Core Concepts
블록체인 기술을 활용하여 기계 학습 모델의 계산 결과에 대한 신뢰성과 투명성을 보장할 수 있다.
Abstract
이 연구는 기계 학습 모델을 블록체인 기반 스마트 컨트랙트로 구현하는 방법을 제안합니다. 주요 내용은 다음과 같습니다:
ML2SC: Pytorch 기반 다층 퍼셉트론(MLP) 모델을 Solidity 스마트 컨트랙트로 자동 변환하는 도구를 개발했습니다. 이를 통해 기계 학습 모델을 블록체인에 배포할 수 있습니다.
정확도 평가: ML2SC로 변환된 온-체인 MLP 모델과 오프-체인 Pytorch 모델의 분류 정확도를 비교했으며, 동일한 성능을 보였습니다.
가스 비용 분석: MLP 모델의 아키텍처 매개변수(층 수, 뉴런 수 등)에 따른 가스 비용을 수학적으로 모델링하고 실험적으로 검증했습니다. 이를 통해 온-체인 MLP 모델 배포 및 추론 비용을 예측할 수 있습니다.
이 연구는 기계 학습 모델의 블록체인 기반 배포와 실행을 위한 실용적인 솔루션을 제시합니다. 향후 다양한 기계 학습 모델 아키텍처로 확장하고, 정확도와 가스 비용 간의 트레이드오프를 제공하는 등 추가 연구가 필요합니다.
Stats
다층 퍼셉트론(MLP) 모델 배포 시 가스 비용은 모델의 층 수, 뉴런 수, 가중치 및 편향 수에 따라 선형적으로 증가합니다.
1층 1뉴런 MLP 모델 배포 시 가스 비용은 약 2,030,000 가스입니다.
3층 64뉴런 MLP 모델 배포 시 가스 비용은 약 3,000,000 가스입니다.
온-체인 MLP 모델의 분류 정확도는 오프-체인 Pytorch 모델과 동일합니다.
Quotes
"블록체인 기술은 데이터와 계산을 투명하고 변조 불가능하게 기록할 수 있어, 기계 학습 모델의 신뢰성을 보장할 수 있습니다."
"ML2SC는 Pytorch 기반 MLP 모델을 Solidity 스마트 컨트랙트로 자동 변환하는 도구로, 기계 학습 모델의 블록체인 배포를 용이하게 합니다."