[논문 리뷰] Decentralized Trust Management: Risk Analysis and Trust Aggregation

Xinxin Fan, Ling Liu외 3명|arXiv (Cornell University)|2019. 09. 25.

Access Control and Trust참고 문헌 85인용 수 7

한 줄 요약

이 논문은 탈중앙화된 신뢰 관리 시스템에 대한 종합적인 분석을 제시하며, 위험 요인, 신뢰 집계 모델, 그리고 신뢰 메트릭스의 강건성과 효과성에 대해 평가한다. 이는 여섯 가지 위협 모델에서의 취약점을 규명하고 신뢰 집계 방법을 벤치마킹하는 비교 프레임워크를 제안하며, 블록체인과 피어 투 피어 네트워크와 같은 탈중앙화 환경에서 다음 세대의 강력한 신뢰 시스템 설계를 위한 지침을 제공한다.

ABSTRACT

Decentralized trust management is used as a referral benchmark for assisting decision making by human or intelligence machines in open collaborative systems. During any given period of time, each participant may only interact with a few of other participants. Simply relying on direct trust may frequently resort to random team formation. Thus, trust aggregation becomes critical. It can leverage decentralized trust management to learn about indirect trust of every participant based on past transaction experiences. This paper presents alternative designs of decentralized trust management and their efficiency and robustness from three perspectives. First, we study the risk factors and adverse effects of six common threat models. Second, we review the representative trust aggregation models and trust metrics. Third, we present an in-depth analysis and comparison of these reference trust aggregation methods with respect to effectiveness and robustness. We show our comparative study results through formal analysis and experimental evaluation. This comprehensive study advances the understanding of adverse effects of present and future threats and the robustness of different trust metrics. It may also serve as a guideline for research and development of next generation trust aggregation algorithms and services in the anticipation of risk factors and mischievous threats.

연구 동기 및 목표

• 여섯 가지 일반적인 위협 모델 하에서 탈중앙화된 신뢰 관리 시스템의 위험 요인과 악영향을 규명하고 분석하는 것.
• 탈중앙화 환경에서 사용되는 대표적인 신뢰 집계 모델과 신뢰 메트릭스를 검토하고 분류하는 것.
• 형식적 분석과 실험적 검증을 통해 기존의 신뢰 집계 방법의 효과성과 강건성에 대한 평가를 수행하는 것.
• 악성 위협과 동적 위험에 강건한 다음 세대의 신뢰 집계 알고리즘 설계를 안내하는 비교 프레임워크를 제공하는 것.
• 블록체인, IoT, 엣지 컴퓨팅 등의 탈중앙화 애플리케이션에서 안전하고 프라이버시를 보장하는 신뢰 시스템 개발을 지원하는 것.

제안 방법

• 협력하는 참가자, 시빌 공격, 피드백 조작, 신원 위조, 피드백 편향 등 여섯 가지 위협 시나리오를 체계적으로 모델링하여 신뢰 계산에 미치는 영향을 분석한다.
• 신뢰성에 대한 적대적 행동에 대한 저항력에 기반해, 평판 기반 시스템, 베이지안 추론, 가중 평균 기법 등 대표적인 신뢰 집계 모델을 분류하고 평가한다.
• 형식적 위험 분석을 적용하여 신뢰 메트릭스가 악성 입력과 환경 변화에 얼마나 민감한지 정량화한다.
• 합성 및 실제 상호작용 데이터 세트를 사용하여 다양한 신뢰 집계 알고리즘의 성능과 강건성을 비교하기 위해 실험적 평가를 수행한다.
• 여러 신원과 거래를 통해 피드백을 집계하면서도 사용자 익명성을 유지하는 컨텍스트 기반 신뢰 스코어링 프레임워크를 도입한다.
• 블록체인 기술을 통합하여 신뢰 평가를 안전하게 저장하고 검증함으로써 변조에 저항하고 불가변성을 확보한다.

실험 결과

연구 질문

• RQ1 시빌 공격, 협력하는 참가자, 피드백 조작과 같은 일반적인 위협 모델이 탈중앙화된 신뢰 시스템의 신뢰성에 어떻게 영향을 미치는가?
• RQ2 어떤 신뢰 집계 모델이 악성 입력과 동적 네트워크 조건에 대해 가장 높은 강건성을 보여주는가?
• RQ3 다양한 위협 시나리오 하에서 효과성, 효율성, 강건성 간의 상호 교환 관계는 무엇인가?
• RQ4 여러 신원이나 주소를 통해 신뢰 스코어를 어떻게 집계할 수 있으며, 동시에 사용자 익명성과 링크 가능성 공격을 방지할 수 있는가?
• RQ5 블록체인 기술은 탈중앙화된 신뢰 관리 시스템에서 신뢰 데이터의 보안성과 무결성을 어떻게 향상시킬 수 있는가?

주요 결과

• 연구는 직접 피드백에 크게 의존하는 신뢰 메트릭스가 피드백 조작과 시빌 공격으로 인해 신뢰도가 크게 떨어지며, 특히 상호작용 빈도가 낮은 환경에서 심각한 영향을 받는다는 점을 규명했다.
• 베이지안 추론과 가중 평균 기반의 신뢰 집계 모델은 단순 평균이나 평판 기반 시스템보다 악성 피드백에 더 강건한 것으로 나타났다.
• 신뢰 평가를 저장하기 위해 블록체인을 통합하면 데이터 무결성이 보장되고 변조가 방지되어 개방형 시스템에서 신뢰 데이터를 보호하는 데 강력한 후보가 된다.
• 컨텍스트 인식 기능과 다중 소스 피드백 집계를 통합한 모델은 동적이고 악성 환경에서 더 높은 정확도와 강건성을 달성한다.
• 분석 결과, 초기 신뢰 값이 적절히 校정되지 않았거나 피드백이 긍정적 평가에 편향되어 있을 경우, 신뢰 메트릭스가 가장 취약해지는 것으로 드러났다.
• 비교 평가 결과, 평판, 위험 평가, 행동 분석을 결합한 하이브리드 모델이 효과성과 강건성 측면에서 고립된 접근 방식보다 뛰어난 성능을 보였다.