[論文レビュー] Probabilistic consensus via polling and majority rules

James R. Cruise, Ayalvadi Ganesh|arXiv (Cornell University)|Nov 19, 2013

Internet Traffic Analysis and Secure E-voting参考文献 10被引用数 5

ひとこと要約

この論文は、ノードが複数の隣接ノードをポーリングし、そのうちの過半数が異なる意見を持っている場合にのみ新しい意見を採用することで、分散システムにおける収束速度の向上と誤差の低減を実現する確率的コンセンサスアルゴリズムを提案する。この手法により、システムサイズに伴い誤差確率が指数関数的に減少し、収束時間は対数的となる。これは古典的ヴァーター・モデルに比べ顕著な改善をもたらす。

ABSTRACT

In this paper, we consider lightweight decentralised algorithms for achieving consensus in distributed systems. Each member of a distributed group has a private value from a fixed set consisting of, say, two elements, and the goal is for all members to reach consensus on the majority value. We explore variants of the voter model applied to this problem. In the voter model, each node polls a randomly chosen group member and adopts its value. The process is repeated until consensus is reached. We generalize this so that each member polls a (deterministic or random) number of other group members and changes opinion only if a suitably defined super-majority has a different opinion. We show that this modification greatly speeds up the convergence of the algorithm, as well as substantially reducing the probability of it reaching consensus on the incorrect value.

研究の動機と目的

• 分散システムにおけるコンセンサスのための軽量で分散型のアルゴリズムを設計し、確率的保証を提供すること。
• 古典的ヴァーター・モデルに比べ、少数（誤った）値へのコンセンサスが生じる確率を低減すること。
• 意見集約の高精度を維持しつつ収束時間を加速すること。
• ヴァーター・モデルを一般化し、ポーリングと過半数ルールを導入することで性能を向上させること。

提案手法

• 各ノードは、各更新ステップでランダムに選ばれた数の隣接ノードをポーリングする。
• ポーリングされたノードの過半数が異なる意見を持っている場合にのみ、ノードは自分の意見を変更する。
• アルゴリズムは、ポーリング回数（M）と意思決定閾値（D）を定める確率変数（M,D）を用い、ほぼ確実に2D > M ≥ Dが成り立つ。
• 誤差確率の減少率を評価するために、リャプノフ関数とマルティングールの議論を用いる。
• 誤差指数の分析を可能にするために、1を支持するノードの割合と0を支持するノードの割合を比較する関数g̃(x)を定義する。
• ランダム化されたスキーム（例えば、固定確率で1つまたは2つのノードをポーリングする）への拡張も行われ、指数的誤差減少が維持される。

実験結果

リサーチクエスチョン

• RQ1 複数のノードをポーリングし、意見変更に過半数ルールを適用することで、少数の値へのコンセンサスの誤差確率を低減できるか？
• RQ2 この修正により、古典的ヴァーター・モデルに比べて収束時間が顕著に短縮されるか？
• RQ3 システムサイズNの関数として、誤差確率の減少率はどのようになるか？
• RQ4 過半数ルールが適用される確率が非常に小さい固定割合（例えば1%）であっても、性能向上が維持されるか？
• RQ5 内部状態（例：「未決定」状態）を持つモデルと比較して、このモデルの誤差指数はどのように異なるか？

主な発見

• 誤った値へのコンセンサスに至る確率は、システムサイズNに伴い指数関数的に減少し、その減少率は−∫α1/2 log g̃(x) dxで上限が与えられる。
• 初期条件に依存せず、完全なコンセンサスへの収束時間はO(log n)である。これは、既知の最速の収束速度と一致する。
• 更新の1%にのみ2ノードポーリングルールを適用しても、誤差確率は依然としてNに関して指数関数的に減少する。
• ランダム化された(1,1)/(2,2)ポーリングスキームでは、誤差指数がポーリング確率pの関数として明示的に導出される。
• 3状態モデル[13]と同等の誤差指数を達成しているにもかかわらず、2状態のみを用いるという点で、過半数ポーリングの強力さが示される。
• 解析により、すべてのx ∈ [0, 1/2)に対してg̃(x) > 1であることが確認され、初期のバイアスにかかわらず指数的誤差減少が保証される。