与比特币和相关法律主题相关的论文：第 XI 部分

这篇文章最初发表于 克雷格赖特博士的博客，我们在作者的许可下重新发布。 读 第1部分, 第2部分, 第 3 部分, 第 4 部分, 第 5 部分, 第 6 部分, 第 7 部分, 第 8 部分, 第 9 部分， 和 第 10 部分.

测量节点之间的距离被认为是复杂的（Chen 等人，2020 年）并且容易出错或列出计算处理。 由于测量网络的问题，一些作者仅仅捕获并生成了图形网络的表示，而没有分析权力的影响以及每个人的影响 节点. 这种形式的有限方法已经在 以太网络，提供网络上的计算机系统模型（Kim 等人，2018 年）； 然而，这种方法无法区分每个节点的有效性或其对网络其他部分的影响。

Fei (2018) 解决了一些其他作者未解决的分析网络影响的问题，例如 Kim 等人。 (2018)。 这种识别复杂网络中有影响力节点的新方法还总结了其他现有的中心性度量，并提供了一种方法来捕捉分布式网络（如比特币）上节点之间可能存在的强度和相互吸引力。 通过这样一个过程，作者提供了一种比较每个节点影响力的方法，让研究人员可以分析每个系统所保持的比较能力或效果。

通过这样的分析，Fei（2018）提供了一种方法来隔离在复杂网络中形成巨型节点组件的中央系统和网络因素，而 Chen 等人。 (2020) 讨论了可以简化某些任务的自动化机器学习技术。 不幸的是，许多作者，包括 Kim 等人。 (2018)，继续关注节点的数量，忽略了更具影响力的节点对网络其余部分的个体影响。

注释书目

Chen, D.、Lin, Y.、Li, W.、Li, P.、Zhou, J. 和 Sun, X. (2020)。 从拓扑视图测量和缓解图神经网络的过度平滑问题。 AAAI 人工智能会议论文集, 34(04), 3438–3445。 https://doi.org/10.1609/aaai.v34i04.5747

陈等。 (2020) 引入了图神经网络 (GNN) 的概念，作为连接到图表示的机器学习模型。 该方法集成了许多其他神经网络和相关机器学习工具的平均绝对偏差 (MAD) 和平滑度特征。 该功能还允许使用称为自适应边缘优化系统的工具集通过自动化过程捕获网络数据。 最后，分析地形测量的噪声和过度平滑。

该论文的主要好处在于对 GNN 面临的问题进行了系统和定量分析，并优化了分析和捕获图拓扑的系统。 分析是在各种 Pubmed 和相关的公共引用网络上进行的，重点是修剪和捕获系统之间无法自然掌握和表示的重要信息。

Fei, L., Zhang, Q., & Deng, Y. (2018)。 基于平方反比定律识别复杂网络中的影响节点。 物理学 A：统计力学及其应用, 5121044–1059。 https://doi.org/10.1016/j.physa.2018.08.135

飞等。 (2018) 记录了与识别复杂网络中有影响力的节点相关的过程。 通过确定最有影响力且在传输和广播流量中必不可少的节点，可以分析去中心化和系统之间的互连性。 本文首先解决了各种类型的已经存在的中心性措施，记录了算法的缺点和局限性。 然后，作者提出使用平方反比定律来形成复杂网络中节点之间相互吸引的指数。

本文提出了一系列实验和模拟，将所提出的中心性度量与现有度量（例如接近中心性、度中心性和特征向量中心性）进行了比较。 此外，与基于网络的系统一起使用的方法，例如谷歌（纳斯达克：GOOGL) 在页面排名和领导者排名中也进行了分析。 最后，该模型和过程扩展到查看流行病学系统，包括易感、受感染的模型。 实验验证在所提出的方法中展示了良好的统计能力。

Kim, SK、Ma, Z.、Murali, S.、Mason, J.、Miller, A. 和 Bailey, M.（2018 年）。 衡量以太坊网络对等体。 2018年互联网测量会议论文集91–104。 https://doi.org/10.1145/3278532.3278542

金等人。 (2018) 提出了一种测量以太坊网络中网络节点的方法。 该论文首先介绍并记录了以太坊的“智能合约”功能，并将该系统称为“加密货币”。 然后，提出了以太坊是第一个图灵完备的区块链系统的论点，忽略了内部的能力 比特币. 该方法基于节点的发现，并使用名为 NodeFinder 的开发工具进行部署。 作者声称该工具通过探索以太坊的 P2P 生态系统发现了超过 10,000 个节点。

不提供对节点功能的分析，例如区块的开发，测量和验证侧重于找到系统中的所有参与者。 提出的论点是，该工具是通过外部测量来验证的，在外部测量中，节点会找到属于对等生态系统的其他系统。 不幸的是，没有发布有关创建块的信息。 同样，研究中不包含有关区块或交易的广播或传输的信息。 因此，对“非生产性同行”的分析（2018 年，第 99 页）收效甚微。 此外，由于作者没有区分作为网络客户端的节点和主动生产块和传输信息的节点，因此论文的整体价值有限。

其他参考资料
Chen, D.、Lin, Y.、Li, W.、Li, P.、Zhou, J. 和 Sun, X. (2020)。 从拓扑视图测量和缓解图神经网络的过度平滑问题。 AAAI 人工智能会议论文集, 34(04), 3438–3445。 https://doi.org/10.1609/aaai.v34i04.5747
Fei, L., Zhang, Q., & Deng, Y. (2018)。 基于平方反比定律识别复杂网络中的影响节点。 物理学 A：统计力学及其应用, 5121044–1059。 https://doi.org/10.1016/j.physa.2018.08.135
Kim, SK、Ma, Z.、Murali, S.、Mason, J.、Miller, A. 和 Bailey, M.（2018 年）。 衡量以太坊网络对等体。 2018年互联网测量会议论文集91–104。 https://doi.org/10.1145/3278532.3278542

为清晰起见，对本文进行了轻微编辑。

观看：Craig Wright 博士的主题演讲：使用 IPv6 和 BSV 区块链打造更好的互联网

比特币新手？ 查看 CoinGeek 的 比特币初学者 部分，了解更多关于比特币的终极资源指南——正如中本聪最初设想的那样——和区块链。