[論文レビュー] Privacy-Preserving Blockchain Mining: Sybil-resistance by Proof-of-Useful-Work

Hjalmar Turesson, Alexandra Roatiş+2 more|arXiv (Cornell University)|Jul 20, 2019

Blockchain Technology Applications and Security被引用数 5

ひとこと要約

この論文は、計算リソースを無駄な計算ではなく機械学習モデルの学習に再利用する、プライバシー保護型ブロックチェーン合意形成メカニズムであるUseful-Work証明（PoUW）を提案する。データ提供者、マイナー、委員会が参加する分散型機械学習コンペティションを統合することで、PoUWはシビル攻撃に対する耐性を確保しながら、ブロックチェーンのセキュリティを超えたリソースの有用性を高める。

ABSTRACT

Blockchains rely on a consensus among participants to achieve decentralization and security. However, reaching consensus in an online, digital world where identities are not tied to physical users is a challenging problem. Proof-of-work (PoW) provides a solution by linking representation to a valuable, physical resource. This has worked well, currently securing Bitcoins $100 B value. However, the Bitcoin network uses a tremendous amount of specialized hardware and energy, and since the utility of these resources is strictly limited to blockchain security, the resources used are not useful other purposes. Here, we propose an alternative consensus scheme that directs the computational resources to a task with utility beyond blockchain security, aiming at better resource utilization. The key idea is to channel the resources to optimization of machine learning (ML) models by setting up decentralized ML competitions. This is achieved by a hybrid consensus scheme relying on three parties: data providers, miners, and a committee. The data provider makes data available and provides payment in return for the best model, miners compete about the payment and access to the committee by producing ML optimized models, and the committee controls the ML competition.

研究の動機と目的

• 従来のプルーフ・オブ・ワークの非効率性を是正し、計算リソースを有用なタスクに再利用すること。
• マイニングの努力を現実世界に有用な機械学習モデルの学習に向け、リソースの利用効率を向上させること。
• エネルギー集約的な計算に依存せずに、分散型システムにおけるシビル攻撃に対する耐性を維持すること。
• データ提供者、マイナー、委員会が参加するハイブリッド合意形成モデルを設計し、機械学習モデルコンペティションの公平な運営を可能とすること。
• マイニングプロセスにおけるプライバシー保護を確保するとともに、検証可能で安全なモデル提出を可能とすること。

提案手法

• 本システムは、三つの役割（データ提供者、マイナー、委員会）を有するハイブリッド合意形成モデルを導入する。
• マイナーは最適化された機械学習モデルをプルーフ・オブ・ワークとして提出し、報酬と委員会へのアクセスをめぐって競争する。
• データ提供者はデータセットを公開し、最高性能を示すモデルに対して金銭的インcentiveを提供することで、実用性に基づいたインcentive構造を創出する。
• 委員会は事前に定義された指標を用いてモデルのパフォーマンスを評価し、優勝モデルを選定することで、公平性と整合性を保証する。
• 提出および評価の過程でデータおよびモデルの詳細を保護するため、プライバシー保護技術を適用する。
• マイナーが無意味な計算ではなく、有用なタスクに計算努力を投資することで、合意形成メカニズムがシビル攻撃に対する耐性を確保する。

実験結果

リサーチクエスチョン

• RQ1 ブロックチェーンマイニングを、ブロックチェーンのセキュリティ確保を超えて、どのような形で有用なタスクに再利用できるか？
• RQ2 機械学習モデルの学習に基づく合意形成メカニズムは、従来のプルーフ・オブ・ワークに比べて同等またはそれ以上のシビル攻撃耐性を提供できるか？
• RQ3 マイナーが機械学習モデルをプルーフ・オブ・ワークとして提出する分散型システムにおいて、プライバシーをどのように保護できるか？
• RQ4 委員会は分散型機械学習コンペティションにおける公平性と整合性をどのように保証するか？
• RQ5 データ提供者は、プライバシーを維持しながら、高品質なデータセットをどのように寄与できるか？

主な発見

• 提案されたUseful-Work証明（PoUW）メカニズムは、マイニングリソースを機械学習モデルの学習に的確に再配分し、ブロックチェーンのセキュリティを超えた有用性を高めることに成功した。
• 機械学習モデルの最適化をプルーフ・オブ・ワークとして使用することで、エネルギー集約的な計算に依存せずにシビル攻撃に対する耐性を達成した。
• データ提供者、マイナー、委員会が参加するハイブリッドモデルにより、モデル品質および報酬に対する公平で検証可能な競争が可能となった。
• 本フレームワークは、プライバシー保護型のモデル提出をサポートし、合意形成プロセス中における機密データおよびモデル詳細の保護を実現した。
• 計算リソースを現実世界の応用に生産的に活用しながらも、ブロックチェーンのセキュリティおよび分散性を維持できることを示した。
• マイニングのインセンティブを有用な計算と一致させることで、従来のプルーフ・オブ・ワークの持続可能な代替手段を提供した。