[論文レビュー] Tokenized Data Markets

Bharath Ramsundar, Roger Chen+3 more|arXiv (Cornell University)|May 31, 2018

Auction Theory and Applications参考文献 11被引用数 3

ひとこと要約

本論文は、オフチェーンストレージ、再帰的ネスティング、サブトークンを統合することで拡張されたトークン管理レジストリ（TCR）を用いた、安全でインcentivized（インcentivized）かつプライベートなデータ市場を可能にする、新規の分散型フレームワーク「トークン化されたデータ構造」を提案する。数学的に、誠実な参加者がデータの貢献および維持に対して経済的インセンティブを持つことを証明しており、機械学習およびAI応用分野における強固でスケーラブルな分散型データ市場の実現を可能にする。

ABSTRACT

We formalize the construction of decentralized data markets by introducing the mathematical construction of tokenized data structures, a new form of incentivized data structure. These structures both specialize and extend past work on token curated registries and distributed data structures. They provide a unified model for reasoning about complex data structures assembled by multiple agents with differing incentives. We introduce a number of examples of tokenized data structures and introduce a simple mathematical framework for analyzing their properties. We demonstrate how tokenized data structures can be used to instantiate a decentralized, tokenized data market, and conclude by discussing how such decentralized markets could prove fruitful for the further development of machine learning and AI.

研究の動機と目的

• 機械学習およびAIのための学習データへの広範なアクセスを妨げる、液体的で分散型のデータ市場の欠如に対処すること。
• 現在のトークン管理レジストリの制限、例えばオンチェーンストレージの制限やプライバシーの欠如を克服すること。
• オフチェーン、プライベート、再帰的ネスト構造をサポートする、統合的で数学的に裏付けられたインcentivized（インcentivized）で分散型のデータ構造のフレームワークを設計すること。
• トークン化されたデータ構造が、貢献者が報酬を受け取り、暗号経済的インcentive（インcentive）によってデータ整合性が保たれる分散型データ市場をどのように実現できるかを示すこと。
• 今後のAI開発を支えるために、分散型データアクセスを支援するこのようなシステムの実現可能性と耐性を検討すること。

提案手法

• IPFSなどのシステムと統合することで、大容量または機密性の高いデータをオフチェーンに保存できるように、トークン管理レジストリ（TCR）を拡張する。
• 階層的またはグラフベースのデータコレクションのような複雑なデータ構造を構築するために、TCRの再帰的ネスティングを導入する。
• 貢献者がデータエントリの検証および維持にカスタムトークンをステークするサブトークンメカニズムを採用し、階層的なインセンティブを創出する。
• プロポーザルフェーズとチャレンジフェーズにボーディングカーブメカニズムを適用し、プロポーザル者がトークンをステークし、チャレンジャーがエントリを争議して報酬を得る仕組みを採用する。
• プライベートデータへのアクセスはトークンの購入を必要とするメンバーシップモデルを採用し、データ機密性と制御されたアクセスを確保する。
• 貢献者が誠実に行動することで正の期待効用が得られることを証明するための形式的数学的フレームワークを構築する。

実験結果

リサーチクエスチョン

• RQ1 信頼できる中間者に依存せずに、どのように分散型データ市場を構築できるか？
• RQ2 大容量または機密性の高いデータセットを、分散型でインcentivized（インcentivized）なシステム内で、どのように効率的に保存・管理できるか？
• RQ3 貢献者がデータの整合性と正確性を維持するように経済的にインセンティブを受けるメカニズムは何か？
• RQ4 再帰的データ構造を、分散型でトークン化された環境で、どのように構築し、保護できるか？
• RQ5 このようなシステムにおける主要な攻撃ベクトルは何か、そして設計によってどのように緩和できるか？

主な発見

• トークン化されたデータ構造は、参加者が誠実に貢献するように数学的に裏付けられた形式的フレームワークを提供しており、データ整合性を維持する報酬が正の期待値をもたらすことが証明されている。
• IPFSや同様のシステムによるオフチェーンストレージにより、オンチェーンのストレージ制限を超える大規模なデータ構造、例えば分散型マップやデータ交換所のようなものが構築可能である。
• プライベートデータは、トークン保有者にのみ安全に保存・アクセス可能であり、不正アクセスのリスクを最小限に抑えつつ機密性を保持できる。
• TCRの再帰的ネスティングにより、多層的なキュレート済みデータセットや分散型データベースのような複雑な階層的データ構造を構築できる。
• 悪意ある行動はステーキングと報酬メカニズムによって経済的に抑制されるため、同種の複製やフォーク攻撃に対して、システムは耐性を示す。
• ビザンチン障害耐性は形式的に証明されていないが、経済的抑制要因の存在により、多くの悪意ある戦略に対してもシステムが耐性を示すという、定性的な議論が成り立つ。