[論文レビュー] Selecting Reliable Blockchain Peers via Hybrid Blockchain Reliability Prediction

Peilin Zheng, Zibin Zheng+1 more|arXiv (Cornell University)|Oct 31, 2019

Blockchain Technology Applications and Security参考文献 14被引用数 5

ひとこと要約

本論文では、ユーザーのリクエスト履歴からブロックチェーン固有の要因（例：ブロック高、ハッシュ）を抽出し、ハイブリッド線形回帰と協調フィルタリングを組み合わせることで、ブロックチェーンピアのパーソナライズド信頼性予測を提供するハイブリッドブロックチェーン信頼性予測モデル、H-BRPを提案する。100人のリクエスタと200人のイーサリアムピアを対象に200万件の実世界テストケースで評価した結果、ベースラインモデルよりも高い精度を達成し、マイニング効率を著しく向上させるとともに、暗号通貨の損失リスクを低減した。

ABSTRACT

Blockchain and blockchain-based decentralized applications are attracting increasing attentions recently. In public blockchain systems, users usually connect to third-party peers or run a peer to join the P2P blockchain network. However, connecting to unreliable blockchain peers will make users waste resources and even lose millions of dollars of cryptocurrencies. In order to select the reliable blockchain peers, it is urgently needed to evaluate and predict the reliability of them. Faced with this problem, we propose H-BRP, Hybrid Blockchain Reliability Prediction model to extract the blockchain reliability factors then make personalized prediction for each user. Large-scale real-world experiments are conducted on 100 blockchain requesters and 200 blockchain peers. The implement and dataset of 2,000,000 test cases are released. The experimental results show that the proposed model obtains better accuracy than other approaches.

研究の動機と目的

• パubblic P2Pネットワークにおける信頼性の低いブロックチェーンピアが、ユーザーのリソースを無駄にし、マイニングや分散型アプリケーションでの財務的損失をもたらすという深刻な課題に対処すること。
• ネットワーク状態やユーザーの場所によってピアの信頼性が著しく異なるため、個々のユーザーに合わせたパーソナライズド信頼性予測を可能にすること。
• ピア所有情報や中央集権的監視を必要とせず、履歴リクエストパターンとピア行動を活用して信頼性を予測するスケーラブルでデータ駆動型のモデルを開発すること。
• 大規模かつ本番環境のブロックチェーンデータを用いて、実世界の設定でのモデルの有効性を評価すること。
• 再現可能性とブロックチェーン信頼性分野における今後の研究を支援するため、実装とデータセットを公開すること。

提案手法

• H-BRPは、ユーザーのリクエストログからブロックチェーン固有の特徴（例：ブロックハッシュ、ブロック高、リクエストタイミング）を抽出し、ピア行動を特徴付ける。
• 協調フィルタリングとユーザー・ピアの類似性を組み合わせたハイブリッド線形回帰モデルを適用し、個々のユーザーの信頼性スコアを予測する。
• 履歴リクエストパターンと信頼性トレンドに基づいて、類似するユーザーとピアを特定することで、パーソナライズドアプローチを実現する。
• 実世界のネットワーク変動性を再現し、モデルの耐性を高めるために、ブロックの遅延（MaxBlockBack）と往復時間（MaxRTT）の許容しきい値を組み込む。
• 動的かつ大規模なブロックチェーンリクエストデータを扱えるように、リアルタイムでの適応性を考慮したトレーニングおよび予測パイプラインを設計する。
• 主な指標としてRMSEを用い、さまざまなネットワーク許容設定でのパフォーマンスを比較してモデルを評価する。

実験結果

リサーチクエスチョン

• RQ1 ユーザー固有のネットワーク状態を考慮したパーソナライズドなブロックチェーン信頼性予測は、どのように実現できるか？
• RQ2 リクエストログから抽出されたブロックチェーン固有の特徴のうち、ピア信頼性を最も効果的に予測するのはどれか？
• RQ3 協調フィルタリングを組み合わせたハイブリッド線形回帰モデルは、実世界のブロックチェーン環境において、従来の信頼性予測手法をどのように上回るか？
• RQ4 ネットワーク許容パラメータ（MaxBlockBackおよびMaxRTT）は、予測精度とモデルの耐性にどのような影響を与えるか？
• RQ5 スケーラブルでオープンソースの信頼性予測モデルは、実世界のイーサリアムピアネットワークに効果的に展開・検証可能か？

主な発見

• H-BRPは、すべてのテスト設定でベースラインモデルよりも顕著に低いRMSEを達成し、実世界の条件下でも優れた予測精度を示した。
• MaxBlockBackの許容値が高くなると、モデルの精度が低下する。これは、許容値が高くなるとピア間の区別がつきにくくなり、予測誤差が増加するためである。
• MaxRTTが1000msまで上昇するとモデルの精度が向上するが、MaxRTT = 1000msでは、応答データが疎らでピア応答時間の分散が高いため、すべてのモデルで高いRMSEを示した。
• MaxRTT = 1000msでも、H-BRPは他のモデルに顕著な優位性を維持しており、極端なネットワーク状態下でも耐性があることが示された。
• すべてのパrameter設定において、H-BRPはベースラインより一貫して優れたパフォーマンスを示し、ブロックチェーン固有の特徴と協調フィルタリングを組み合わせた有効性が確認された。
• 200万件のテストケースを用いた実世界実験により、H-BRPが本番環境のブロックチェーンネットワークにおける実現可能性とスケーラビリティを確認した。