[논문 리뷰] Selecting Reliable Blockchain Peers via Hybrid Blockchain Reliability Prediction

Peilin Zheng, Zibin Zheng외 1명|arXiv (Cornell University)|2019. 10. 31.

Blockchain Technology Applications and Security참고 문헌 14인용 수 5

한 줄 요약

이 논문은 사용자 요청 이력에서 블록체인 전용 요소(예: 블록 높이, 해시)를 추출하고, 혼합 선형 회귀를 사용해 협업 필터링을 적용함으로써 블록체인 피어에 대한 개인화된 신뢰성 예측을 제공하는 하이브리드 블록체인 신뢰성 예측 모델인 H-BRP를 제안한다. 100명의 요청자와 200명의 이더리움 피어를 대상으로 200만 건의 실세계 테스트 케이스에서 평가한 결과, 기준 모델보다 높은 정확도를 확보하였으며, 채굴 효율성을 크게 향상시키고 암호화폐 손실 위험을 감소시켰다.

ABSTRACT

Blockchain and blockchain-based decentralized applications are attracting increasing attentions recently. In public blockchain systems, users usually connect to third-party peers or run a peer to join the P2P blockchain network. However, connecting to unreliable blockchain peers will make users waste resources and even lose millions of dollars of cryptocurrencies. In order to select the reliable blockchain peers, it is urgently needed to evaluate and predict the reliability of them. Faced with this problem, we propose H-BRP, Hybrid Blockchain Reliability Prediction model to extract the blockchain reliability factors then make personalized prediction for each user. Large-scale real-world experiments are conducted on 100 blockchain requesters and 200 blockchain peers. The implement and dataset of 2,000,000 test cases are released. The experimental results show that the proposed model obtains better accuracy than other approaches.

연구 동기 및 목표

• 공개 P2P 네트워크에서 신뢰할 수 없는 블록체인 피어로 인해 사용자 자원 낭비와 채굴 및 탈중앙화 애플리케이션에서 재정적 손실이 발생할 수 있는 심각한 문제를 해결하기 위해.
• 다양한 네트워크 조건과 사용자 위치에 따라 피어의 신뢰성이 크게 달라지므로, 개인별로 맞춤화된 신뢰성 예측을 가능하게 하기 위해.
• 피어 소유권이나 중앙 집중식 모니터링이 필요 없이도 역사적 요청 패턴과 피어 행동을 활용해 데이터 기반으로 확장 가능한 모델을 개발하기 위해.
• 대규모 실생산 블록체인 데이터를 활용해 실제 환경에서 모델의 효과성을 평가하기 위해.
• 재현 가능성과 향후 블록체인 신뢰성 분야의 연구를 지원하기 위해 구현 코드와 데이터셋을 공개하기 위해.

제안 방법

• H-BRP는 사용자 요청 로그에서 블록 해시, 블록 높이, 요청 시점과 같은 블록체인 전용 특징을 추출하여 피어 행동을 특성화한다.
• 사용자 및 피어 유사도를 통합한 협업 필터링을 적용한 하이브리드 선형 회귀 모델을 사용하여 개별 사용자에 대한 신뢰성 점수를 예측한다.
• 이전 요청 패턴과 신뢰성 추세를 기반으로 유사한 사용자와 피어를 식별함으로써 개인화된 접근 방식을 구현한다.
• 실제 네트워크 변동성을 반영하고 강건성을 향상시키기 위해 블록 뒤처짐 허용 범위(MaxBlockBack)와 왕복 시간(MaxRTT)의 내성 기준치를 통합한다.
• 실시간 적응 능력을 고려해 동적이고 대규모 블록체인 요청 데이터를 처리할 수 있도록 학습 및 예측 파이프라인을 설계한다.
• 주요 평가 지표로 RMSE를 사용하여 다양한 네트워크 내성 설정에서의 성능을 비교 분석한다.

실험 결과

연구 질문

• RQ1 사용자별 네트워크 조건를 고려한 개인화된 방식으로 블록체인 신뢰성을 어떻게 예측할 수 있는가?
• RQ2 요청 로그에서 추출한 블록체인 전용 특징 중에서 피어 신뢰성을 가장 효과적으로 예측하는 것은 무엇인가?
• RQ3 협업 필터링을 통합한 하이브리드 선형 회귀 모델은 실세계 블록체인 환경에서 전통적 신뢰성 예측 방법보다 어떻게 뛰어나게 작용하는가?
• RQ4 네트워크 내성 파rameter인 MaxBlockBack 및 MaxRTT는 예측 정확도와 모델 강건성에 어떤 영향을 미치는가?
• RQ5 확장 가능하고 오픈소스인 신뢰성 예측 모델은 실세계 이더리움 피어 네트워크에서 효과적으로 구현되고 검증될 수 있는가?

주요 결과

• H-BRP는 모든 테스트 설정에서 기준 모델보다 유의미하게 낮은 RMSE를 기록하여 실세계 조건에서 뛰어난 예측 정확도를 입증하였다.
• MaxBlockBack의 허용 범위가 높아질수록 모델의 정확도가 감소하며, 이는 높은 허용 범위로 인해 피어 간 구분이 어려워져 예측 오차가 증가하기 때문이다.
• MaxRTT 값이 높아질수록(최대 1000ms까지) 모델 정확도가 향상되지만, MaxRTT = 1000ms일 경우 응답 데이터가 희소하고 피어 응답 시간의 분산이 커져 모든 모델에서 높은 RMSE를 보였다.
• MaxRTT = 1000ms일 때 높은 RMSE가 발생하더라도 H-BRP는 다른 모델에 비해 뚜렷한 우위를 유지하여 극한의 네트워크 조건에서도 강건성을 입증하였다.
• 모든 파rameter 설정에서 기준 모델보다 성능이 뛰어나, 블록체인 전용 특징과 협업 필터링을 융합한 전략의 효과성을 확인하였다.
• 200만 건의 실세계 테스트 케이스를 통한 실험으로 H-BRP가 실생산 수준의 블록체인 네트워크에서 구현 가능하고 확장 가능한 것을 확인하였다.