Decentralized Multimedia Data Sharing in IoV: A Learning-based Equilibrium of Supply and Demand
本文针对车联网去中心化数据共享中因用户只消费不贡献导致的信息不完整和传输延迟问题，提出基于多智能体深度强化学习的激励机制，结合KP-ABE与NDN保障安全，通过连续双向拍卖学习供需均衡，实验显示均衡确定性能提升10%、传输延迟降低20%。
2024-03-29 cs.CR
SoK: Market Microstructure for Decentralized Prediction Markets (DePMs)
Concordia University（康考迪亚大学）
本文通过回顾去中心化预测市场（DePMs）的历史和设计，分析了其模块化工作流程及各模块的设计变体，探讨了去中心化、表达性和抗操纵之间的权衡，并指出了研究中的开放问题。
2026-07-10 cs.CE cs.CR q-fin.TR
Design of a Decentralized Fixed-Income Lending Automated Market Maker Protocol Supporting Arbitrary Maturities
Antai College of Economics；Management Shanghai Jiao Tong University Shanghai, China
本文提出了一种支持任意期限的去中心化固定收益借贷AMM协议，通过整合不同期限的固定收益工具提升资本效率和金融稳健性。
2025-12-18 cs.CR q-fin.TR
BlockMarkchain: A Secure Decentralized Data Market with a Constant Load on the Blockchain
在本文中，我们开发了BlockMarkchain，作为一个安全的数据市场，个人数据卖家可以在安全的环境中与买家交换经过认证的数据，各方之间没有任何相互信任，也不信任第三方作为中介。为了开发这个平台，我们依赖于部署在安全的公共区块链上的智能合约。这里的主要挑战是验证数据的有效性并防止各方的恶意行为，同时保护数据的隐私并考虑到区块链上可用的有限计算和存储资源。在BlockMarkchain中，买方可以选择质疑卖方的诚实性，并证明智能合约的数据无效。智能合约评估买家的索赔，并通过没收他/她的存款来惩罚不诚实的一方。BlockMarkchain具有几个显著的特征，包括（i）经过认证的数据从未在公共区块链上披露，（ii）区块链上发布的数据大小，区块链上的计算负载以及与区块链通信的成本是恒定的且可以忽略不计，以及（iii）各方验证的计算成本并不昂贵。
2020-03-25 cs.CR
Blockchain-Based Decentralized Knowledge Marketplace Using Active Inference
SRM Institute Of Science And Technology（SRM科学技术研究所）
知识市场可以被描述为一种市场，在这种市场中，有持续的数据供应来满足对信息的需求，并负责将潜在的问题解决者与需要这些解决方案的实体进行映射。可以将其定义为价值交换系统，其中知识资产的创造和交换的动态特征是各种利益相关者之间互动的频率，性质和结果的基本驱动力。此外，为研究提供资金支持是发展一个能够长期存在的知识市场的过程中的一个重要组成部分，也是科学调查取得进展的一个重要驱动力。本文强调了与传统知识市场相关的缺陷，包括但不限于过度的融资集中，无效的信息交换，缺乏安全性，实体映射等。作者提出了一个分散的知识市场框架，包括区块链，主动推理，零知识证明，拟议的去中心化框架不仅提供了一种有效的映射机制来映射市场中的实体，而且还提供了一种更安全和可控的方式来在不同的利益相关者之间共享知识和服务。
2022-10-04 cs.AI cs.CR cs.DC
DEXO: A Secure and Fair Exchange Mechanism for Decentralized IoT Data Markets
University of Kentucky（肯塔基大学）；Purdue University（普渡大学）
DEXO提出了一种去中心化的数据交换机制，通过硬件-密码学协同设计，实现数据保密性、来源可验证性和交易公平性，提升区块链效率。
2025-11-23 cs.CR
Hidden Risks: The Centralization of NFT Metadata and What It Means for the Market
本文揭示了NFT元数据对中心化存储的依赖及其带来的安全风险，通过分析OpenSea畅销NFT，发现去中心化存储（如IPFS）结合数字签名能更好保障资产完整性与可信度。
2024-08-22 cs.CR
On the Feasibility of Decentralized Derivatives Markets
在本文中，我们介绍了Velocity，这是一个部署在以太坊上的去中心化市场，用于交易自定义类型的衍生期权。为了使智能合约能够工作，我们还实现了一个名为PriceGeth的价格获取工具。我们将此作为一个案例研究，注意到系统开发中的挑战，这些挑战可能对智能合约实现的工作具有独立的兴趣。我们还将最近关于Solidity智能合约语言安全性的学术成果应用于验证代码安全性。最后，我们将更广泛地讨论智能合约在金融衍生品建模中的应用。
2018-02-14 cs.CR cs.CY cs.ET
Price manipulation schemes of new crypto-tokens in decentralized exchanges
Scuola Normale Superiore（比萨高等师范学院）；INFN Sezione di Pisa（意大利国家核物理研究所比萨分部）；Dipartimento di Matematica, Università di Bologna（博洛尼亚大学数学系）；Università di Bologna（博洛尼亚大学）
本研究分析了去中心化交易所中新型加密货币的价格操纵问题，揭示了流动性陷阱、 Rug Pulls 和 Sandwich 攻击等风险，并探讨了令牌价格在不同时间维度的演变差异。
2025-11-26 cs.CR q-fin.CP
Trust Dynamics in Cryptocurrency Markets: Centralized vs. Decentralized Exchanges
Duke Kunshan University（杜克昆山大学）；University of Pennsylvania（宾夕法尼亚大学）；Columbia University（哥伦比亚大学）；Nanyang Technological University（南洋理工大学）
研究集中式与去中心化交易所的信任机制差异，通过实证分析揭示机构冲击对市场行为的影响，发现FTX事件后资本从集中式向去中心化交易所转移。
2026-05-01 cs.CE cs.CR cs.CY
A Regulatory Compliance Protocol for Asset Interoperability Between Traditional and Decentralized Finance in Tokenized Capital Markets
Oraclizer Labs（Oraclizer实验室）；Oraclizer Labs Korea（Oraclizer韩国实验室）
本文提出Regulatory Compliance Protocol，通过整合15家全球金融机构的监管要求，将资产代币化分为五个监管组，提供技术与标准的基准协议，并通过三个场景验证其有效性。
2026-07-05 cs.CR cs.CY
Blockchain-Driven Solutions for Carbon Credit Trading: A Decentralized Platform for SMEs
本文提出一个基于以太坊智能合约的区块链去中心化碳信用交易平台，面向台湾中小企业，通过降低信息不对称和中介成本简化碳交易，实验证明其节省时间费用并符合CBAM和CCA法规。
2024-12-27 cs.CR cs.CY
Cyclic Arbitrage in Decentralized Exchanges
去中心化交易所（DEXes）使用户能够创建交易任何一对加密货币的市场。两种代币的直接汇率可能与市场上的交叉汇率不匹配，这种价格差异打开了通过不同加密货币周期性交易的套利可能性。在本文中，我们进行了系统的研究循环仲裁的DEX。我们提出了一个研究周期套利的理论框架。在此框架下，我们分析了循环交易的盈利条件和最优交易策略。我们利用Uniswap V2的交易级数据进一步研究了可利用的套利机会和循环套利的市场规模。我们发现，交易者在11个月内执行了292，606次循环套利，并获得了超过1.38亿美元的收入。然而，最有利可图的未开发机会的收入持续高于1 ETH（4，000美元），这表明DEX市场可能不够有效。通过分析交易者如何实现循环套利，我们发现交易者可以利用智能合约发布原子交易，原子实现可以减轻用户在循环套利中因价格影响而造成的财务损失。
2022-01-14 cs.CE cs.CR q-fin.TR
Efficient Liquidity Providing via Margin Liquidity
限价委托书机制一直是现代金融市场的核心交易机制。在加密货币市场中，集中式交易所也采用这种限价订单簿机制，集中式匹配引擎将交易者动态连接到做市商的订单。最近，去中心化交易所被引入，并在加密货币社区中受到了相当大的关注。去中心化交易所通常采用自动做市商，该做市商通过加密资产池对流动性提供者和交易员之间的交易进行算法仲裁。同时，交易所的流动性是交易者选择交易所时最重要的因素。然而，与集中式交易所相比，流动性提供者在分散式交易所中提供的流动性数量不足。这是因为去中心化交易所的流动性提供者面临着自动做市系统固有的发散损失风险。为此，我们引入了一个新的概念，称为保证金流动性，并利用这一概念提出了一个高利润的保证金流动性提供的立场。然后，我们将这种保证金流动性提供头寸扩展为虚拟保证金流动性提供头寸，以减轻流动性提供者的分歧损失风险，并鼓励他们向池提供更多的流动性。此外，我们还介绍了保证金流动性提供头寸的代表性策略，并使用BTC/ETH市场的历史数据对该策略进行了回测。我们的策略优于简单的持有基线。我们还表明，我们提出的保证金流动性比Uniswap V3中提出的集中流动性的资本效率高8000倍。
2022-12-20 cs.CE cs.CR
A Note on Privacy in Constant Function Market Makers
Uniswap、Balancer、Curve和mStable等常数函数做市商（CFBs）构成了以太坊和其他区块链上一些最大的去中心化交易所。因为在当前的实现中所有的交易都是公开的，自然的下一个问题是是否存在类似的保护隐私的去中心化交易所;即，如果交易的数量隐藏在公众视野之外，那么对手就不能从其他公共信息中正确地重建交易的数量。在这份说明中，我们表明，隐私是不可能的，在最合理的模型的对手，并提供了一些缓解策略下的CFcrime的通常实现。
2021-03-01 cs.CR math.AP math.OC
ZebraLancer: Decentralized Crowdsourcing of Human Knowledge atop Open Blockchain
我们设计并实现了第一个私有和匿名的去中心化众包系统ZebraLancer，并克服了去中心化众包的两个基本挑战，即，数据泄露和身份泄露首先，我们的外包然后证明方法解决了区块链透明度和数据机密性之间的紧张关系，以保证数据众包的基本效用/公平性要求，从而确保：（i）请求者不会支付超过数据应得的费用，根据她的任务通过区块链发布时宣布的政策;（ii）如果每个工人向区块链提交数据，他确实会根据政策获得报酬;（iii）上述属性不仅在没有中央仲裁器的情况下实现，而且不会将数据泄露给开放的区块链。其次，区块链的透明性允许人们通过参与历史来推断工作者和请求者的私人信息。简单地启用匿名似乎是尝试，但将允许恶意工作者多次提交以获得奖励。ZebraLancer还通过允许匿名请求/提交而不牺牲责任来克服这个问题。其背后的想法是一种微妙的可链接性：如果一个工作者对一个任务提交了两次，任何人都可以链接这些提交，否则他将保持匿名，不受任务的影响。为了实现这种微妙的可链接性，我们提出了一种新的密码学概念，即，通用前缀匿名身份验证。我们注意到新的匿名认证方案可能是独立的兴趣。最后，我们实现了一个常见的图像注释任务的协议，并将其部署在以太坊的测试网络中。实验结果表明，我们的协议在现有的现实世界的区块链上的适用性。
2020-05-07 cs.CR cs.DC cs.HC
Towards Decentralized Searcher Competition in MEV Markets
COSIC, KU Leuven（KU Leuven COSIC）
本文针对MEV市场的中心化问题，提出经入口过滤的Shapley上限拍卖机制，以提升搜索者竞争的公平性与去中心化，解决Sybil攻击及合谋等安全挑战。
2026-08-12 cs.CR cs.GT
"Centralized or Decentralized?": Concerns and Value Judgments of Stakeholders in the Non-Fungible Tokens (NFTs) Market
本研究通过分析3万条推文和访谈15位利益相关者，探讨NFT市场中心化与去中心化困境，识别金融诈骗等担忧，并提出解决方向。
2023-11-21 cs.CR cs.CY econ.GN
OmniLytics: A Blockchain-based Secure Data Market for Decentralized Machine Learning
Hong Kong University of Science and Technology（香港科技大学）；University of Electronic Science and Technology of China（电子科技大学）；University of Southern California（南加州大学）
我们提出了OmniLytics，一个基于区块链的安全数据交易市场，用于机器学习应用。利用OmniLytics，许多分布式数据所有者可以贡献他们的私有数据来集体训练一些模型所有者请求的ML模型，并获得数据贡献的补偿。OmniLytics支持这样的模型训练，同时提供1）针对好奇数据所有者的模型安全性; 2）针对好奇模型和数据所有者的数据安全性; 3）对恶意数据所有者提供错误结果以毒害模型训练的弹性;以及4）对恶意模型所有者意图逃避付款的弹性。OmniLytics作为区块链智能合约实现，以保证支付的原子性。在OmniLytics中，模型所有者将其模型分为私有和公共部分，并在合同上发布公共部分。通过执行合同，参与的数据所有者安全地聚合其本地训练的模型，以更新模型所有者的公共模型并通过合同获得补偿。我们在以太坊区块链上实现了一个OmniLytics的工作原型，并进行了大量的实验来测量其气体成本，执行时间和各种参数组合下的模型质量。在MNIST数据集上训练CNN，MO能够在500 ms的区块链处理时间内将其模型准确率从62%提高到83%。这证明了OmniLytics在实际部署中的有效性。
2021-11-15 cs.CR cs.DC cs.LG
Secure Energy Transactions Using Blockchain Leveraging AI for Fraud Detection and Energy Market Stability
Southern New Hampshire University（南新罕布什尔大学）；Mercy University（默西大学）；International American University（国际美国大学）；Washington University of Science and Technology（华盛顿科学技术大学）；Gannon University（甘农大学）；Farmingdale State College（法明代尔州立学院）
本研究针对去中心化美国能源市场的安全挑战，提出结合区块链与人工智能的能源交易系统，利用超120万条模拟P2P交易记录，通过双层架构实现欺诈检测与市场可靠性提升。
2025-06-21 cs.AI cs.CR cs.LG
