[논문 리뷰] Live Graph Lab: Towards Open, Dynamic and Real Transaction Graphs with NFT

Zhen Zhang, Bingqiao Luo외 2명|arXiv (Cornell University)|2023. 10. 18.

Blockchain Technology Applications and Security인용 수 5

한 줄 요약

이 논문은 이더리움 블록체인 상의 NFT를 활용하여 개방형, 동적이고 실시간으로 작동하는 거래 그래프를 만들기 위한 프레임워크인 Live Graph Lab을 소개한다. 저자들은 전체 이더리움 노드를 동기화하여 450만 개 이상의 노드와 1,240만 개 이상의 에지로 구성된 실시간 시계열 그래프를 구축하였으며, 이는 급속히 성장하고 활동성이 높은 동적 특성을 드러내며 그래프 기계학습 및 시계열 네트워크 분석 분야에 새로운 기준을 제시한다.

ABSTRACT

Numerous studies have been conducted to investigate the properties of large-scale temporal graphs. Despite the ubiquity of these graphs in real-world scenarios, it's usually impractical for us to obtain the whole real-time graphs due to privacy concerns and technical limitations. In this paper, we introduce the concept of {\it Live Graph Lab} for temporal graphs, which enables open, dynamic and real transaction graphs from blockchains. Among them, Non-fungible tokens (NFTs) have become one of the most prominent parts of blockchain over the past several years. With more than \$40 billion market capitalization, this decentralized ecosystem produces massive, anonymous and real transaction activities, which naturally forms a complicated transaction network. However, there is limited understanding about the characteristics of this emerging NFT ecosystem from a temporal graph analysis perspective. To mitigate this gap, we instantiate a live graph with NFT transaction network and investigate its dynamics to provide new observations and insights. Specifically, through downloading and parsing the NFT transaction activities, we obtain a temporal graph with more than 4.5 million nodes and 124 million edges. Then, a series of measurements are presented to understand the properties of the NFT ecosystem. Through comparisons with social, citation, and web networks, our analyses give intriguing findings and point out potential directions for future exploration. Finally, we also study machine learning models in this live graph to enrich the current datasets and provide new opportunities for the graph community. The source codes and dataset are available at https://livegraphlab.github.io.

연구 동기 및 목표

• 그래프 연구 분야에서 개방형, 동적이고 실시간 시계열 그래프 데이터셋의 부족을 해결하기 위해.
• 기존 데이터셋이 오래되었거나 불완전하거나 실시간으로 공개 공유되지 않는 한계를 극복하기 위해.
• 실시간으로 작동하는 대규모 거래 그래프를 통해 탄생하고 있는 NFT 생태계의 구조적 및 동적 특성을 탐구하기 위해.
• 시계열 그래프 마이닝 및 기계학습 연구를 위한 재사용 가능한 프레임워크와 데이터셋을 제공하기 위해.
• 지속적으로 변화하는 실세계 그래프에서 시계열 그래프 학습 모델의 성능을 평가하기 위해.

제안 방법

• 실시간으로 모든 NFT 거래 데이터를 스트리밍하고 캡처하기 위해 전체 이더리움 노드를 동기화하는 것.
• 원시 블록체인 데이터를 주소를 노드로, NFT 이전을 에지로 하는 시계열 그래프로 파싱, 정제 및 정형화하는 것.
• 2017년부터 2022년까지 이르는 실시간 그래프를 구성하여 450만 개의 노드와 1,240만 개의 에지를 확보하는 것.
• 도수 분포, 군집도, 시계열 동적 특성 등을 포함한 종합적인 시계열 그래프 분석 수행.
• 최신 기술의 시계열 그래프 학습 모델들(예: TGCN, EvolveGCN, DynGEM)을 적용하여 실시간 데이터에서의 성능 평가.
• 에지 재발생성과 시계열 패턴을 분석하기 위해 TEA 및 TET 플롯과 같은 시각화 기법 생성.

(a) Nodes

실험 결과

연구 질문

• RQ1 실시간 NFT 거래 네트워크의 구조적 및 동적 특성은 전통적인 시계열 그래프와 어떻게 다를까?
• RQ2 NFT 거래 그래프는 시간이 지남에 따라 얼마나 높은 활동성과 빠른 성장을 보이는가?
• RQ3 기존의 시계열 그래프 학습 모델은 정적 또는 합성 데이터셋이 아닌 실시간으로 변화하는 그래프에서 어떻게 성능을 발휘하는가?
• RQ4 실세계 NFT 거래 네트워크에서의 에지 재발생성과 시계열 패턴은 어떤 함의를 지니는가?
• RQ5 실시간, 개방형, 동적 그래프가 향후 그래프 알고리즘 및 시스템 개발을 위한 타당한 기준이 될 수 있는가?

주요 결과

• 실시간 NFT 거래 그래프는 450만 개 이상의 노드와 1,240만 개 이상의 에지를 포함하며, 매우 동적이고 활동적인 네트워크를 형성한다.
• TEA 플롯을 통해 각 시간 단위에서 새로 생성된 에지의 비율이 상당히 높아 그래프가 급속히 성장하고 활동성이 높음을 확인할 수 있다.
• 시계열 에지 트래픽(TET) 분석을 통해 미세한 재발생 패턴이 존재함을 확인하였으며, 이는 거래에서 신규성과 재반복성이 공존함을 시사한다.
• 시계열 링크 예측 모델의 성능은 시간 간격이 넓어질수록 저하되며, Roland-MA의 경우 일간 기준 AUC 97.55±0.59에서 월간 기준 87.69±2.17로 감소함을 보였다.
• DynGEM 및 Roland-GRU와 같은 모델의 실시간 데이터에서의 성능을 통해 실시간 그래프 기계학습에 새로운 과제와 기회가 있음을 입증하였다.
• 프레임워크는 상위 50개 핵심 노드를 제거한 후에도 쿼리 시간이 안정적으로 유지되어 밀도가 높은 그래프에서의 강건성을 보였다.

(b) Edges