[논문 리뷰] Predicting the confirmation time of Bitcoin transactions

David Koops|arXiv (Cornell University)|2018. 09. 21.

Blockchain Technology Applications and Security참고 문헌 2인용 수 12

한 줄 요약

이 논문은 비트코인 거래 확인 시간을 Cramér-Lundberg 스토하스틱 플루이드 큐로 모델링하며, 경량 교통 상황에 대한 하한 근사와 고밀도 교통 상황에 대한 연속성 보정이 있는 확산 근사 두 가지를 제안한다. 주요 기여는 네트워크 혼잡도가 변할 때 확인 시간을 매우 정확하게 예측할 수 있는 방법을 제공하는 것으로, 특히 수수료가 높아 서버에 오래 대기해야 하는 사용자들이 거래가 메모리풀에 얼마나 오래 대기할지 추정하는 데 유용하다.

ABSTRACT

We study the probabilistic distribution of the confirmation time of Bitcoin transactions, conditional on the current memory pool (i.e., the queue of transactions awaiting confirmation). The results of this paper are particularly interesting for users that want to make a Bitcoin transaction during `heavy-traffic situations', when the transaction demand exceeds the block capacity. In such situations, Bitcoin users tend to bid up the transaction fees, in order to gain priority over other users that pay a lower fee. We argue that the time until a Bitcoin transaction is confirmed can be modelled as a particular stochastic fluid queueing process (to be precise: a Cramér-Lundberg process). We approximate the queueing process in two different ways. The first approach leads to a lower bound on the confirmation probability, which becomes increasingly tight as traffic decreases. The second approach relies on a diffusion approximation with a continuity correction, which becomes increasingly accurate as traffic intensifies. The accuracy of the approximations under different traffic loads are evaluated in a simulation study.

연구 동기 및 목표

• 네트워크 혼잡도가 높아 수수료가 급격히 상승하고 사용자가 오랜 지연을 겪는 시기인 비트코인 거래 확인 시간을 예측하는 데 도전하는 것.
• 거래 확인의 확률적 역동성을 포착하기 위해 메모리풀을 스토하스틱 플루이드 큐, 특히 Cramér-Lundberg 과정으로 모델링하는 것.
• 경량에서 고밀도까지 다양한 교통 강도에서 정확한 확률을 제공하는 실용적이고 계산 효율성이 높은 근사 방법을 개발하는 것.
• 다양한 네트워크 부하와 초기 대기 위치 조건에서의 광범위한 시뮬레이션 연구를 통해 이러한 근사의 정확도를 평가하는 것.
• 수수료 수준과 현재 메모리풀 상태를 바탕으로 사용자 및 시스템이 확인 시간을 추정하는 데 도움이 되는 실질적인 지침을 제공하는 것.

제안 방법

• 거래 도착은 결정적이고 블록 확인은 스토하스틱 플루이드 점프로 구성된 Cramér-Lundberg 과정으로 비트코인 메모리풀을 모델링한다.
• 재생 이론에서 유도된 하한 근사 방법을 사용하며, 교통 강도(c)가 감소할수록 점점 더 날카로워진다.
• 특히 고밀도 교통 상황(c → 1)에서 유체 큐의 도달 시간 분포를 더 잘 포착하기 위해 연속성 보정이 있는 확산 근사를 적용한다.
• 보정 항목을 예상 점프 크기 E[S₁]를 사용해 校정하며, c=0.95일 때 0.36403, c=0.25일 때 0.57833로 추정한다.
• 300,000회의 시뮬레이션을 통해 여러 교통 제도(c=0.25, 0.5, 0.75, 0.95)와 초기 대기 위치(x=1, x=4)에서 근사의 정확도를 검증한다.
• 시뮬레이션된 확인 확률을 하한 근사 및 보정된 확산 근사와 비교하여 정확도를 평가한다.

실험 결과

연구 질문

• RQ1 네트워크가 과도하게 혼잡한 상황일 때 비트코인 거래의 확인 시간을 얼마나 정확하게 예측할 수 있는가?
• RQ2 낮은 교통 상황에서 확인 확률에 대한 하한 근사의 성능은 어떠한가?
• RQ3 연속성 보정이 있는 확산 근사는 고밀도 교통 조건에서 시뮬레이션 결과와 어떻게 비교되는가?
• RQ4 근사의 정확도는 교통 강도(c)와 초기 대기 위치(x)에 따라 어떻게 변하는가?
• RQ5 적절한 스케일링 하에 고정 점프를 가진 Cramér-Lundberg 과정이 브라운 운동으로 수렴할 수 있으며, 이는 확인 시간에 대해 역가우시안 분포 수렴을 이끌 수 있는가?

주요 결과

• 보정된 확산 근사는 보정되지 않은 버전보다 훨씬 뛰어난 성능을 보이며, 특히 고밀도 교통 상황(c=0.95)에서 시뮬레이션 결과와 매우 가까이 일치한다.
• 하한 근사는 경량 교통 상황(c ≤ 0.5)에서 가장 날카로워지며, 확인 확률이 90%에서 100% 사이일 때 시뮬레이션 값의 표준편차 내에 포함된다.
• c=0.25, x=1일 때 8개 블록 후 시뮬레이션된 확인 확률은 0.991이었고, 하한 근사는 0.990을 제공하여 매우 높은 일치를 보였다.
• c=0.95, x=1일 때 8개 블록 후 시뮬레이션된 확인 확률은 0.985였고, 보정된 확산 근사는 이 값을 매우 정확하게 따라갔다.
• 교통 강도가 증가함에 따라 하한 근사는 점점 더 느슨해지며, 이는 고혼잡 상황에서는 적합하지 않음을 시사한다.
• 시뮬레이션 결과는 Cramér-Lundberg 과정이 고정 점프를 가지며 적절한 스케일링 하에 브라운 운동으로 수렴할 수 있으며, 이는 도달 시간에 대해 역가우시안 분포 수렴을 암시한다.