[논문 리뷰] Decision process for blockchain architectures based on requirements

Nicolas Six|arXiv (Cornell University)|2021. 01. 22.

Blockchain Technology Applications and Security참고 문헌 12인용 수 8

한 줄 요약

이 논문은 비기능적 요구사항, 사업 프로세스, 자산을 바탕으로 최적의 블록체인 아키텍처를 추천하는 자동화된 의사결정 프로세스인 BLADE 프로젝트를 제안한다. 블록체인 특성에 대한 지식 기반과 프로세스 기반 벤치마킹 도구를 활용하여 BLADE는 요구사항을 적합한 블록체인에 매핑하고 아키텍처 스텁을 생성하며, 초기 검증에서 전문가 수준의 추천을 달성했으며 실제 사례 연구에서 유망한 결과를 보였다.

ABSTRACT

In recent years, blockchain has grown in popularity due to its singular attributes, enabling the development of new innovative decentralized applications. But when companies consider leveraging blockchain for their applications, the plethora of possible choices and the difficulty of integrating blockchain into architectures can hinder its adoption. Our research project aims to ease the adoption of blockchain into companies, notably with the construction of an automated decision process to solve this issue in which requirements are first-class citizens, a knowledge base containing architectural patterns and blockchains refined over time, and an architecture generator able to process outputs into architectural stubs. This paper will also present our current progression on this decision process, by introducing the preliminary version that is able to choose the most suitable blockchain between multiple choices and our process-driven benchmarking tool.

연구 동기 및 목표

• 기업 시스템에서 수작업으로 결정하는 것이 오류를 유발하고 복잡한 블록체인 아키텍처 선택 문제를 해결하기 위해.
• 비기능적 요구사항과 사용자 선호도를 바탕으로 블록체인 플랫폼의 선택을 자동화하여 전문가 직관에 의존하는 것을 줄이기 위해.
• 체계적인 의사결정을 위한 재사용 가능한 블록체인 특성 및 아키텍처 패턴 지식 기반을 구축하기 위해.
• 선택된 블록체인 패턴을 바탕으로 아키텍처 스텁(엔티티, 인터페이스, 설정 파일)을 생성하여 개발 속도를 향상시키기 위해.
• 벤치마킹 데이터와 전문가 피드백를 활용한 반복적 개선을 통해 의사결정 프로세스를 지속적으로 향상시키기 위해.

제안 방법

• BLADE 의사결정 프로세스는 이더리움, 허브러드 플래그먼트, 코르다, 케이워드 등 4종의 주요 기업용 블록체인에 더해 비트코인까지 포함한 지식 기반을 사용하며, 백서, 기술 문서 및 연구 논문에서 특성을 추출한다.
• 다기준 의사결정(MCDM) 방법을 사용하여 요구사항과 사업 자산을 블록체인 특성에 매핑하고, 가중치가 부여된 점수를 적용한다.
• 프로세스 기반 벤치마킹 프레임워크는 목표 블록체인에 샘플 스마트 컨트랙트 마이크로서비스를 생성하고 배포하여 다양한 워크로드 하에서 성능을 측정한다.
• 벤치마킹 도구는 구성 가능한 워크로드(예: 루프 복잡도, 데이터 크기, 계산 난이도)와 사용자 정의 가능한 블록체인 파라미터(블록 시간, 합의 알고리즘, 블록 크기)를 지원한다.
• 추천된 블록체인과 아키텍처 패턴을 바탕으로 아키텍처 스텁(엔티티, 인터페이스, 통신 프rotocol)을 생성한다.
• 실제 사례 연구와 아키텍트의 피드백를 활용하여 전문가 비교와 반복적 개선을 통해 의사결정 프로세스를 검증한다.

실험 결과

연구 질문

• RQ1 RQ1: 어떻게 비즈니스 프로세스, 자산, 요구사항을 블록체인 아키텍처 의사결정에 활용할 수 있는 구조화된 형태로 추출할 수 있는가?
• RQ2 RQ2: 이러한 입력을 어떻게 처리하여 시스템 아키텍처에 대해 자동으로 정확한 결정을 내릴 수 있는가?
• RQ3 RQ3: 블록체인 고유의 특성은 아키텍처 모델링과 도메인 표현에 어떤 영향을 미치는가?
• RQ4 RQ4: 어떻게 체계적인 방식으로 기존 아키텍처 패턴에 블록체인을 통합할 수 있는가?

주요 결과

• 실제 사례 연구에서 BLADE 의사결정 프로세스는 전문가 공감대와 동일한 블록체인을 추천하여 初期 테스트에서 정확도를 입증했다.
• 벤치마킹 프레임워크는 동적 워크로드 구성 기능을 지원하며, 다양한 블록체인 파라미터와 하드웨어 설정에서의 성능 측정을 가능하게 한다.
• 시스템은 엔티티, 인터페이스, 통신 프로토콜을 포함한 아키텍처 스텁을 생성하여 수동 설정 시간을 크게 줄였다.
• 학술 논문, 백서, 기술 문서에서 추출한 데이터로 강화된 지식 기반을 활용함으로써 일관되고 최신 상태의 블록체인 특성화가 보장된다.
• 초기 결과로 성능 메트릭이 맥락에 따라 달라지며, 다양한 블록체인 간에 큰 격차를 보임을 확인하여 향후 개선을 위해 맥락 인식 공식 유도가 필요함을 시사한다.
• 전문가 피드백과 새로운 연구 논문을 통합하는 반복적 접근 방식을 통해 의사결정 프로세스와 지식 기반의 지속적 개선이 가능하다.