Takagi-Sugeno 퍼지 추론을 활용한 프라이빗 Substrate 블록체인의 폐루프 동적 검증자 노드 스케일링
Closed-Loop Dynamic Validator Node Scaling in Private Substrate Blockchains Using Takagi-Sugeno Fuzzy Inference
한국어 초록
프라이빗 블록체인 네트워크는 고정된 노드 구성으로 운영되어 변화하는 워크로드 조건에 적응하지 못한다. 가벼운 워크로드에 노드가 과도하게 투입되면 자원이 낭비되고, 무거운 수요에 노드가 부족하면 블록 생성이 느려지고 최종 확정(finalisation)이 저하된다. 최적의 검증자(validator) 수를 결정하기 어려운 이유는, 이를 결정하는 요인들이 서로 복잡하게 얽혀 있고 시간에 따라 변화하기 때문이다. 본 논문은 실시간 블록체인 파라미터(블록 생성 시간, 블록 크기, 활성 노드 수)를 입력으로 받아 연속적인 효율성 점수와 함께 Scale Up, Maintain, Scale Down의 스케일링 권고를 출력하는 Takagi-Sugeno(TS) 퍼지 추론 시스템을 제안한다. 이 컨트롤러는 세 개의 언어 변수에 대해 삼각형 소속 함수를 사용하며, 곱 t-노름 집계 방식으로 27개의 완전한 규칙 베이스를 평가한다. 핵심 기여는 소속 함수의 경험적 재보정으로, 언어적 용어를 이론적 극단값이 아닌 테스트베드의 실측 운영 범위에 고정한다는 점이다. 본 시스템은 Queensland Government 공공 데이터 포털의 실제 스마트 수도 계량기 데이터 해시를 저장하는 10개 노드 Substrate 블록체인 네트워크에서 평가된다. 활성 노드 수 4, 7, 10 구성에 대한 통계 분석을 통해, 컨트롤러가 각 구성의 프로비저닝 상태를 반영하는 뚜렷한 운영 프로파일을 생성함을 확인한다. 폐루프 실험에서 컨트롤러는 부하 증가 시 검증자를 활성화하고 과잉 프로비저닝 시 제거하는 방식으로 양방향으로 자율적으로 검증자 참여를 조정하며, 양쪽 방향 모두에서 동일한 안정 평형 상태로 수렴한다. 세 가지 임계값 기반 베이스라인과 비교할 때, 비슷한 블록 생성 시간을 유지하면서 스케일링 진동이 더 적음을 보인다. 결과는 TS 퍼지 추론이 프라이빗 블록체인 배포에서 자율적인 검증자 관리를 지원할 수 있으며, 임계값 방식이 달성할 수 없는 안정적인 스케일링 동작을 보임을 시사한다.
원문 초록
Private blockchain networks run with fixed node configurations that cannot adapt to changing workload conditions. Too many nodes serving a light workload waste resources; too few nodes facing heavy demand slow block production and degrade finalisation. The right validator count is hard to determine, as it depends on overlapping factors that shift over time. This paper presents a Takagi-Sugeno (TS) fuzzy inference system that reads live blockchain parameters (block production time, block size, and active node count) and outputs a continuous efficiency score alongside a scaling recommendation: Scale Up, Maintain, or Scale Down. The controller uses triangular membership functions across three linguistic variables, evaluated through a complete 27-rule base with product t-norm aggregation. A key contribution is an empirical recalibration of the membership functions, anchoring linguistic terms to the observed operating range of the testbed rather than to theoretical extremes. The system is evaluated on a 10-node Substrate blockchain network storing real smart water meter data hashes from the Queensland Government open data portal. Statistical analysis across configurations of 4, 7, and 10 active nodes confirms that the controller produces distinct operational profiles reflecting each configuration's provisioning state. In closed-loop experiments, the controller autonomously adjusts validator participation in both directions, activating validators under rising load and removing them under over-provisioning, converging to the same stable equilibrium from both directions. Compared against three threshold-based baselines, it shows fewer scaling oscillations while maintaining comparable block production times. Results show that TS fuzzy inference can support autonomous validator management in private blockchain deployments, with stable scaling behaviour threshold approaches cannot match.
요약
Takagi-Sugeno(TS) 퍼지 추론 시스템을 이용해 프라이빗 Substrate 블록체인에서 워크로드 변화에 따라 검증자 노드 수를 자율적으로 조정하는 폐루프 동적 스케일링 방법을 제안한다. 블록 생성 시간, 블록 크기, 활성 노드 수를 실시간 입력으로 받아 27개 규칙 기반으로 Scale Up/Maintain/Scale Down을 결정하며, 임계값 기반 베이스라인 대비 스케일링 진동을 줄이면서 안정적인 평형 수렴을 달성했다.
제출 이력
확인된 버전만 표시합니다. 전체 제출 이력은 arXiv 원문에서 확인하세요.
- arXiv:2607.07901v1제출 시각 미확인
함께 살펴볼 논문
공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.
증명 기반 서명: 온체인 AI 에이전트를 위한 상태 드리프트 상황에서도 유효한 솔버 검증 트랜잭션 보호 장치
Proof-Gated Signing: Solver-Checked Transaction Guards that Hold Under State Drift for Onchain AI Agents
지갑을 제어하는 AI 에이전트(agent)는 공격자가 접근 가능한 콘텐츠를 읽기 때문에 유해한 트랜잭션을 제안하도록 유도될 수 있습니다. 일반적인 최종 방어선은 정적 허용 목록(allowlist), LLM 검토기, 또는 트랜잭션 시뮬레이션과 같은 서명 전 검사입니다. 이 세 가지 방식은 모두 하나의 공통된 결함을 공유합니다. 즉, 검사는 검사 시점의 체인 상태를 기술하지만, 트랜잭션은 공격자가 프런트러닝(front-running), 컨트랙트 업그레이드 또는 토큰 매개변수(parameter) 변경을 통해 조작할 수 있는 이후 상태에서 실행된다는 점입니다. 우리는 이를 상태 드리프트(state drift)라고 부릅니다. 본 논문에서는 제안된 트랜잭션을 시뮬레이션하고, 그 효과를 추출하며, SMT 솔버를 사용하여 오라클 불확실성 대역 내의 모든 가격에 대해 선언적 가치 및 권한 정책을 검사하는 증명 기반 서명(PGS, Proof-Gated Signing)을 제시합니다. 그런 다음 온체인 사후 조건(지갑 잔액 범위, 수취인 영수증, 허용 한도 상한 및 소유권)을 컴파일하고, 이를 만족하는 모든 실행이 정책 또한 만족함을 증명합니다. 에이전트의 스마트 컨트랙트 지갑은 이러한 조건을 원자적으로 강제하므로, 임의의 드리프트가 발생하는 상황에서도 실행된 트랜잭션에 보장이 적용됩니다. 260개 시나리오(드리프트 패밀리 5개 및 적응형 패밀리 2개를 포함한 14개 공격 패밀리와 12개 정상 패밀리)로 구성된 공개 테스트베드에서 정책 대신 공격자 잔액을 기준으로 피해를 측정한 결과, PGS는 140개의 유해한 시나리오 중 93.6%를 방지하고 정상 시나리오의 97.5%를 통과시켰습니다. 반면 시뮬레이션 전용 검사는 57.9%, 정적 허용 목록은 71.4%를 방지하는 데 그쳤습니다. PGS 적용 하에서 50개의 드리프트 시나리오 중 공격자 이득을 발생시킨 시나리오는 전혀 없었습니다. 유일하게 방지되지 않은 패밀리인 정책 내 탈취(in-policy drain)는 세션당 예산 범위 내로 제한되었습니다. 또한 LLM 검토기에게 드리프트 이전의 깨끗한 시뮬레이션 결과를 제공했을 때 드리프트 공격을 승인할 가능성이 오히려 더 높아진다는 점도 발견했습니다. 오버헤드는 검사당 약 41k 가스(gas) 및 0.1-0.2초 수준입니다.
네트워크 침입 탐지부터 블록체인 기반 엔드포인트 탐지 및 대응까지: 탈중앙화 탐지 및 대응 아키텍처의 현황 분석
From Network Intrusion Detection to Blockchain-Backed Endpoint Detection and Response: Mapping the Landscape of Decentralized Detection-and-Response Architectures
사물인터넷(IoT) 및 산업용 사물인터넷(IIoT) 네트워크를 위한 블록체인 지원 침입 탐지 및 방지 시스템(IDS/IPS)에 관한 연구는 성숙 단계에 접어들었으나, 기존의 체계적 문헌고찰(systematic review)들은 두 가지 결정적인 한계를 지닙니다. 즉, 현대적인 엔드포인트 탐지 및 대응(EDR)과 확장 탐지 및 대응(XDR) 아키텍처로의 구조적 전환을 간과하고 있으며, 블록체인의 고유한 기능적 역할들을 단일한 하나의 범주로 혼동하고 있다는 점입니다. 본 지식 체계화(SoK) 연구는 탐지 시스템 클래스(NIDS, HIDS, EDR/XDR), 블록체인의 기능적 역할, 대응 자동화 성숙도를 기준으로 제안들을 분류하는 3축 분류 체계(taxonomy)를 제안하여 이러한 공백을 해소합니다. 2019년부터 2026년 사이에 저명 학술지에 발표된 연구를 종합하여, 지연 시간, 배포, 커뮤니티 간의 불일치로 인해 엔드포인트별 진정한 블록체인 연계 대응 루프가 거의 존재하지 않는 이유를 밝히는 엄밀한 갭 분석(gap analysis)을 제공합니다. 나아가 제한된 기기에서의 합의 지연 시간, 양자 내성 암호화 취약성, 스마트 계약 공격 표면, 그리고 진화하는 대규모 언어 모델(LLM) 기반 탐지 엔진의 적대적 취약성을 포함하여 문헌 전반에 지속되는 구조적이고 교차적인 도전 과제들을 평가합니다. 마지막으로, 탈중앙화된 신뢰와 신속한 대응 자동화 사이의 격차를 해소하기 위해 온체인/오프체인 하이브리드 오케스트레이션을 중심으로 한 포괄적인 연구 로드맵을 제시합니다.
미분 가능한 퍼지 추론 층: 대규모 언어 모델을 위한 단조·구성적 서열 추론 헤드
Differentiable Fuzzy Inference Layer: A Monotone, Compositional Ordinal Reasoning Head for Large Language Models
최신 언어 모델에게 "most of most students passed"를 해석하라고 하면 대개 "most"라고 답하지만, "most"를 두 번 구성하면 비율은 "some"에 더 가깝다. 우리는 이 실패를 데이터 부족이 아니라 아키텍처 선택에서 비롯된 것으로 본다. 표준 분류기 헤드는 서열 범주를 서로 독립적인 레이블로 취급하며, 자연스러운 순서를 지키거나 대수적으로 구성할 메커니즘이 없다. 우리는 미분 가능한 퍼지 추론 층(Differentiable Fuzzy Inference Layer, DFIL)을 제안한다. 이는 표준 분류기와, 순서가 있는 소속 함수(membership function) 뱅크에 기반한 스칼라 병목 분기를 짝지은 이중 경로 예측 헤드이다. DFIL은 레이블만 쓰는 헤드가 갖출 수 없는 두 가지 구조적 원시를 제공한다. 하나는 기저 양에 대한 단조성(monotonicity)이고, 다른 하나는 구성적 학습 데이터 없이 t-norm 연산으로 이루는 구성적 추론이다. 스칼라 분기는 또한 잔차 오류를 분석하기 위한 해석 가능한 인터페이스를 제공한다. 우리는 다양한 LLM 계열에 걸친 서열 자연어 과제에서 DFIL을 구현한다.
블록체인 네트워크를 위한 평판 인식 유니노름 기반 합의 알고리즘 프레임워크
A Framework for Reputation Aware Uninorm-driven Consensus Algorithms for Blockchain Networks
블록체인 운영은 합의 알고리즘(CA)에 의해 관리된다. 여러 합의 메커니즘은 상당한 연산력을 요구하는 반면, 다른 메커니즘은 블록 내 거래를 검증하고 확인할 참여자를 선정하기 위해 많은 지분(stake)을 필요로 하며, 이는 권력 집중과 참여자 배제로 이어진다. 본 논문은 직관적 퍼지 집합(IFSs)과 유니노름 집합 연산(UAOs)을 사용하여 검증자(validator)의 평판 행동을 연구함으로써, 평판 기반 합의 알고리즘에서 이러한 문제를 해결하는 새로운 방법론을 제안한다. 본 접근법은 "평판"을 표현하기 위해 IFSs를 사용한다. 합의 알고리즘에서 평판 값은 결국 불확실성을 내포하며, IFSs는 평판에 대한 정확한 지식 부족을 표현하는 데 도움이 되기 때문이다. 또한 이 방법론은 유니노름 집합 연산을 활용하여 시간에 따른 평판을 모니터링하고, 부정적 및 긍정적 평판의 중요성을 강화한다. 결과적으로, 이 솔루션은 검증자가 이후 검증 과정에서 과거 실패를 수정할 수 있게 하고, 공정한 합의 알고리즘 설계를 촉진한다. 제안된 프레임워크는 선형 계산 복잡도를 유지하며, 기본 합의 프로토콜을 넘어 추가적인 통신 오버헤드를 도입하지 않는다. 실험 결과가 뒷받침하는 바, 본 방법론은 향상된 성능과 평가를 보여주며, 블록체인 네트워크의 공정성과 포용성 발전을 약속한다.
블록체인 활동으로부터 시장 감성 해독: 데이터 기반 감성 분류기
Decoding Market Emotion from Blockchain Activity: A Data-Driven Sentiment Classifier
비트코인이 탈중앙화 디지털 자산 및 투자 도구로서 점점 더 널리 사용됨에 따라, 그 시장 행동을 이해하려는 관심이 크게 높아졌다. 본 연구는 온체인(on-chain) 및 금융 데이터와 소셜 미디어 게시물을 결합하여 비트코인 시장 감성을 분석하는 새로운 접근법을 제시한다. 가격 예측을 목표로 하는 모델과 달리, 본 연구는 블록체인 거래, 비트코인 역사적 가격 데이터, 일별 Twitter 감성 분류를 사용하여 시장 감성을 설명하는 데 초점을 둔다. 해당 방법은 감성 추세를 온체인 및 금융 지표와 병합하고, 상세한 시장 분석을 위해 이를 정규화(normalization)하여 데이터셋으로 구성한다. 교차 검증(cross-validation)을 통해 여러 머신러닝 모델을 테스트한 결과, Gradient Boosting(XGBoost)이 감성 분류에 가장 신뢰할 수 있는 모델로 확인되었으며, 평균 F1-score는 약 0.84를 달성했다. SHAP(SHapley Additive exPlanations)은 모델 해석 가능성을 위한 게임 이론 기반 방법으로, 온체인 특징이 모델 예측에 기여하는 정도를 정량화하는 데 사용되어 투명성을 높였다. 결과는 이 데이터 조합이 의미 있는 예측 신호와 통찰을 제공함을 보여주며, 데이터 기반 암호화폐 분석과 심층 학습을 통한 향후 개선을 뒷받침한다.
통신/IoT 사기 제어 요청을 위한 블록체인 연동 감사 가능 의사결정 관리
Blockchain-Linked Auditable Decision Management for Telecom/IoT Fraud-Control Requests
통신 사기 제어 연구는 탐지기 수준의 분류(classification)에서 멈추는 경우가 많지만, 실제 배포 환경에서는 요청 수준의 정책 결정, 생애주기 추적성, 감사 가능성이 필요하다. 본 논문은 사기 제어 문제를 합성 통신/IoT 사기 제어 요청에 대한 블록체인 연동 감사 가능 의사결정 관리로 재정의하며, 주요 결과는 QLoRA 튜닝된 대규모 언어 모델(LLM) 브랜치가 제로샷(zero-shot) 프롬프팅보다 훨씬 실용적이지만, 저비용 중앙 집중식 앙상블(ensemble)을 능가하기보다는 주로 근접하는 수준에 그친다는 것이다. 이 프레임워크는 각 합성 배포 레코드를 관리 요청으로 매핑하고, 결정론적 하드-사기 게이트를 통해 명시적 경계 초과 사례를 차단하며, 비하드 요청을 중앙 집중식 ML(M1), 연합 메타학습(M2), 또는 LLM 계열 위험 소스(M3)를 사용하여 점수화하고, 공유된 5-상태 정책, 2-구역 정제 메커니즘, 로컬 이더리움 호환 감사 레이어(layer)를 통해 조치를 결정한다. 평가는 별도의 합성 학습(training) 데이터와 100,000건의 레코드로 구성된 배포 재현 코퍼스를 사용하므로, 본 연구는 현장 검증이나 실제 배포 가능성의 증명이 아닌 통제된 드리프트 재현 증거로 해석해야 한다. 검증(validation) 결과, M1이 가장 균형 잡힌 성능을 보이며, 0.10 운영 상한 하에서 정상 요청 FPR 0.0890, 소프트-사기 재현율(recall) 0.8341을 달성한다. 그러나 레이블된 배포 재현에서는 정상-FPR 격차가 크게 벌어져, M1은 0.1646, M3-QLoRA는 0.1801로 상승하며, M3-QLoRA는 M3-Base의 정상 FPR을 0.3915에서 낮추고 소프트-사기 재현율 0.8240에 도달한다. 블록체인 텔레메트리는 생애주기 가스, 비용, 지연 시간, 처리량의 차이가 사기 로직의 변화가 아닌 제출된 오프체인 의사결정 프로파일에 의해 결정됨을 보여준다.
토론
이 논문과 연결된 포럼 글이 아직 없습니다.