[논문 리뷰] ERC20 Transactions over Ethereum Blockchain: Network Analysis and Predictions

Shahar Somin, Goren Gordon외 3명|arXiv (Cornell University)|2020. 04. 17.

Complex Network Analysis Techniques참고 문헌 32인용 수 13

한 줄 요약

이 논문은 ERC20 거래 네트워크의 파워-법칙 지수 γ를 과다 감쇠된 조화 진동자로 모델링하여, 네트워크 동역학을 최대 1년 전에 정확하게 예측할 수 있음을 제안한다. 입도 및 퇴도 분포 지수를 사용함으로써 낮은 RMSE로 신뢰할 수 있는 예측을 달성하며, 특히 γ^in에 대해 뛰어난 성능을 보여, 암호자산 생태계 내 네트워크 구조가 진동적이고 물리학에 기반한 동역학을 따른다는 것을 입증한다.

ABSTRACT

Following the birth of Bitcoin and the introduction of the Ethereum ERC20 protocol a decade ago, recent years have witnessed a growing number of cryptographic tokens that are being introduced by researchers, private sector companies and NGOs. The ubiquitous of such Blockchain based cryptocurrencies give birth to a new kind of rising economy, which presents great difficulties to modeling its dynamics using conventional semantic properties. Our work presents the analysis of the dynamical properties of the ERC20 protocol compliant crypto-coins' trading data using a network theory prism. We examine the dynamics of ERC20 based networks over time by analyzing a meta-parameter of the network, the power of its degree distribution. Our analysis demonstrates that this parameter can be modeled as an under-damped harmonic oscillator over time, enabling a year forward of network parameters predictions.

연구 동기 및 목표

• 네트워크 이론을 사용하여 ERC20 토큰 거래 네트워크의 시간적 동역학을 분석하기 위해.
• 입도 및 퇴도 분포의 파워-법칙 지수 γ가 예측 가능한 동적 패턴을 따르는지 조사하기 위해.
• 역사적 γ 동역학을 기반으로 향후 네트워크 구조를 예측하는 모델을 개발하기 위해.
• 모델의 정확도를 1년간의 네트워크 파라미터 예측에 대해 검증하기 위해.

제안 방법

• 입도 및 퇴도 분포의 파워-법칙 지수 γ를 평균이 0인 가우시안 노이즈가 첨가된 과다 감쇠된 조화 진동자로 모델링하기 위해.
• 2015년 6월부터 2018년 6월까지의 시계열 데이터를 사용하여 역사적 γ^in 및 γ^out 값에 대해 진동자 모델을 피팅하기 위해.
• 관측된 값과 예측된 γ 값 간의 평균 제곱근 오차(RMSE)를 계산하여 모델 정확도를 평가하기 위해.
• RMSE 신호의 안정성과 부드러움을 높이기 위해 90일 이동 평균 및 표준편차를 적용하기 위해.
• 각 검토 일자까지 피팅된 부분 진동자 모델을 사용하여 시간에 따른 예측 성능을 평가하기 위해.
• 잔차 분석 및 예측된 값과 실제 γ 궤적의 시각적 검토를 통해 모델 적합도를 검증하기 위해.

실험 결과

연구 질문

• RQ1 ERC20 네트워크의 도수 분포 지수 γ의 시간적 동역학은 과다 감쇠된 조화 진동자로 모델링할 수 있는가?
• RQ2 진동자 모델은 1년 간의 미래 γ^in 및 γ^out 값을 얼마나 정확하게 예측할 수 있는가?
• RQ3 진동자 모델을 사용할 때 γ^in과 γ^out 간의 상대적 예측 성능는 어떠한가?
• RQ4 특히 데이터의 마지막 해 동안, 모델의 오차와 안정성은 어떻게 변화하는가?
• RQ5 모델의 예측에 체계적인 편차가 존재하는가, 예를 들어 γ_∞를 과도하게 추정하거나 실제로 발생하는 γ^out의 진동을 포착하지 못하는가?

주요 결과

• 과다 감쇠된 진동자 모델은 γ^in 동역학에 대해 잔차가 0을 중심으로 분포하여 좋은 통계적 적합도를 나타낸다.
• γ^in에 대한 피팅된 진동자 파라미터는 마지막 관측 진동 이전에 조기에 안정화되며, 이는 모델의 강건성을 시사한다.
• 모델은 γ^out보다 γ^in을 더 낮은 RMSE로 예측하며, 특히 2017년 6월 25일 이후의 마지막 해 동안 뚜렷한 우수성을 보인다.
• 2017년 12월부터 γ^in과 γ^out 예측이 유사한 낮은 RMSE 값으로 수렴하여, 7개월 간 안정적이고 낮은 오차의 예측이 가능해진다.
• RMSE와 그 표준편차는 시간이 지남에 따라 감소하며, 더 많은 데이터가 확보될수록 정확도와 신뢰도가 향상됨을 나타낸다.
• 모델는 γ_∞를 과도하게 추정하고, 실제로 발생하는 γ^out의 진동을 포착하지 못함으로써, 스프링-마찰 동역학 외에 추가적인 힘이 네트워크에 영향을 미친다는 것을 시사한다.