会员服务
Merkle Tree · 基 · 原点 · 收缩 ·
2021 年 8 月 16 日
Verification of the Incremental Merkle Tree Algorithm with Dafny
翻译：与Dafny一起核查增增Merkle 树与Dafny的算法
Franck Cassez
Franck Cassez
from arxiv, 16 pages

The Deposit Smart Contract (DSC) is an instrumental component of the Ethereum 2.0 Phase 0 infrastructure. We have developed the first machine-checkable version of the incremental Merkle tree algorithm used in the DSC. We present our new and original correctness proof of the algorithm along with the Dafny machine-checkable version. The main results are: 1) a new proof of total correctness; 2) a software artefact with the proof in the form of the complete Dafny code base and 3) new provably correct optimisations of the algorithm.


翻译：存款智能合同(DSC)是Etheum 2.0阶段0基础设施的一个工具部分。 我们开发了DSC中采用的递增的Merkle树算法的第一个机器可检查版本。 我们提供了我们新的和原始的算法正确性证明,以及Dafny机器可检查版本。 主要结果是:1) 新的完全正确性证明;2) 软件精品,以完整的 Dafny 代码基数为形式提供证明;3) 新的、可证实的、正确的算法优化。
0
下载
关闭预览

相关内容

Merkle Tree，通常也被称作Hash Tree，顾名思义，就是存储hash值的一棵树。Merkle树的叶子是数据块(例如，文件或者文件的集合)的hash值。非叶节点是其对应子节点串联字符串的hash。
INRIA最新「机器学习理论」新书，229页pdf原理性阐述机器学习
INRIA最新「机器学习理论」新书，229页pdf原理性阐述机器学习
专知会员服务
67+阅读 · 2021年3月27日
Linux导论，Introduction to Linux，96页ppt
Linux导论，Introduction to Linux，96页ppt
专知会员服务
77+阅读 · 2020年7月26日
【MIT】生成模型提出的分子的可合成性，48页pdf,The Synthesizability of Molecules Proposed by Generative Models
【MIT】生成模型提出的分子的可合成性，48页pdf,The Synthesizability of Molecules Proposed by Generative Models
专知会员服务
27+阅读 · 2020年2月20日
MIT-深度学习Deep Learning State of the Art in 2020，87页ppt
MIT-深度学习Deep Learning State of the Art in 2020，87页ppt
专知会员服务
61+阅读 · 2020年2月17日
UC.Berkeley CS189讲义教材:《机器学习全面指南》，185页pdf
专知会员服务
159+阅读 · 2020年1月16日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
47+阅读 · 2019年10月17日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
34+阅读 · 2019年10月17日
Stabilizing Transformers for Reinforcement Learning
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
无监督元学习表示学习
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【泡泡一分钟】一种实用且高效的多视图匹配方法
【泡泡一分钟】一种实用且高效的多视图匹配方法
泡泡机器人SLAM
6+阅读 · 2018年11月19日
YOLOv3：An Incremental Improvement 全文翻译
YOLOv3：An Incremental Improvement 全文翻译
极市平台
12+阅读 · 2018年3月28日
【推荐】深度学习情感分析综述
【推荐】深度学习情感分析综述
机器学习研究会
58+阅读 · 2018年1月26日
【推荐】免费书(草稿)：数据科学的数学基础
【推荐】免费书(草稿)：数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
【论文】图上的表示学习综述
【论文】图上的表示学习综述
机器学习研究会
14+阅读 · 2017年9月24日
【推荐】决策树/随机森林深入解析
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
Properties of restricted randomization with implications for experimental design
Arxiv
0+阅读 · 2021年10月14日
An Energy-Based Discontinuous Galerkin Method with Tame CFL Numbers for the Wave Equation
Arxiv
0+阅读 · 2021年10月14日
Counterexamples to the classical central limit theorem for triplewise independent random variables having a common arbitrary margin
Counterexamples to the classical central limit theorem for triplewise independent random variables having a common arbitrary margin
Arxiv
0+阅读 · 2021年10月13日
Incremental Ensemble Gaussian Processes
Incremental Ensemble Gaussian Processes
Arxiv
0+阅读 · 2021年10月13日
HEDP: A Method for Early Forecasting Software Defects based on Human Error Mechanisms
Arxiv
0+阅读 · 2021年10月13日
A Complete Approach to Loop Verification with Invariants and Summaries
Arxiv
0+阅读 · 2021年10月12日
A Simple Way to Verify Linearizability of Concurrent Stacks
Arxiv
0+阅读 · 2021年10月12日
Interpretable Machine Learning: Fundamental Principles and 10 Grand Challenges
Arxiv
17+阅读 · 2021年7月10日
A Dual Approach to Scalable Verification of Deep Networks
A Dual Approach to Scalable Verification of Deep Networks
Arxiv
3+阅读 · 2018年8月3日
The Search Problem in Mixture Models
Arxiv
3+阅读 · 2018年2月24日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
Merkle Tree
基
原点
收缩
相关VIP内容
INRIA最新「机器学习理论」新书，229页pdf原理性阐述机器学习
INRIA最新「机器学习理论」新书，229页pdf原理性阐述机器学习
专知会员服务
67+阅读 · 2021年3月27日
Linux导论，Introduction to Linux，96页ppt
Linux导论，Introduction to Linux，96页ppt
专知会员服务
77+阅读 · 2020年7月26日
【MIT】生成模型提出的分子的可合成性，48页pdf,The Synthesizability of Molecules Proposed by Generative Models
【MIT】生成模型提出的分子的可合成性，48页pdf,The Synthesizability of Molecules Proposed by Generative Models
专知会员服务
27+阅读 · 2020年2月20日
MIT-深度学习Deep Learning State of the Art in 2020，87页ppt
MIT-深度学习Deep Learning State of the Art in 2020，87页ppt
专知会员服务
61+阅读 · 2020年2月17日
UC.Berkeley CS189讲义教材:《机器学习全面指南》，185页pdf
专知会员服务
159+阅读 · 2020年1月16日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
47+阅读 · 2019年10月17日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
34+阅读 · 2019年10月17日
Stabilizing Transformers for Reinforcement Learning
Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
热门VIP内容
相关资讯
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
无监督元学习表示学习
无监督元学习表示学习
CreateAMind
27+阅读 · 2019年1月4日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
【泡泡一分钟】一种实用且高效的多视图匹配方法
【泡泡一分钟】一种实用且高效的多视图匹配方法
泡泡机器人SLAM
6+阅读 · 2018年11月19日
YOLOv3：An Incremental Improvement 全文翻译
YOLOv3：An Incremental Improvement 全文翻译
极市平台
12+阅读 · 2018年3月28日
【推荐】深度学习情感分析综述
【推荐】深度学习情感分析综述
机器学习研究会
58+阅读 · 2018年1月26日
【推荐】免费书(草稿)：数据科学的数学基础
【推荐】免费书(草稿)：数据科学的数学基础
机器学习研究会
20+阅读 · 2017年10月1日
【论文】图上的表示学习综述
【论文】图上的表示学习综述
机器学习研究会
14+阅读 · 2017年9月24日
【推荐】决策树/随机森林深入解析
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
相关论文
Properties of restricted randomization with implications for experimental design
Arxiv
0+阅读 · 2021年10月14日
An Energy-Based Discontinuous Galerkin Method with Tame CFL Numbers for the Wave Equation
Arxiv
0+阅读 · 2021年10月14日
Counterexamples to the classical central limit theorem for triplewise independent random variables having a common arbitrary margin
Counterexamples to the classical central limit theorem for triplewise independent random variables having a common arbitrary margin
Arxiv
0+阅读 · 2021年10月13日
Incremental Ensemble Gaussian Processes
Incremental Ensemble Gaussian Processes
Arxiv
0+阅读 · 2021年10月13日
HEDP: A Method for Early Forecasting Software Defects based on Human Error Mechanisms
Arxiv
0+阅读 · 2021年10月13日
A Complete Approach to Loop Verification with Invariants and Summaries
Arxiv
0+阅读 · 2021年10月12日
A Simple Way to Verify Linearizability of Concurrent Stacks
Arxiv
0+阅读 · 2021年10月12日
Interpretable Machine Learning: Fundamental Principles and 10 Grand Challenges
Arxiv
17+阅读 · 2021年7月10日
A Dual Approach to Scalable Verification of Deep Networks
A Dual Approach to Scalable Verification of Deep Networks
Arxiv
3+阅读 · 2018年8月3日
The Search Problem in Mixture Models
Arxiv
3+阅读 · 2018年2月24日
Top
微信扫码咨询专知VIP会员
Top