2.1 트릴레마 특성

PoN 분산합의 알고리즘은 기존에 제안된 다른 분산합의 알고리즘들에 비해 블록체인 트릴레마 이슈를 해결하기 위한 장점을 많이 보유하고 있다. 블록체인 트릴레마란 블록체인 시스템이 기본적으로 제공해야 하는 특성으로서 탈중앙화, 확장성, 보안성으로 정의된다(Viswanathan and Shah, 2018). 탈중앙화는 합의에 참여하는 자격이 일부 노드들에 집중되지 않으며 거래가 발생할 때 중개 권한을 갖는 노드를 거치지 않으면서도 노드 간 거래의 신뢰성을 보장하기 위한 특성이다. PoN 분산합의 알고리즘은 기본적으로 모든 노드가 합의에 참여하는 것이 아니라, 일부 노드로 구성된 합의체(Congress)를 통해 합의를 수행하는 비경쟁적 방식을 제공한다. 이 때, 모든 노드는 합의에 참여하는 자격을 확률적으로 공평하게 얻을 수 있다. 또한, 각각의 노드는 넌스 체인(nonce-chain)을 생성하고, 이를 해쉬 체인(hash-chain)으로 사용하여 합의체 참여를 위한 해쉬 함수 계산에 활용하는 방법을 적용함으로써 합의체 자격 참여 및 검증이 가능한 방법을 제공한다. 따라서 이를 통해 PoN 분산합의 알고리즘은 탈중앙성을 효과적으로 제공할 수 있다(Oh et al., 2020).

확장성은 블록체인 네트워크에 참여하는 노드 수가 증가하더라도 합의 시간 또는 TPS 등의 블록체인 성능에 대한 저하가 크게 발생하지 않는 특성을 나타낸다. PoN 분산합의 알고리즘에서는 블록 합의를 위해서 필요한 최소 위원회의 크기가 5개이며, 합의를 위한 메시지 교환의 복잡도가 으로서 비용 효율적인 네트워크 확장성을 제공할 수있다. 보안성은 비잔틴 노드와 같은 악의적인 노드의 공격에 대해서 트랜잭션이 왜곡되지 않고 안전하게 저장되어 처리될 수 있는 특성이다. PoN 분산합의 알고리즘에서는 합의를 위한 합의체에 참여한 결과를 어떤 노드도 예측할 수가 없으며, 노드의 수가 증가하거나 비잔틴 노드의 수()가 증가하더라도 합의체 구성이 실패할 확률을 보다 작게 하는 것이 가능하다. 따라서 PoN 분산합의 알고리즘은 Liveness 보장을 위한 비잔틴 공격 또는 장애에 대한 보안성 제공이 가능하다(Oh et al., 2020).

2.2 합의 절차

PoN 분산합의 알고리즘의 합의 절차는 기본적으로 분산합의를 진행하기 위한 합의체를 선출하는 단계와 선출된 합의체로부터 위원회(Committee)를 구성하고 블록을 합의하는 단계로 구성된다(Kim et al., 2020). 합의체 선정 과정에서는 탈중앙와와 보안성 보장을 위해 각각의 노드가 넌스 체인 정보를 공개하고, 이를 이용하여 합의체 참여 자격을 얻는다. 구체적으로 모든 노드가 넌스 체인의 넌스 값을 이용하여 해쉬 함수를 계산하고, 조건을 만족하여 합의체 참여 자격을 얻은 노드들이 의장 노드에게 Next Congress Request(NCR) 메시지를 보내어 합의체 참여 자격을 얻게 되어 최종적으로 개의 노드가 선정된다. 블록 합의 과정에서는 Figure 2와 같이 Delegated Request(DR), Prepare, Commit, Committed의 4단계의 합의 과정을 통해 블록 합의를 달성한다. 먼저, DR 단계에서는 합의체에 선정된 개의 모든 노드가 자신의 멤풀(Mempool)에 저장된 트랜잭션을 의장 노드에게 전달한다. 이 때, 전달되는 트랜잭션에는 트랜잭션 번호(Identification: ID)와 트랜잭션 정보가 포함된다. 의장 노드는 모든 수신된 메시지를 검토하고, 이 중에서 번 이상 공통적으로 포함된 트랜잭션만을 선택하여 최종 블록의 내용으로 확정한다. 또한, 다음 블록의 합의를 위해 모든 노드가 NCR 메시지를 의장 노드에게 보내어 새로운 합의체 구성을 위한 절차도 수행된다.

Figure 2.

Consensus procedure of PoN algorithm

Prepare 단계에서는 의장 노드가 개의 위원회를 구성하고, 이 노드들에게 Prepare 메시지를 전송한다. 이 메시지에는 의장 노드가 확정한 블록의 내용이 포함되어 있으며, 이를 수신한 위원회 구성 노드들은 수신된 후보 블록을 검증한다. Commit 단계에서는 블록 검증을 완료한 위원회 노드들이 다중 서명을 생성하여 의장 노드에게 Commit 메시지를 보내고, 의장 노드는 이를 통합하여 최종 블록을 생성한다. Committed 단계에서는 의장 노드가 블록체인에 연결된 모든 노들들에게 최종 블록을 전파하고, 블록을 수신한 노드들은 블록에 저장된 결과를 원장에 반영하고 다음 블록 합의를 시작한다.

3.1 개선된 PoN 분산합의 알고리즘

Kim et al.(2020)은 PoN 분산합의 알고리즘의 합의 성능 분석 및 최적화를 위한 연구를 수행하였다. 분산합의 성능에 영향을 줄 수 있는 제어 변수로써 네트워크 노드 수(단위: 개), 트랜잭션 크기(단위: byte), 트랜잭션의 수(단 위: 개)를 선택하였으며, 합의 성능으로 합의 시간과 TPS를 고려하였다. 반응표면분석 방법을 적용하여 제어 변수의 실험 조건을 Table 1과 같이 선정하였으며, 네크워크 노드 수에 따른 (i) 트랜잭션 크기와 트랜잭션 수에 대한 합의 시간 및 TPS 예측 모델 수립과 (ii) 합의 시간과 TPS 목표 달성을 위한 트랜잭션 크기 및 트랜잭션 수의 최적화 방안 등을 제안하였다.

Table 1.

Levels of design parameters

그러나 현재의 PoN 분산합의 알고리즘은 합의 과정에서 전송되는 트랜잭션의 크기와 수가 합의 수행을 위해 DR, Prepare, Commit, Committed 단계에서 주고 받는 메시지 크기에 영향을 주며, 전체 노드 수 증가로 인한 합의체와 위원회 크기의 증가는 발생하는 메시지 총량이나 처리 시간의 증가에 매우 큰 영향을 줄 수 있다. 따라서 이에 대한 개선이 필요하며, 본 논문에서는 경량화된 PoN 분산합의 알고리즘의 블록 합의 과정을 제안하였다. 개선된 PoN 분산 합의 알고리즘의 블록 합의 단계는 Figure 2와 동일하며, 기존 PoN 알고리즘과 비교할 때 다음과 같은 차이가 있다.

- DR 단계에서 합의체에 포함된 각 노드가 의장 노드에게 자신의 멤풀에 있는 모든 정보를 보내는 것이 아니라, 오직 트랜잭션 ID 리스트만 보낸다.

- Prepare 단계에서 의장 노드는 수신된 트랜잭션 ID 리스트들을 검색하고, 이 중에서 번 이상 공통적으로 포함된 트랜잭션만을 선택한 후, 자신이 보유하고 있는 멤풀의 트랜잭션 ID 리스트와 공통된 것만을 선택하여 최종 블록을 구성하는 트랜잭션 ID 리스트로 확정한다.

3.2 성능 비교

본 논문에서는 먼저 개선된 PoN 분산합의 알고리즘의 성능을 기존 PoN 분산합의 알고리즘의 성능과 비교하기 위한 실험을 수행하였다. 실험 수행을 위한 블록체인 시스템 환경은 Kim et al.(2020)에서 설계하고 구현한 BADA 분산합의 시뮬레이터를 활용하였다. 이 시스템은 네트워크로 연결된 다수의 분산 노드 상에서 합의를 위한 트랜잭션을 생성하고 노드 간에 전달하면서 PoN에서 정의된 합의 과정을 수행할 수 있도록 구현되어 있다. 성능 실험을 위한 응용 서비스는 Kim et al.(2020)에서와 동일하게 금융 거래 기능을 제공하는 Smallbank 블록체인 시스템(Kim et al., 2020)을 고려하였다. Smallbank 트랜잭션은 실제 금융 환경에서 기본적으로 발생하는 6가지 종류의 거래 데이터로 구성되며, 자세한 구성은 Table 2와 같다.

Table 2.

Definition of financial service for smallbank

기존 PoN 분산합의 알고리즘을 적용한 Smallbank 블록체인 시스템에 대해 Kim et al.(2020)에서 선정한 반응표 면분석 기반 실험점을 이용하여 PoN 분산합의 알고리즘의 합의 시간 및 TPS에 대한 성능 실험을 수행한 결과는 Table 3과 같다. BADA 분산합의 시뮬레이터 구동 환경이 네트워크로 연결된 다수의 분산 노드 상에서 합의를 위한 트랜잭션 생성과 노드 간 전송이 수행되기 때문에 성능 비교의 공정성을 위하여 기존 PoN 알고리즘에 대해서도 동일한 실험점에서 성능 실험을 재수행하였다. 1열은 실험점 번호를 나타내고, 2열~4열은 제어 변수의 값을 나타낸다. 5열~8열은 기존 PoN 알고리즘과 개선된 PoN 알고리즘의 성능을 나타내는데, 각각의 실험점에 대해서 100번의 합의를 수행한 후 측정된 값들의 평균을 구한 결과이다.

Table 3.

Experimental results of performance for two versions of PoN

개선된 PoN 분산합의 알고리즘의 성능을 검증하기 위해 유의 수준 0.05를 기준으로 가설 검정을 수행하였다. 각각의 실험점에 대해서 개선 전(old PoN)과 후(new PoN)의 성능을 비교하는 것이 목적이기 때문에 쌍체 t-검정(Paired t-test)을 적용하였다. 먼저, 합의 시간에 대한 쌍체 t-검정에서는 i번째 실험점에서의 개선 전과 후에 대한 합의 시간의 차이를 D1i=y11i-y12i 라 정의하였다. 이 때, y11i과 y12i는 각각 i번째 실험점에서의 개선 전과 후에 대한 합의 시간을 나타낸다. 가설 검정을 위한 귀무가설은 합의 시간에 차이가 없다(H₀ : μ_D1 = 0)로 하고, 대립가설을 차이 > 0 (H₁ : μ_D1 〉 0)로 정하였다. 그 결과, p-value = 0.016으로 대립가설이 채택되었으며, 이는 개선된 PoN 알고리즘의 합의 시간이 더 감소했음을 의미한다. 다음으로, TPS에 대한 쌍체 t-검정에서는 i번째 실험점에서의 개선 전과 후에 대한 TPS의 차이를 D2i=y21i-y22i라 정의하였다. 이 때, y21i과 y22i는 각각 i번째 실험점에서의 개선 전과 후에 대한 TPS를 나타낸다. 가설 검정을 위한 귀무가설은 TPS에 차이가 없다(H₀ : μ_D2 = 0)로 하고, 대립가설을 차이 < 0 (H₁ : μ_D2 〈0)로 정하였다. 그 결과, p-value = 0.036으로 대립가설이 채택되었으며, 이는 개선된 PoN 알고리즘의 TPS가 증가했음을 의미한다. 따라서 이를 기반으로 경량화된 PoN 알고리즘의 합의 시간과 TPS에 대한 성능이 개선 되었음을 검증하였다.

4.1 반응표면분석 기반 실험점 설계

본 논문에서는 개선된 PoN 분산합의 알고리즘에 대해 네크워크 노드 수에 따른 (i) 트랜잭션 크기와 트랜잭션 수에 대한 새로운 합의 시간 및 TPS 예측 모델 수립과 (ii) 합의 시간과 TPS 목표 달성을 위한 트랜잭션 크기 및 트랜 잭션 수의 최적화 방안 등에 대한 연구를 다음과 같이 수행하였다. 먼저, 합의 시간 및 TPS 성능 지표와 핵심 인자 간의 관계를 나타내는 예측 모델 수립을 위해서 제어 인자들의 유의미한 범위를 실험을 통해 정하였다. 블록체인 네트워크에 포함되는 노드의 수는 최소 6개에서 최대 24개까지의 범위로 정하였다. 트랜잭션 크기(단위: byte)의 경우, 비트코인의 트랜잭션 크기인 250 바이트를 기본으로 해서 최대 630 바이트까지 증가할 수 있는 것으로 정하였다. 트랜잭션 수의 경우, 노드 수가 가장 작은 6개일 때, 트랜잭션 크기를 250 바이트로 하면 트랜잭션의 수를 9,000개 까지 증가시켜도 합의 시간과 TPS 성능의 저하가 거의 발생하지 않았다. 그러나 노드 수가 증가하거나 트랜잭션 크기가 커지게 되면 9,000개의 트랙잭션을 처리하기 위한 합의 시간과 TPS 성능이 매우 저하되기 때문에 예측 모델 수립에 유의하지 않다. 따라서 본 연구에서는 여러 제어 변수의 다양한 조합에 대해서 실험점을 정하는 반응표면분석에서 유의미한 성능을 갖는 파라메타 범위를 실험에 포함시키도록 하였고, 그 결과 트랜잭션의 수는 3,000 ~ 5,000 개를 기본으로 하여 감소 또는 증가할 수 있도록 하였다.

이러한 파라메타 범위를 기반으로 반응표면분석 방법 중에서 외접원 방식을 사용하는 중심 합성 설계 (Circumscribed Central Composite)를 사용하여 실험 요인을 Table 4와 같이 설계하였다(Anderson and Whitcomb, 2000; Kim, 2002; Le and Shin, 2018; Myers et al., 2016). 이 때, α값은 1.732로 정하였으며, 이를 이용하여 생성되는 실험점은 기본적으로 Table 3의 2열 ~ 4열까지의 코드(coded) 값과 동일하게 된다. 그러나 기존 PoN 분산합의 알고리즘의 성능 최적화를 위해서 선정된 실험점과 비교했을 때, Table 4에 표현된 것과 같이 노드 수는 동일한 범위이지만, 블록 합의 성능이 좋아졌기 때문에 트랜잭션의 크기나 트랜잭션의 수의 범위가 넓어졌다. 특히, 트랜잭션의 수는 기존 실험에 사용된 수의 2배까지 증가시킬 수 있었다. 따라서 실제로 실험에 사용된 트랙잭션의 크기와 수의 제어 변수 범위는 기존 PoN 분산합의 알고리즘과 비교할 때, 매우 넓어졌음을 확인할 수 있다. 또한 기존 Kim et al.(2020)의 결과와 비교할 때, 트랜잭션 수의 범위를 작은 수준에서 더 큰 값을 갖도록 설계하였다. 예를 들면, 제어 변수 수준이 -1.732 일 때 트랜잭션 수가 5,732개이고, 1.732일 때 2,268개이다. 이를 통해 유의미한 합의 시간과 TPS 성능을 발휘할 수 있는 제어 변수의 범위 내에서 성능 최적화를 달성할 수 있는 예측 모델 수립을 위한 실험 설계가 가능하였다.

Table 4.

Levels of design parameters for new experiment

4.2 성능 예측 모델 및 최적화

새롭게 정한 실험점에 대한 실험을 통해 Table 5와 같은 결과를 얻었다. 이는 20개의 실험점 각각에 대해서 100번의 합의를 수행한 후 측정된 합의 시간과 TPS의 평균을 구한 값이다. 이를 이용하여, 본 논문에서는 먼저 노드 수, 트랜잭션 크기, 트랜잭션 수에 대한 새로운 합의 시간 및 TPS 예측 모델을 미니탭 19를 이용하여 수립하였으며, 그 결과는 Table 6과 같다. 이 때, 유의수준 값은 0.05를 사용하였으며, Table 6 (a)와 (b)는 각각 합의 시간과 TPS 에 대한 비선형 회귀 모델의 회귀 계수와 p-value를 나타낸다. 일반적으로, p-value 값이 작을수록 성능 지표에 큰영향을 미친다고 해석할 수 있으므로, 트랜잭션 수와 노드 수가 합의 시간과 TPS에 큰 영향을 준다고 할 수 있다. 특히, 제어 변수의 비선형적 효과는 합의 시간의 경우에 트랜잭션의 수에 큰 영향을 받으며, TPS는 트랜잭션 수와 노드 수의 교호작용에 영향을 받는 것을 알 수 있다.

Table 5.

Experimental results of new PoN

Table 6.

Coefficients of regression models for consensus time and TPS

한편, 회귀식을 이용하여 특정한 성능 목표를 달성하기 위한 제어 인자의 최적 조건을 설정하는 것이 가능하다. 일반적으로 네트워크 노드 수는 주어지는 조건이므로 나머지 제어 변수인 트랜잭션 크기와 수에 대한 합의 시간과 TPS의 회귀식 그래프를 등고선도로 나타내면 합의 시간과 TPS의 목표 성능에 대한 두 제어 변수의 범위를 구할수 있다. Figure 3은 노드 수가 15개 일 때(x₃ = 1), Table 6에 표현된 비선형 회귀식에 대한 중첩 등고선도를 나타 낸다. 예를 들면, 합의 시간 0.5초와 3000 TPS를 달성하기 위해서는 적색 실선과 청색 점선이 만나는 교점에 해당되는 트랜잭션 크기 = 1.3, 즉 583 바이트, 트랜잭션 수 = 1.1, 즉 2,900개가 최적 조건이 된다. 이러한 결과는 Kim et al.(2020)의 결과와 비교할 때 트랜잭션의 크기가 약 140바이트 정도 증가된 것이다. 또한, Kim et al.(2020)에서는 합의 시간 0.5초와 3,000 TPS를 달성하기 위한 조건이 트랜잭션 크기 = 440바이트, 트랜잭션 수 = 3,000이었는 데, 이러한 조건에서 새로운 PoN 분산합의 알고리즘은 0.5초보다 더 작은 합의 시간을 달성할 수 있음을 Figure 3 에서 알 수 있다.

Figure 3.

Overlapped contour plot of consensus time and TPS