MétaCan
Menu
Retour à la cohorte
Enregistrement W7129551473 · doi:10.1109/icbds67396.2025.11377345

Proof Without Exposure: High-Throughput Blockchain Transactions Via Privacy-Preserving Layer-2 Aggregation

2025· article· W7129551473 sur OpenAlexaff
Ruchika Dungarani, Dhruv Patel, Nachiket Patel, Hrutva Doshi, Hardik Prajapati, Pankaja Rajebhau Deshmukh

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineComputer Science
ThématiqueBlockchain Technology Applications and Security
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésScalabilityBlockchainMathematical proofCloud computingMetadataModular designInformation privacyOverhead (engineering)Data sharing

Résumé

récupéré en direct d'OpenAlex

Blockchain has emerged as a promising technology for enabling decentralized, tamper-evident, and auditable data sharing among multiple untrusted parties. However, practical deployments in distributed computing environments face a persistent trade-off between scalability and privacy. Public blockchain networks often expose transactional metadata, compromising confidentiality, while privacy-preserving blockchains—such as those leveraging zero- knowledge proofs (ZKPs)—typically suffer from reduced throughput and increased latency due to the computational overhead of proof generation and verification. Similarly, scalability-enhancing techniques like Layer- 2 rollups, sharding, and state channels often provide minimal privacy guarantees, leaving sensitive metadata vulnerable to inference attacks. This paper proposes a privacy-preserving and scalable blockchain architecture designed specifically for secure data sharing in distributed systems, such as federated cloud platforms, healthcare data networks, IoT ecosystems, and inter-bank settlements. The architecture integrates Layer-2 zero- knowledge rollups with a modular Layer-1 settlement layer (Ethereum or Hyperledger Fabric), decentralized storage (IPFS/Filecoin), and fine-grained access control mechanisms. By batching transactions off-chain, generating succinct ZK proofs for validity, and committing only aggregate proofs and state roots to the base chain, the system achieves both confidentiality and high throughput. The architecture is deployed in a Kubernetes-orchestrated environment, enabling horizontal scaling, automated failover, and comprehensive observability through Prometheus, Grafana, and Jaeger. A prototype implementation demonstrates a throughput improvement of up to$5.8 \times$over baseline privacypreserving blockchains, with latency remaining within acceptable limits for distributed applications. Our evaluation framework compares the proposed design against three baselines— Layer-1 only, Layer-1 + privacy, and Layer- 1 + scalability—and includes metrics such as throughput, latency, cost, privacy efficacy, and fault tolerance. The results indicate that combining privacy-preserving Cryptography with scalable rollup architectures is both feasible and beneficial for real-world distributed systems, offering a compelling pathway toward secure, high-performance blockchain applications.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,004
Science ouverte0,0010,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,013
Tête enseignante GPT0,255
Écart entre enseignants0,242 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetBlockchain Technology Applications and SecurityTravaux en français237 207