[論文レビュー] Decentralized Trust Management: Risk Analysis and Trust Aggregation

Xinxin Fan, Ling Liu+3 more|arXiv (Cornell University)|Sep 25, 2019

Access Control and Trust参考文献 85被引用数 7

ひとこと要約

本稿では、分散型信頼管理システムの包括的分析を提示し、リスク要因、信頼集約モデル、信頼メトリクスの堅牢性と有効性を評価する。6つの脅威モデルにおける脆弱性を特定する比較フレームワークを提案し、信頼集約手法をベンチマーク化することで、ブロックチェーンやピアツーピアネットワークのような分散環境における次世代信頼システムの設計指針を提供する。

ABSTRACT

Decentralized trust management is used as a referral benchmark for assisting decision making by human or intelligence machines in open collaborative systems. During any given period of time, each participant may only interact with a few of other participants. Simply relying on direct trust may frequently resort to random team formation. Thus, trust aggregation becomes critical. It can leverage decentralized trust management to learn about indirect trust of every participant based on past transaction experiences. This paper presents alternative designs of decentralized trust management and their efficiency and robustness from three perspectives. First, we study the risk factors and adverse effects of six common threat models. Second, we review the representative trust aggregation models and trust metrics. Third, we present an in-depth analysis and comparison of these reference trust aggregation methods with respect to effectiveness and robustness. We show our comparative study results through formal analysis and experimental evaluation. This comprehensive study advances the understanding of adverse effects of present and future threats and the robustness of different trust metrics. It may also serve as a guideline for research and development of next generation trust aggregation algorithms and services in the anticipation of risk factors and mischievous threats.

研究の動機と目的

• 6つの一般的な脅威モデル下での分散型信頼管理システムにおけるリスク要因および悪影響を特定・分析すること。
• 分散環境で用いられる代表的な信頼集約モデルおよび信頼メトリクスをレビュー・分類すること。
• 形式的分析と実験的検証を通じて、既存の信頼集約手法の有効性および堅牢性を評価すること。
• 悪意ある脅威および動的リスクに耐性を持つ次世代信頼集約アルゴリズムの設計を支援する比較フレームワークを提供すること。
• ブロックチェーン、IoT、エッジコンピューティングなどの分散アプリケーションにおける安全でプライバシー保護型の信頼システムの開発を支援すること。

提案手法

• 協調する参加者、Sybil攻撃、フィードバック操作、IDスプーフィング、フィードバックバイアスを含む6つの脅威シナリオを体系的にモデル化し、信頼計算に与える影響を分析する。
• レピュテーションベースのシステム、ベイズ推論、加重平均技術などの代表的な信頼集約モデルを、悪意ある行動に対する耐性の観点から分類・評価する。
• 形式的リスク分析を適用し、信頼メトリクスが悪意ある入力や環境変化に対してどれほど感受性を示すかを定量化する。
• 合成データおよび実世界の相互作用データセットを用いた実験的評価により、異なる信頼集約アルゴリズムの性能および堅牢性を比較する。
• 複数のアイデンティティおよび取引を跨いでフィードバックを集約しつつ、ユーザーの匿名性を保持する文脈認識型信頼スコアリングのフレームワークを導入する。
• 信頼レーティングの安全な保存と検証を可能にするためにブロックチェーン技術を統合し、改ざんに強い不変性を確保する。

実験結果

リサーチクエスチョン

• RQ1 Sybil攻撃、協調参加者、フィードバック操作などの一般的な脅威モデルは、分散型信頼システムの信頼性にどのように影響を与えるか？
• RQ2 悪意ある入力および動的ネットワーク状態に対して、どの信頼集約モデルが最も高い耐性を示すか？
• RQ3 さまざまな脅威シナリオ下で、有効性、効率性、耐性の間のトレードオフは何か？
• RQ4 複数のアイデンティティやアドレスに跨る信頼スコアをどのように集約するか、同時にユーザーの匿名性を保持し、リンク可能性攻撃を防止できるか？
• RQ5 ブロックチェーン技術は、分散型信頼管理システムにおける信頼データのセキュリティおよび整合性をどのように向上させ得るか？

主な発見

• フィードバック操作およびSybil攻撃は、直接フィードバックに大きく依存する信頼メトリクスの正確性を著しく低下させることが判明した。特に、相互作用が少ない環境では顕著である。
• ベイズ推論および加重平均に基づく信頼集約モデルは、単純平均やレピュテーションベースのシステムよりも、悪意あるフィードバックに対して高い耐性を示す。
• 信頼レーティングの保存にブロックチェーンを統合することで、データの整合性が保証され改ざんが防止され、オープンシステムにおける信頼データの保護に強く適している。
• 文脈認識およびマルチソースフィードバック集約を組み込んだモデルは、動的かつ悪意ある環境下でもより高い正確性と堅牢性を達成する。
• 初期信頼値が適切にキャリブレーションされていない、またはフィードバックが肯定的レーティングに偏っている場合、信頼メトリクスは最も脆弱であることが分析で明らかになった。
• 比較的評価により、レピュテーション、リスク評価、行動分析を組み合わせたハイブリッドモデルは、単独のアプローチに比べ、有効性および堅牢性の両面で優れていることが示された。