[논문 리뷰] Decentralized Vision-Based Byzantine Agent Detection in Multi-Robot Systems with IOTA Smart Contracts

Sahar Salimpour, Farhad Keramat외 2명|arXiv (Cornell University)|2022. 10. 07.

Blockchain Technology Applications and Security인용 수 8

한 줄 요약

이 논문은 IOTA 스마트 계약을 활용한 분산형, 시각 기반 바르비시안(agent) 탐지 시스템을 제안한다. 깊이 학습 기반의 이상 및 변화 탐지 파이프라인을 통해 로봇 간의 RGB 이미지 쌍을 비교함으로써, 악성 행동을 시사하는 불일치를 식별하며, IOTA는 낮은 오버헤드와 신뢰할 수 없는 공조를 가능하게 하며 로봇의 계산 부담을 최소화한다.

ABSTRACT

Multiple opportunities lie at the intersection of multi-robot systems and distributed ledger technologies (DLTs). In this work, we investigate the potential of new DLT solutions such as IOTA, for detecting anomalies and byzantine agents in multi-robot systems in a decentralized manner. Traditional blockchain approaches are not applicable to real-world networked and decentralized robotic systems where connectivity conditions are not ideal. To address this, we leverage recent advances in partition-tolerant and byzantine-tolerant collaborative decision-making processes with IOTA smart contracts. We show how our work in vision-based anomaly and change detection can be applied to detecting byzantine agents within multiple robots operating in the same environment. We show that IOTA smart contracts add a low computational overhead while allowing to build trust within the multi-robot system. The proposed approach effectively enables byzantine robot detection based on the comparison of images submitted by the different robots and detection of anomalies and changes between them.

연구 동기 및 목표

• 기존 블록체인 솔루션이 고오버헤드 및 연결성 제약으로 인해 실용적이지 않은 분산형 다중 로봇 시스템에서 악성 또는 고장 난 로봇을 탐지하는 문제를 해결하기 위해.
• 중앙 기관에 의존하지 않고도 신뢰할 수 있는 분산형 공조를 가능하게 하여 바르비시안 에이전트를 식별하기 위해.
• 시각 기반 이상 및 변화 탐지와 IOTA 스마트 계약을 통합하여 로봇 간 센서 데이터의 불일치를 탐지하기 위해.
• 딥 러닝 추론을 신뢰할 수 있는 서버에 위탁함으로써 로봇의 계산 부담을 줄이면서도 스마트 계약을 통한 의사결정의 분산화를 유지하기 위해.
• 실시간 이상 탐지에 대해 확장 가능하고, 네트워크 분할에 견딜 수 있으며, 바르비시안에 대해 내성적인 프레임워크를 구현하기 위해.

제안 방법

• 로봇 간 이미지 해시 저장 및 비교 작업 조율을 위해 IOTA 스마트 계약을 분산형 레거시로 활용한다.
• 다른 로봇의 이미지 쌍 간 특징 매칭을 위해 SuperPoint와 SuperGlue를 사용하는 시각 기반 이상 및 변화 탐지 파이프라인을 적용한다.
• 기존 객체를 탐지하고 분할하기 위해 Mask-RCNN 기반 모델을 사용하며, 매칭되지 않은 점들을 군집화하여 이상을 식별한다.
• 임계값 기반의 이질성 스코어링 시스템을 적용한다: 최적의 매칭 임계값은 Δ=0.35이며, 키포인트 추출 임계값은 λ=0.001이며, 모두 기본값에서 최적화되었다.
• 정점 V는 로봇을, 간선 E는 탐지된 이상을 나타내는 그래프 G=(V,E)를 구성한다; 이상 스코어는 각 로봇당 빨간색(이상) 간선 수로 계산된다.
• 모든 로봇의 평균 이상 스코어보다 30% 높은 동적 임계값을 설정하여 바르비시안 로봇을 경고한다.

실험 결과

연구 질문

• RQ1 IOTA 스마트 계약이 다중 로봇 시스템에서 확장 가능하고, 낮은 오버헤드이며, 분산된 메커니즘으로 바르비시안 에이전트 탐지에 기여할 수 있는가?
• RQ2 딥 러닝 모델을 활용한 시각 기반 이미지 비교가 바르비시안 행동을 시사하는 불일치를 탐지하는 데 얼마나 효과적인가?
• RQ3 시스템이 로봇 센서 이미지 간의 물체 제거, 추가, 또는 데이터 조작과 같은 이상을 어느 정도 탐지할 수 있는가?
• RQ4 부분적으로 연결되거나 네트워크 분할 상태에서도 시스템이 고장 내성성과 일관성을 유지하는가?
• RQ5 복잡한 추론을 신뢰할 수 있는 서버에 위탁하면서도 공조를 분산화하는 하이브리드 아키텍처가 성능과 신뢰를 동시에 달성할 수 있는가?

주요 결과

• 첫 번째 비교 라운드에서 총 이상 스코어가 3인 바르비시안 로봇(로봇 1)이 성공적으로 식별되었으며, 다른 로봇들보다 현저히 높았다.
• 최적의 매칭 임계값(Δ=0.35)과 키포인트 추출 임계값(λ=0.001)은 기본값보다 높게 설정되었으며, 이는 탐지의 강건성을 향상시켰다.
• 여섯 차례의 이미지 비교 동안 로봇 1과 관련된 세 개의 이상과 로봇 4와 관련된 한 개의 이상이 탐지되어, 효과적인 불일치 탐지 능력을 입증했다.
• 시간이 지남에 따라 이상 스코어가 누적되며, 평균 이상 스코어보다 30% 높은 임계값을 통해 바르비시안 에이전트를 신뢰성 있게 식별할 수 있었다.
• IOTA 기반 스마트 계약 레이어는 미미한 계산 오버헤드를 유발하여 확장성과 실시간 운영을 지원했다.
• 알 수 없는 또는 무늬가 없는 물체에 대해서도 시스템은 강건하게 작동하지만, 매칭에 필요한 관심 점이 충분하지 않을 경우 탐지 능력이 제한된다.