Ensuring Blockchain Validator Reliability through Multivariate Time-series Anomaly Detection

블록체인 검증자는 블록체인 네트워크의 가용성과 무결성을 보장하는 데 매우 중요하다. 하지만 검증자의 신뢰성을 유지하기 위한 연구는 아직 활발하지는 않다. 본 논문은 블록체인 검증자를 위해 특별히 설계된 딥러닝 기반 이상 탐지 프레임워크를 제안하며, 이는 검증자의 고차원 원격 측정 데이터로 인해 발생하는 문제를 해결한다. '차원의 저주'를 극복하기 위해 이상 탐지 전처리 단계로 차원 축소 기법을 적용한다. 우리는 여러 차원 축소 기법(PCA, UMAP, LLE, ISOMAP)과 이상 탐지 모델(LSTM-VAE, VTTSAT, VTTPAT)의 조합을 체계적으로 평가한다. 실험 결과, PCA와 VTTSAT의 조합이 0.7922의 PA%K AUC를 기록하며 최고의 성능을 보였다. 더 나아가, 축소된 차원 수를 변경하며 진행한 실험에서 50차원이 검증자 이상 탐지에 가장 효과적인 표현을 제공한다는 것을 발견했다. 우리의 연구 결과는 딥러닝 기반 이상 탐지를 검증자 환경에 적용하는 것의 실현 가능성을 강조하며, 이를 통해 블록체인 운영의 신뢰성을 향상시킬 수 있음을 보여준다.