[論文レビュー] Byzantine-Fault-Tolerant Consensus via Reinforcement Learning for Permissioned Blockchain Implemented in a V2X Network

Seungmo Kim, Ahmed S. Ibrahim|arXiv (Cornell University)|Jul 28, 2020

Blockchain Technology Applications and Security参考文献 31被引用数 6

ひとこと要約

本稿では、動的かつ自律的なV2Xネットワークにおける許可型Hyperledger FabricブロックチェーンのスケーラビリティとByzantine故障耐性のトレードオフを緩和するため、強化学習（RL）に基づくチャネル選択メカニズムを提案する。ペア選択問題を文脈付き多腕バンディットとしてモデル化することで、ドウェルタイムを根拠に、自動的に最適なペアセットを学習可能となり、理論最適に近い低遅延かつ高スループットを実現する。

ABSTRACT

Blockchain has been forming the central piece of various types of vehicle-to-everything (V2X) network for trusted data exchange. Recently, permissioned blockchains garner particular attention thanks to their improved scalability and diverse needs from different organizations. One representative example of permissioned blockchain is Hyperledger Fabric ("Fabric"). Due to its unique execute-order procedure, there is a critical need for a client to select an optimal number of peers. The interesting problem that this paper targets to address is the tradeoff in the number of peers: a too large number will degrade scalability while a too small number will make the network vulnerable to faulty nodes. This optimization issue gets especially challenging in V2X networks due to mobility of nodes: a transaction must be executed and the associated block must be committed before the vehicle leaves a network. To this end, this paper proposes an optimal peers selection mechanism based on reinforcement learning (RL) to keep a Fabric-empowered V2X network impervious to dynamicity due to mobility. We model the RL as a contextual multi-armed bandit (MAB) problem. The results demonstrate the outperformance of the proposed scheme.

研究の動機と目的

• 動的V2Xネットワークにおける許可型ブロックチェーンのスケーラビリティと故障耐性のトレードオフを解消すること。
• Hyperledger Fabricにおける静的ペア選択の限界を克服し、リソースの無駄遣いや性能劣化を回避すること。
• 外部インfrastrucureなしで、車両がリアルタイムに最適なペア構成を自律的に学習可能にすること。
• 移動性に起因するネットワークダイナミクスがあっても、トランザクション処理のライブネスと一貫性を保証すること。
• 変化するネットワーク状態やペアの利用可能性に適応するレジリエントで柔軟な学習フレームワークを開発すること。

提案手法

• 文脈（車両のネットワーク内ドウェルタイムの予測値）を用いて、ペア選択問題を文脈付き多腕バンディット（MAB）問題として定式化する。
• 動的環境下での探索と活用のバランスを図るため、ε-greedyおよびThompson Sampling（TS）探索戦略を用いる。
• 各チャネル（ペアグループ構成）をMABのアームとしてモデル化し、報酬はトランザクション成功確率と遅延に基づく。
• RLエージェントをクライアントアプリケーションに統合し、トランザクションの承認にどのペアを使うかをリアルタイムで意思決定する。
• Hyperledger Fabricのexecute-orderアーキテクチャを活用し、すべてのペアが検証前に決定論的にトランザクションを実行することを保証する。
• 観測された性能に基づき動的にペア選択を適応させ、レジャーデータが古いか一貫性のないペアを回避する。

実験結果

リサーチクエスチョン

• RQ1 V2Xネットワーク内の車両は、スケーラビリティとByzantine故障耐性のバランスを取るために、動的に最適な承認ペア数をどのように選択できるか？
• RQ2 移動性のあるブロックチェーン環境において、ペアの信頼性やネットワークダイナミクスに関する事前知識が欠如している状況でも、強化学習が有効に機能するか？
• RQ3 移動制約下で遅延を最小限に抑え、スループットを最大化するために、どの学習戦略（例：ε-greedyまたはThompson Sampling）が最も効果的か？
• RQ4 文脈付きMABフレームワークは、Hyperledger Fabricにおける静的またはランダムなペア選択と比較して、トランザクション成功確率をどのように向上させるか？
• RQ5 高移動性のV2X環境下でも、RLベースのメカニズムはどれほどライブネスと一貫性を維持できるか？

主な発見

• 提案されたRLベースのチャネル選択メカニズムは、理論最適に近い遅延およびスループット性能を達成した。
• ε-greedyおよびThompson Sampling戦略の適用により、動的ネットワーク状態下でも安定的かつ適応的なペア選択が可能となった。
• 文脈付きMABフレームワークは、ペア数が多すぎるとスケーラビリティが低下し、少なすぎると故障リスクが増加するというトレードオフを効果的にバランスさせた。
• 車両のネットワーク内ドウェルタイムを根拠にした適応的ペア選択により、移動性へのレジリエンスを示した。
• 古いか一貫性のないレジャーデータを持つペアへのトランザクション送信を回避することで、リソースの無駄遣いを削減した。
• 結果から、自律的で学習ベースのペア選択が、許可型ブロックチェーンを用いたV2Xネットワークにおける性能を顕著に向上させることを確認した。