[論文レビュー] Trust Estimation and Aggregation in Peer-to-Peer Network Using Differential Gossip Algorithm

Ruchir Gupta, Yatindra Nath Singh|arXiv (Cornell University)|Oct 16, 2012

Peer-to-Peer Network Technologies参考文献 32被引用数 6

ひとこと要約

本稿では、信頼計算における不確実性を扱うためにBLUE推定器を用い、効率的で局所的な信頼集約を実現するための微分ガスピングプロトコルを用いた、ピアツーピアネットワーク向けの信頼推定および集約フレームワークを提案する。この手法はノード固有の信頼値を計算し、50,000ノードに達するべき力則ネットワークにおいても、コラボレーション攻撃に対して強く耐性があることを示している。

ABSTRACT

In peer-to-peer network, free riding is a big problem. Reputation management systems are used to overcome free riding. Reputation computation methods generally do not consider the uncertainty caused during reputation computation. This paper proposes a reputation estimation method using BLUE (Best Linear Unbiased estimator) estimator that consider all uncertainties. Reputation aggregation in peer to peer networks is generally very time and resource consuming affair. Moreover these methods consider that reputation of a node is same for every node in the network, while that is not true. This paper also proposes a reputation aggregation algorithm that uses a variant of gossip algorithm, differential gossip. Differential gossip is fast and requires sizable amount of resources. Moreover it computes different reputation value of anode for every node in the network. We have implemented Differential Gossip Trust for power law network formed using PA Model. The reputation computed using differential gossip trust shows good immunity to collusion. We have verified the performance of algorithm on power law networks of different sizes ranging from 100 nodes to 50,000 nodes.

研究の動機と目的

• より優れた信頼管理により、ピアツーピアネットワークにおけるフリーライディング問題に取り組む。
• 信頼計算における不確実性を無視する既存のレピュテーションシステムの限界を克服する。
• P2Pネットワークにおけるグローバルなレピュテーション集約にかかる高いリソースおよび時間的コストを低減する。
• ネットワーク全体で均一なレピュテーションを仮定するのではなく、ノードごとのレピュテーション値を可能にする。
• 大規模で現実的なネットワークトポロジーにおけるコラボレーション攻撃に対する耐性を高める。

提案手法

• 信頼データのすべての不確実要因を考慮してレピュテーション値を計算するために、最良線形不偏推定器（BLUE）を用いる。
• 効率的なレピュテーション情報の伝搬および集約を実現するため、ガスピングプロトコルの変種である微分ガスピングを採用する。
• ノード間でレピュテーション計算を分散化し、各ノードが他のすべてのノードに対して個別の信頼値を維持できるようにする。
• ピアツーピア環境を現実的にシミュレートするため、優先的接続（PA）モデルによって生成されるべき力則構造を活用する。
• 従来のガスピングとは異なり、ガスピングメッセージにおける微分更新を用いることで通信オーバーヘッドを最小限に抑え、リソース消費を低減する。
• 反復的で局所的な更新を通じて、ネットワーク全体におけるレピュテーション値の整合性と収束性を維持する。

実験結果

リサーチクエスチョン

• RQ1 P2Pネットワークにおけるレピュテーション計算は、信頼データの不確実性に対してどのようにして耐性をもたせられるか？
• RQ2 分散型のレピュテーション集約メカニズムは、正確性を維持しつつリソース消費を低減できるか？
• RQ3 ノード固有の信頼値を計算することで、システムのコラボレーション攻撃に対する耐性は向上するか？
• RQ4 微分ガスピングベースの信頼システムの性能は、異なるネットワークサイズにおいてどのようにスケーリングするか？
• RQ5 提案手法は、敵対的状況下においてべき乗則P2Pネットワークでの信頼の整合性をどの程度維持できるか？

主な発見

• BLUE推定器の使用により、信頼データの不確実性が効果的に捉えられ、推定の信頼性が向上する。
• 微分ガスピングアルゴリズムは、従来のグローバル集約手法と比較して、通信および計算オーバーヘッドを顕著に低減する。
• 各ノードが他のすべてのノードに対して固有の信頼値を保持しており、個別化され文脈に適した信頼評価を反映している。
• システムは、大規模ネットワークでさえも、コラボレーション攻撃に対して強く耐性を示す。
• アルゴリズムは効率的にスケーリングされ、100〜50,000ノードのネットワークにおいて性能と整合性を維持する。
• PAモデルによって生成されたべき乗則ネットワークにおいて、レピュテーション値は信頼性高く収束し、現実的なトポロジーにおける堅牢性を確認する。