FIT5125 Ass4 里要求的做成视频表述

原文：

Yan, J., Zhang, F, Ma, F., Xinxin, A., Li, Y., & Huang,Y., (2019). Environmental Monitoring System Based on Blockchain. In Proceedings of the 4th International Conference on Crowd Science and Engineering (ICCSE’19). Association for Computing Machinery,. https://doi.org/10.1145/3371238.3371245

翻译内容非全文。

随着信息技术、生物技术、遥感技术等技术的应用，环境保护领域的研究取得了重大突破。 但是现有的环保体系还存在环境数据的硬件造假和软件造假等问题。
本文提出了一种基于区块链的环境监测系统，其中全网环境数据统一，数据处理、共识和发布需要多方认证。 因此，通过采用本文所建议的系统，可以防止环境数据的伪造。
此外，提出了三维环境监控架构和智能可信设备，可以保证设备采集的环境数据的完整性和原始性。

FIT5046 要求做PPT演讲的paper

Authors:

概要

在大型公共场所中，基于WiFi的室内定位的实际部署很少，而且相差甚远，因为大多数最新解决方案都需要客户端或基础架构方面的更改。因此，即使这些解决方案可以实现较高的定位精度，但由于成本和/或客户采用原因，它们并不实用。大多数公共场所都使用商业控制器管理的WLAN解决方案，该解决方案既不允许客户更改，也不允许基础架构更改。实际上，对于这样的场所，我们已经观察到高度异构的设备，客户端应用的采用率非常低。

在本文中，我们介绍了在此类场所部署可扩展位置系统的经验。我们证明服务器端定位并非易事，并且提出了与此方法相关的两个独特挑战，即基数不匹配和高客户端扫描延迟。 “不匹配”挑战导致在离线阶段和在线阶段报告客户端的一组接入点（AP）之间严重不匹配，而“延迟”挑战导致报告任何特定客户端的AP报告数据的数量较少。我们从已经部署了四年以上的WiFi设置中收集了三周的详细地面真相数据（≈200个地标），以提供证据证明这些问题的严重程度并了解这些问题的影响。我们提出启发式方法来减轻它们。我们还总结了实际部署面临的挑战和陷阱，这些挑战和陷阱会影响定位的准确性。

这门课说的是Mobile，但是实际上在开发时就完全是Android，至少到w5期中都没见iOS的影子。

另外这门也不纯粹是开发（虽然占大头），也有读paper的ass

说实话其实一开始压根没想做合约，就只是想做个chain。

但是后来发现你不做DAPP你的chain都没人看，那些做coin的也都在往DAPP靠。就有种被逼上梁山的感觉。不过还好现在有个去华山的路（WASM），可以考虑上了华山再往梁山飞。

其实我也不算是第一个选择华山飞梁山的，cosmos和eth2.0也选，不过人家有现成地图，我只能凭感觉乱飘。而且我们不是一个山头起飞的，他们选了更早被人发现的山头（wasmer），我选了个看起来粗大(?)一点的新山头（wasmtime）。

ECDSA私钥是取q为模后得到的整数x。相关标准规定x不得为0。 因此，x是在[1，q-1]范围内的整数。qlen为q的二进制长度。

签名的生成使用了密码学哈希函数H和输入的消息m。消息首先由H处理，产生值H(m)即消息m的hash，它是长度为hlen的二进制序列。通常，选择H使其输出长度hlen大致等于qlen，因为签名方案的总体安全性取决于hlen和qlen之间的最小值；但是，相关标准支持hlen和qlen的所有组合。

Reputational contagion and the fall of FTX: Examining the response of tokens to the delegitimization of FTT

Finance Research Letters

Imran Yousaf a, John W. Goodell

https://www.sciencedirect.com/science/article/pii/S1544612323000788

与加密货币交易所 FTX 最近的下跌交织在一起的是，向投资者揭示了 FTX 平台代币 FTT 缺乏资产支持。鉴于对声誉传染的兴趣，以及最近学术界和投资者对数字代币的兴趣，我们有动力利用 FTX/FTT 事件来调查声誉传染到其他代币的情况。我们采用事件研究方法来衡量 FTX 崩溃对各种代币的影响。从异常收益结果 以及 累积异常收益 CAR 和 累积平均异常收益 CAAR 表明，几乎所有代币在活动当天都开启了持续的看跌趋势。

Data

八类代币的每日数据来自 coinmarketcap.com。这些代币包括DEX（Uniswap-UNI、Stellar-XLM、PancakeSwap-CAKE、Synthetix-SNX）、CEX（BNB、UNUS SED LEO-LEO、Cronos-CRO、FTX Token-FTT）、NFT（ApeCoin-APE、Flow、 Chiliz-CHZ、Theta Network-THETA)、Defi (Dai、Avalanche-AVAX、Chainlink-LINK、Wrapped Bitcoin-WBTC)、Memes (Dogecoin-DOGE、Shiba Inu-SHIB、Baby Doge Coin-BabyDoge、MonaCoin-MONA)、能源（Energy Web Token-EWT、Powerledger-POWR、Efforce-WOZX、GRID）、旅游（Travala.com-AVA、TripCandy-CANDY、XcelToken Plus-XLAB、BTU Protocol-BTU）和医疗保健（MediBloc-MED、SOLVE） 、Dentacoin-DCN、DOC.COM-MTC）。活动日期为2022年11月8日，因为FTX交易所在这一天崩盘，FTT代币下跌75%。估计窗口由2022年7月4日至2022年11月1日（t-127至t-7）的120天组成，事件窗口由2022年11月2日至2022年11月17日（t-6至t+9）的16天组成。在本文附录的表A1中，我们提供了所有代币收益的描述性统计。

Mobile Devices Strategies in Blockchain-Based Federated Learning: A Dynamic Game Perspective

Sizheng Fan; Hongbo Zhang; Zehua Wang; Wei Cai

IEEE Transactions on Network Science and Engineering

• 系统建模和制定：我们提出并实施了一种基于智能合约的激励机制，以鼓励移动设备参与 FL 任务。在这种情况下，提出了两种移动设备在 FL 任务中的策略模型。
• 动态博弈分析：据我们所知，这是第一个为 FL 动态博弈建模的工作，为进一步研究奠定了基础。我们证明了两个模型的纳什均衡（NE）和混合策略NE的存在性，并提出了相应的两种算法来实现。仿真结果证明了两种算法的收敛性，与 DSM 相比，CSM 可以有效地提高移动设备的收益。

Dynamic Game for Blockchain-Based Federated Learning 基于区块链的联邦学习动态博弈

FL 任务过程由多个全局迭代组成，如图 3 所示。FL 任务由多个全局迭代组成。在每一次全局迭代中，请求者会在每次全局迭代中公布一个固定的奖励 $B$ ，由workers决定是否参与每一次全局迭代。我们将请求者和移动设备之间的交互建模为动态游戏。相互作用可以按以下顺序说明。

如图 4 所示，结合第 III 节中提到的基于联盟区块链的 FL 系统，请求者将发布她/他的任务需求，包括数据类型、模型类型（即卷积神经网络（CNN）、递归神经网络(RNN)), 最大计算时间 $T_{max}$ 和 FL 任务开始时的预算 $B$ （步骤 1）。

Intelligent design: stablecoins (in)stability and collateral during market turbulence

Riccardo De Blasis, Luca Galati, Alexander Webb and Robert I. Webb

Financial Innovation

https://jfin-swufe.springeropen.com/articles/10.1186/s40854-023-00492-4

• 2022 年 5 月，TerraUSD (UST) 稳定币和相关 Terra (LUNA) 代币的暴跌引发了主要稳定币的一系列反应，一些经历了价值下跌，而另一些经历了价值上涨。

• 使用 Baba、Engle、Kraft 和 Kroner (1990) (BEKK) 模型，我们检查了对这种外生冲击的反应，并发现 UST 崩盘的显着传染效应，部分原因可能是交易员之间的羊群行为。

• 我们测试了稳定币之间的不同反应，发现稳定币的设计差异会影响冲击响应的方向、幅度和持续时间。我们讨论了对稳定币开发商、交易所、交易员和监管机构的影响。

这项研究的独创性在于它使用专有数据检查了一个独特的外生事件，即迄今为止稳定币市场最大的崩溃。

我们还将之前关于加密货币市场波动溢出效应的研究扩展到稳定币市场。尽管之前的研究试图调查比特币和稳定币之间的波动溢出效应，以及仅稳定币之间的波动溢出效应，但据我们所知，全面调查对稳定币价格变动的反应幅度、方向和持续时间尚未确定。本研究填补了这一空白，并通过测试其基础设计的差异是否会影响市场行为，扩展了之前关于跨稳定币波动溢出的研究。此外，本研究调查了加密货币崩盘中可能的羊群行为，如 Haykir 和 Yagli (2022) 中的泡沫，并测试了信息级联效应，如 Tse 和 Hackard (2006) 在不同的美国市场所做的那样，由其他市场的 UST 崩盘引发稳定币市场活动，这使我们能够对文献做出额外的贡献。

*信息级联或信息瀑布是行为经济学和网络理论中描述的一种现象，在这种现象中，许多人以一种连续的方式做出相同的决策。

The Doge of Wall Street: Analysis and Detection of Pump and Dump Cryptocurrency Manipulations

MASSIMO LA MORGIA, ALESSANDRO MEI, FRANCESCO SASSI, and JULINDA STEFA, Sapienza

• University of Rome, Italy
• ACM Transactions on Internet Technology
• 本文对社区通过互联网组织的两种市场操纵进行了深入分析：
  • pump and dump拉高出货
  • crowd pump群众哄抬

Pump & Dump 拉高出货

• 拉高出货计划是一种与股票市场一样古老的欺诈行为。
  • 高度协调人群 在 Telegram 和 Discord 上系统地安排这种骗局。
• 对这些群体进行了 3 年多的监测，发现了大约 900 起个别事件。
• 报告了三个与暴涨和暴跌组相关的案例研究。
• 利用我们独特的经过验证的拉高和转储数据集来构建一个机器学习模型，该模型能够在启动后的 25 秒内检测到拉高和转储，实现了 94.5% 的 F1 分数。

Crowd Pump 群众哄抬

• 2021 Reddit 社区 GameStop(GME) 的价格抬高了 1,900%
• 加密货币市场上 Reddit 社区复制了的操作。目标是 DOGE 和 XRP
• 重建了这些操作是如何发展的，并讨论了与正常和倾倒的区别和类比

关键字：[personal/unsecured+loan/lending]/credit + blockchain

基于区块链和联邦学习的手段构建一个信用借贷框架

框架？哪些隐私保护措施？

1
2
3

{
url: ipfs://unknwon_path/this/is/my.model
}

继续找文献：传统框架，如何连接web2信息

流程：

借款人下载本地客户端
借款人使用客户端，通过以太坊节点rpc call借贷方智能合约得到无加密元数据，实现从ipfs下载下载初始评估模型 预训练模型（链上AAve+Comp）
借款人使用客户端进行信息验证（链上AAve Comp，PoS Oauth、NFT-style Licenses/ID、white）
借款人使用客户端内模型进行本地联邦学习，得到训练后模型
借款人使用客户端将模型加密后
借款人使用客户端内ipfs节点寄存模型，得到元数据
借款人使用客户端将元数据加密后上传区块链
借款人使用客户端通过交易调用贷方智能合约方法，实现元数据上链
借贷平台通过智能合约事件接收到加密元数据
借贷平台解密元数据，通过ipfs下载加密评估模型。解密评估模型
借贷平台使用模型训练得到借款人最终评分
借贷平台根据评分决定是否放款