[論文レビュー] A New High-Performance Approach to Approximate Pattern-Matching for Plagiarism Detection in Blockchain-Based Non-Fungible Tokens (NFTs)

Ciprian Pungilă, Darius Galiş+1 more|arXiv (Cornell University)|May 28, 2022

Academic integrity and plagiarism被引用数 4

ひとこと要約

本稿では、スライディングウィンドウと局所しきい値を用いた非決定性有限オートマトン（NDFA）を用いて、ブロックチェーンベースのNFTにおけるパラフレーズ検出のための新規で高性能な近似パターンマッチング手法を提案する。Levenshteinなどの古典的類似度測定法と比較して最大9.5倍の高速化を達成しながらも、高い正確性を維持しており、リアルタイムでのNFT知的財産保護に適している。

ABSTRACT

We are presenting a fast and innovative approach to performing approximate pattern-matching for plagiarism detection, using an NDFA-based approach that significantly enhances performance compared to other existing similarity measures. We outline the advantages of our approach in the context of blockchain-based non-fungible tokens (NFTs). We present, formalize, discuss and test our proposed approach in several real-world scenarios and with different similarity measures commonly used in plagiarism detection, and observe significant throughput enhancements throughout the entire spectrum of tests, with little to no compromises on the accuracy of the detection process overall. We conclude that our approach is suitable and adequate to perform approximate pattern-matching for plagiarism detection, and outline research directions for future improvements.

研究の動機と目的

• デジタル資産、特にブロックチェーンベースのNFTエコシステムにおけるパラフレーズ問題の増加に対処すること。
• 正確性を損なわず、近似パターンマッチングの性能を向上させること。
• 大規模なNFTおよびデジタルコンテンツプラットフォームにおける類似コンテンツのリアルタイムでスケーラブルな検出を可能にすること。
• 適応的しきい値を用いることで、類似度ベースのパラフレーズ検出における誤検出（偽陽性）と見逃し（偽陰性）を低減すること。
• NFT対応ブロックチェーンシステムとの統合に適したスケーラブルで高スループットのソリューションを設計すること。

提案手法

• 本手法は、入力データ全体を効率的にインデックス化・マッチングするために非決定性有限オートマトン（NDFA）を採用する。
• 入力データをチャンク単位で処理するスライディングウィンドウ機構を適用し、各ノードレベルでの局所的類似度スコアリングを可能にする。
• オートマトンの各ノードに局所的しきい値を設定することで、部分的な一致を早期に検出し、不要な全シーケンス比較を削減する。
• 複数の類似度測定法—ユークリッド、ハミング、Levenshtein—をNDFAフレームワーク内に統合し、柔軟なパターンマッチングを実現する。
• オートマトンが各ノードにすべての接尾辞を保持することで、動的計画法に類似した状態遷移により、近似マッチの効率的検出が可能になる。
• 並列処理によりパターンを処理し、NDFAが同時に複数の可能性のあるマッチを処理できる能力を活用することで、性能を最適化する。

実験結果

リサーチクエスチョン

• RQ1 大規模なNFTおよびデジタルコンテンツシステムにおけるパラフレーズ検出のための近似パターンマッチングを、どのように高速化できるか？
• RQ2 スライディングウィンドウと局所的しきい値を用いた類似度ベースのパターンマッチングにおいて、速度と正確性のトレードオフはどのようなものか？
• RQ3 NDFAベースのオートマトンは、Levenshtein、ハミング、ユークリッド距離といった古典的類似度測定法に比べ、スループットと正確性の面でどの程度優れているか？
• RQ4 パターン長やウィンドウサイズの変化が、提案手法の性能と正確性にどのように影響を与えるか？
• RQ5 本手法は、ストレージオーバーヘッドを最小限に抑えつつ、ブロックチェーンベースのNFTプラットフォームでのリアルタイム展開にスケーラブルに適合できるか？

主な発見

• 提案手法のNDFAベースのアプローチは、Levenshtein類似度において古典的手法と比較して最大9.5倍のスループット向上を達成した。特に長いパターンに対して顕著であった。
• ユークリッド類似度は、すべてのしきい値設定において1件の偽陰性を示し、検出の信頼性が安定していることを示している。
• ハミングおよびLevenshtein類似度は、しきい値を0.85以上に設定した場合に偽陽性がゼロとなり、高しきい値での高い正確性を示している。
• ユークリッド類似度では9倍の高速化、ハミング距離では3倍の高速化を達成しており、一貫した性能向上が確認された。
• 長パタンに対しても顕著な高速化が得られたことから、入力サイズの増大に対しても強いスケーラビリティを示している。
• 高いスループットを達成している一方で、各ノードに全接尾辞を保持するため、メモリ使用量が増加しており、今後のストレージ最適化のための作業が求められる。