withdrawal of users and the coin combination is achieved for coin deposit at the commercial banks, such that the efficiency of coin management is improved. The other distinguished feature is that the proposed system achieves the anonymity against the commercial banks, while enabling the central bank to support user tracing and double-spending prevention. Specifically, by utilizing the BBS+ signatures, the users can create bank accounts, withdraw coins, and deposit the received coins at the commercial banks without exposing their real identities. As a trusted party, the central bank is responsible for money issuing and financial regulation. In addition, to ensure the system inclusive, users can receive payments from others even they do not have bank accounts at commercial banks. Finally, we demonstrate that the proposed system achieves the desirable properties of balance, anonymity, and traceability and show the efficiency and practicality for the implementation on mobile devices.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,749
Score d'incertitude au seuil0,716

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0040,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,053
Tête enseignante GPT0,311
Écart entre enseignants0,258 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueICC 2022 - IEEE International Conference on CommunicationsMême sujetBlockchain Technology Applications and SecurityTravaux en français237 207