[논문 리뷰] High-efficiency Blockchain-based Supply Chain Traceability

Hanqing Wu, Shan Jiang외 1명|arXiv (Cornell University)|2022. 10. 17.

Blockchain Technology Applications and Security인용 수 6

한 줄 요약

이 논문은 블록체인 기반 공급망 추적 시스템의 효율성을 높이기 위해 다수의 데이터베이스 청크에 제품 기록을 복제하고 최대 매칭 기반 병렬 검색 알고리즘을 사용하여 검색 성능을 향상시키는 고성능 시스템을 제안한다. 최적화된 로드 분배를 통해 제품 추적 시간을 최대 85.1% 감소시키며, 저장소 오버헤드는 최소한으로 유지되어, 블록체인 기반 추적 시스템에서 효율성 문제를 공식적으로 다룬 최초의 작업이다.

ABSTRACT

Supply chain traceability refers to product tracking from the source to customers, demanding transparency, authenticity, and high efficiency. In recent years, blockchain has been widely adopted in supply chain traceability to provide transparency and authenticity, while the efficiency issue is understudied. In practice, as the numerous product records accumulate, the time- and storage- efficiencies will decrease remarkably. To the best of our knowledge, this paper is the first work studying the efficiency issue in blockchain-based supply chain traceability. Compared to the traditional method, which searches the records stored in a single chunk sequentially, we replicate the records in multiple chunks and employ parallel search to boost the time efficiency. However, allocating the record searching primitives to the chunks with maximized parallelization ratio is challenging. To this end, we model the records and chunks as a bipartite graph and solve the allocation problem using a maximum matching algorithm. The experimental results indicate that the time overhead can be reduced by up to 85.1% with affordable storage overhead.

연구 동기 및 목표

• 블록체인 기반 공급망 추적 시스템에서 제품 기록이 증가함에 따라 발생하는 시간 및 저장소 오버헤드 문제와 같은 미해결된 효율성 문제를 해결하기 위해.
• 제품 기록과 추적성을 블록체인 시스템 상에서 그래프 탐색 문제로 모델링하기 위해.
• 다양한 데이터베이스 청크를 통해 최대한의 병렬화를 달성하는 새로운 병렬 검색 알고리즘을 설계하기 위해.
• 실험적으로 제안된 방법을 평가하고, 수용 가능한 저장소 트레이드오프를 감안할 때 추적 시간에서 뚜렷한 성능 향상을 입증하기 위해.

제안 방법

• 제품 기록을 α개의 데이터베이스 청크에 복제하여 병렬 검색 작업을 가능하게 한다.
• 거래를 청크에 할당하는 것을 이분 그래프 매칭 문제로 모델링한다.
• 최대 매칭 알고리즘을 사용하여 병렬화 잠재력을 극대화하는 방식으로 거래를 청크에 할당한다.
• 모듈로 연산 이전에 해시 기반 무작위화 기법(예: SHA/MD5)을 적용하여 로드 밸런싱을 향상시키고 거래 ID와 청크 할당 간의 상관관계를 감소시킨다.
• 기본 모듈로 기반 방법과 무작위 해시 기반 변형을 사용한 두 가지 거래 할당 알고리즘을 구현하여 분포를 향상시킨다.
• 비트코인 거래 데이터를 사용하여 성능을 평가하고, 시간 오버헤드, 저장소 비율, 병렬화 효율성 등을 측정한다.

실험 결과

연구 질문

• RQ1 공급망 추적 시스템에서 대규모 블록체인 기반 제품 기록을 검색하는 데 소요되는 시간 오버헤드를 어떻게 크게 줄일 수 있는가?
• RQ2 다양한 데이터베이스 청크에 거래 기록을 어떻게 분포시켜 병렬 검색 성능을 극대화할 수 있는가?
• RQ3 거래 할당에 최대 매칭을 사용할 경우, 순차적 검색에 비해 블록체인 기반 추적의 효율성이 어떻게 향상되는가?
• RQ4 해시를 통한 무작위화를 통해 거래 할당을 개선하면 로드 밸런싱과 추적 시간 감소에 얼마나 기여하는가?
• RQ5 제안된 병렬 검색 프레임워크에서 시간 효율성과 저장소 오버헤드 사이의 트레이드오프는 어느 정도인가?

주요 결과

• 제안된 병렬 검색 알고리즘이 기존 순차적 검색 방법에 비해 제품 추적 시간을 최대 85.1% 감소시킨다.
• 청크 수가 다양해짐에 따라 저장소 오버헤드는 거의 일정하게 유지되며, 0에서 9개의 레플리카로 증가하더라도 저장소 비율은 안정적이다.
• 무작위 거래 할당 방법(알고리즘 5)이 로드 밸런싱이나 병렬화 성능 측면에서 기본 모듈로 기반 방법보다 뚜렷한 우수성을 보이지 않아, 균일한 ID를 가진 모듈로 분포가 이미 양호한 균형을 제공한다는 것을 시사한다.
• 기본 데이터베이스(예: LevelDB vs. CouchDB)의 선택이 병렬화 비율에 영향을 주지 않아, 이 방법이 다양한 데이터베이스 백엔드 간 이식 가능함을 시사한다.
• 실험 결과는 실제 비트코인 거래 데이터를 사용하여 검증되었으며, 실용성과 확장성을 입증한다.
• 이 방법은 공급망을 넘어서 다른 블록체인 기반 추적 사용 사례, 예를 들어 암호화폐 추적 등에 일반화하여 적용 가능하다.