[논문 리뷰] Tokenized Data Markets

Bharath Ramsundar, Roger Chen외 3명|arXiv (Cornell University)|2018. 05. 31.

Auction Theory and Applications참고 문헌 11인용 수 3

한 줄 요약

이 논문은 토큰화된 데이터 구조—오프체인 스토리지, 재귀적 중첩, 서브토큰을 통합한 토큰 컨트롤된 레지스트리(TCR)를 확장함으로써 안전하고 인센티브 기반이며 비밀 보장이 가능한 데이터 마켓을 가능하게 하는 혁신적인 분산형 프레임워크를 소개한다. 이는 참가자가 솔직하게 기여하고 데이터를 유지보수할 경제적 동기를 수학적으로 증명함으로써 기계학습 및 인공지능 응용 분야를 위한 강력하고 확장 가능한 분산형 데이터 마켓을 실현한다.

ABSTRACT

We formalize the construction of decentralized data markets by introducing the mathematical construction of tokenized data structures, a new form of incentivized data structure. These structures both specialize and extend past work on token curated registries and distributed data structures. They provide a unified model for reasoning about complex data structures assembled by multiple agents with differing incentives. We introduce a number of examples of tokenized data structures and introduce a simple mathematical framework for analyzing their properties. We demonstrate how tokenized data structures can be used to instantiate a decentralized, tokenized data market, and conclude by discussing how such decentralized markets could prove fruitful for the further development of machine learning and AI.

연구 동기 및 목표

• 기계학습 및 인공지능을 위한 훈련 데이터에 광범위하게 접근할 수 있도록 하기 위해, 유동성 있고 분산된 데이터 마켓의 부족을 해결하기 위해.
• 기존 토큰 컨트롤된 레지스트리의 한계, 예를 들어 온체인 스토리지 제약과 프라이버시 부족을 극복하기 위해.
• 오프체인, 비밀 보장, 재귀적 중첩 데이터를 지원하는 분산형 데이터 구조를 위한 통합적이고 수학적으로 기반을 둔 프레임워크를 설계하기 위해.
• 토큰화된 데이터 구조가 기여자에게 보상을 주고 암호경제적 인센티브를 통해 데이터 무결성을 유지함으로써 분산형 데이터 마켓을 어떻게 실현할 수 있는지 보여주기 위해.
• 미래의 인공지능 발전을 지원하기 위해 분산된 데이터 접근을 통해 이러한 시스템의 실현 가능성과 강건성을 탐색하기 위해.

제안 방법

• IPFS와 같은 시스템과의 통합을 통해 대용량 또는 민감한 데이터의 오프체인 스토리지 기능을 제공함으로써 토큰 컨트롤된 레지스트리(TCR)를 확장한다.
• 계층적 또는 그래프 기반 데이터 컬렉션과 같은 복잡한 데이터 구조를 만들 수 있도록 TCR의 재귀적 중첩을 도입한다.
• 기여자가 데이터 항목을 검증하고 유지보수하기 위해 커스텀 토큰을 스테이킹하는 서브토큰 메커니즘을 활용하여 계층적인 인센티브를 생성한다.
• 제안 및 도전 단계에서 바인딩 커브 메커니즘을 사용하며, 제안자는 토큰을 스테이킹하고 도전자는 오류가 있는 항목을 도전하여 보상을 받는다.
• 접근 권한을 획득하기 위해 토큰을 구매해야 하는 멤버십 모델을 적용하여 비밀 보장된 데이터 접근과 제한된 접근을 보장한다.
• 기여자가 솔직하게 참여할 경우 기대 수익이 양수임을 증명할 수 있는 공식적인 수학적 프레임워크를 개발한다.

실험 결과

연구 질문

• RQ1 신뢰할 수 있는 중개자에 의존하지 않고 어떻게 분산형 데이터 마켓을 구성할 수 있는가?
• RQ2 대용량 또는 비밀 보장이 필요한 데이터셋은 어떻게 분산형, 인센티브 기반 시스템에서 효율적으로 저장하고 관리할 수 있는가?
• RQ3 기여자가 데이터의 무결성과 정확성을 유지하도록 경제적으로 유인받는 메커니즘은 무엇인가?
• RQ4 어떻게 분산형, 토큰 기반 환경에서 재귀적 데이터 구조를 만들고 보호할 수 있는가?
• RQ5 이러한 시스템의 주요 공격 벡터는 무엇이며, 설계를 통해 어떻게 이를 완화할 수 있는가?

주요 결과

• 토큰화된 데이터 구조는 기여자가 솔직하게 기여할 경우 데이터 무결성을 유지함으로써 양의 기대 수익을 얻게 되므로, 참가자가 솔직하게 기여하도록 수학적으로 증명된 공식적인 수학적 프레임워크를 제공한다.
• IPFS 또는 유사한 시스템을 통한 오프체인 스토리지 기능은 온체인 스토리지 한계를 초월하는 대규모 데이터 구조, 예를 들어 분산형 지도나 데이터 거래소를 구축할 수 있도록 한다.
• 비밀 보장된 데이터는 토큰 소지자들만 안전하게 접근할 수 있으며, 이는 무단 접근을 최소화하면서도 기밀성을 유지한다.
• TCR의 재귀적 중첩은 계층적 데이터 구조, 예를 들어 다중 수준의 컨트롤된 데이터셋이나 분산형 데이터베이스와 같은 복잡한 데이터 구조를 만들 수 있도록 한다.
• 악성 행동은 스테이킹과 보상 메커니즘을 통해 경제적으로 비합리적이므로, 시스템은 복제 및 포크 공격과 같은 일반적인 공격에 강건하다.
• 비잔틴 장애에 대한 엄밀한 증명은 이루어지지 않았지만, 경제적 비합리성에 기반한 정성적 논증을 통해 시스템은 많은 악성 전략에 대해 강건할 것으로 보인다.