[论文解读] Tokenized Data Markets

Bharath Ramsundar, Roger Chen+3 more|arXiv (Cornell University)|May 31, 2018

Auction Theory and Applications参考文献 11被引用 3

一句话总结

本文提出了一种标记化数据结构——一种新颖的去中心化框架，通过扩展代币校准注册表（token-curated registries）以支持链下存储、递归嵌套和子代币，从而实现安全、激励化且私密的数据市场。该研究从数学上证明了诚实参与者在经济上被激励贡献并维护数据，从而为机器学习和人工智能应用构建了稳健、可扩展的去中心化数据市场。

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.

研究动机与目标

• 解决缺乏流动性、去中心化的数据市场的问题，这些市场阻碍了机器学习和人工智能对训练数据的广泛获取。
• 克服现有代币校准注册表的局限性，例如链上存储限制和缺乏隐私保护。
• 设计一种统一的、基于数学原理的激励化分布式数据结构框架，支持链下、私密且递归嵌套的数据。
• 展示标记化数据结构如何实现去中心化数据市场，其中贡献者可获得奖励，且通过密码经济激励机制保障数据完整性。
• 通过去中心化数据访问探索此类系统在支持未来人工智能发展方面的可行性与鲁棒性。

提出的方法

• 通过与IPFS等系统集成，扩展代币校准注册表（TCRs），支持通过链下存储大规模或敏感数据。
• 引入TCRs的递归嵌套机制，以构建复杂数据结构，如分层或基于图的数据集合。
• 采用子代币机制，使贡献者通过质押自定义代币来验证和维护数据条目，从而建立分层激励机制。
• 在提案和挑战阶段使用债券曲线机制，提案者质押代币，挑战者可争议条目以获取奖励。
• 采用会员制模型，访问私有数据需购买代币，确保数据机密性和受控访问。
• 构建正式的数学框架以分析激励机制，证明诚实参与可为贡献者带来正向期望效用。

实验结果

研究问题

• RQ1 如何在不依赖可信中介的情况下构建去中心化数据市场？
• RQ2 在去中心化、激励化的系统中，如何高效地存储和管理大规模或私密数据集？
• RQ3 何种机制可确保贡献者被经济激励以维护数据的完整性和准确性？
• RQ4 如何在去中心化、代币化的环境中构建并保护递归数据结构？
• RQ5 此类系统中的关键攻击向量是什么？如何通过设计手段加以缓解？

主要发现

• 标记化数据结构提供了一个正式的数学框架，证明参与者因诚实贡献而获得正向期望回报，从而被激励维护数据完整性。
• 通过IPFS或类似系统实现的链下存储，使构建大规模数据结构（如去中心化地图或数据交易所）成为可能，突破了链上存储的限制。
• 私有数据可由代币持有者安全存储和访问，最大限度减少未授权访问，同时保障机密性。
• TCRs的递归嵌套支持构建复杂、分层的数据结构，如多级校准数据集或分布式数据库。
• 该系统对常见攻击（如数据复制和分叉）具有韧性，因为恶意行为通过质押和奖励机制受到经济上的抑制。
• 尽管未正式证明拜占庭容错性，但定性论证表明，由于经济抑制机制，系统对多种对抗性策略仍具鲁棒性。