[论文解读] Practical Modeling and Analysis of Blockchain Radio Access Network

Xintong Ling, Yuwei Le+3 more|arXiv (Cornell University)|Nov 28, 2019

Blockchain Technology Applications and Security参考文献 25被引用 7

一句话总结

本文提出了一种实用的区块链无线接入网络（B-RAN）分析框架，采用时齐马尔可夫链对区块生成和排队行为进行建模。该框架评估了延迟与安全性的权衡，推导出确认延迟和替代历史攻击概率的闭式表达式，并通过原型系统验证了模型，结果表明安全性随确认次数增加而提升，而延迟则随网络负载增加而上升。

ABSTRACT

The continually rising demand for wireless services and applications in the era of Internet of things (IoT) and artificial intelligence (AI) presents a significant number of unprecedented challenges to existing network structures. To meet the rapid growth need of mobile data services, blockchain radio access network (B-RAN) has emerged as a decentralized, trustworthy radio access paradigm spurred by blockchain technologies. However, many characteristics of B-RAN remain unclear and hard to characterize. In this study, we develop an analytical framework to model B-RAN and provide some basic fundamental analysis. Starting from block generation, we establish a queuing model based on a time-homogeneous Markov chain. From the queuing model, we evaluate the performance of B-RAN with respect to latency and security considerations. By connecting latency and security, we uncover a more comprehensive picture of the achievable performance of B-RAN. Further, we present experimental results via an innovative prototype and validate the proposed model.

研究动机与目标

• 为解决区块链无线接入网络（B-RAN）在延迟与安全性权衡方面缺乏基础分析的问题。
• 开发一种可处理的分析模型，以捕捉B-RAN中区块生成与请求处理的动态行为。
• 量化去中心化对网络性能的影响，特别是对服务延迟和抗攻击能力的影响。
• 通过真实世界原型实现验证理论模型。

提出的方法

• 将B-RAN的区块生成建模为时齐连续时间马尔可夫链，以分析请求排队与确认延迟。
• 基于流量强度 ρ = λ^a / (sλ^c) 推导排队模型，以评估不同负载条件下的平均延迟。
• 利用负二项分布建模攻击者生成区块的过程，并结合递归随机游走模型分析链竞争动态，从而制定成功替代历史攻击的概率。
• 提出广义攻击概率函数 S(N, β, N_g)，该函数综合考虑了攻击者的挖矿速率 β、所需确认数 N 和最大间隙 N_g。
• 利用负二项分布建模攻击者在诚实链达到 N 次确认之前可秘密挖掘的区块数量。
• 通过真实网络条件下自建B-RAN原型的实验结果，验证分析模型。

实验结果

研究问题

• RQ1 区块链的引入如何影响去中心化无线接入网络中的服务延迟？
• RQ2 在B-RAN中，网络负载、区块生成速率与请求确认延迟之间的数学关系是什么？
• RQ3 B-RAN中成功实施替代历史攻击的概率是多少？该概率如何依赖于攻击者的挖矿算力和确认阈值？
• RQ4 安全与延迟的权衡如何影响B-RAN的设计与部署？
• RQ5 该分析模型在多大程度上能够通过原型实验验证，准确预测真实世界B-RAN的性能表现？

主要发现

• B-RAN中的平均确认延迟随请求到达率升高和处理速率降低而增加，流量强度 ρ 直接影响排队延迟。
• 当攻击者的挖矿速率 β < 1 时，成功实施替代历史攻击的概率随确认次数 N 呈指数下降。
• 当 β < 1 时，随着最大间隙 N_g 增大，攻击成功概率渐近趋近于 β^N，表明低算力攻击者收益递减。
• 模型表明，当确认数 N 从 1 增加到 6 时，对于 β = 0.3 的情况，攻击概率降低超过 90%，表明在极少确认数下即可获得显著安全提升。
• 原型实现验证了分析预测，表明模型能准确捕捉真实网络负载变化下的延迟与确认行为。
• 该框架揭示了一个根本性权衡：更高的安全性（更多确认）会增加延迟，而更低的延迟则需要更少的确认，从而降低安全性。