블록체인 마이닝 풀의 공정한 보상 분배 방식 분석

1. 서론

본 논문은 탈중앙화 블록체인 네트워크, 특히 작업 증명(Proof-of-Work, PoW) 마이닝 풀 내에서 발생하는 근본적인 경제 문제를 다룹니다. 블록체인 기술은 신뢰 없는 합의를 가능하게 하지만, 보상을 위해 암호학적 퍼즐을 푸는 마이닝 과정 자체는 매우 확률적입니다. 전체 네트워크의 막대한 계산 능력으로 인해 개별 마이너는 상당한 소득 변동성을 겪습니다. 이러한 변동성은 마이닝 풀의 형성을 유도하며, 참여자들은 자신의 계산 자원(해시 파워)을 결합하여 보상을 평준화합니다. 그 후 핵심 과제는 풀의 블록 보상을 기여자들 사이에 공정하고 효율적으로 분배하는 보상 분배 체계 를 설계하는 것이 됩니다. 본 논문은 이러한 체계의 공정성을 분석하기 위한 새로운 개념적 프레임워크를 제안합니다.

1.1. 합의 프로토콜과 풀

채굴 풀은 비트코인과 같은 PoW 블록체인의 경제적 인센티브에서 비롯된 직접적인 결과입니다. 개별 채굴자가 유효한 블록("완전한 솔루션")을 발견할 확률은 전체 네트워크 해시레이트에서 그들이 차지하는 비율에 비례합니다. 소규모 채굴자의 경우 이 확률은 무시할 수 있을 정도로 낮아, 보상 없이 긴 시간이 지날 가능성이 있습니다. 풀은 해시파워를 집계하여 블록 발견 빈도를 높입니다. 풀이 성공하면 보상을 분배해야 합니다. 본 논문의 분석은 공유 방식 선택이 채굴자 참여, 풀 안정성, 그리고 블록체인 네트워크의 전반적인 보안과 탈중앙화에 직접적인 영향을 미치기 때문에 중요합니다.

2. 개념적 프레임워크와 공정성 기준

저자들은 분석의 초점을 개별 채굴자에서 보고된 shares로 전환합니다. share는 작업 증명을 입증하지만 그 자체로는 유효한 블록을 구성하지 않는 암호학적 퍼즐에 대한 부분적 해답입니다. 보상 라운드 내에서 이러한 shares의 순서와 타이밍이 분배의 기초를 형성합니다.

본 논문은 두 가지 혁신적인 공정성 공리를 소개합니다:

2.1. 절대적 재분배 공정성

이 기준은 새로운 주식이 풀에 제출될 때, 동일한 절대량만큼 이전에 제출된 모든 주식의 보상 자격에 영향을 미쳐야 함을 요구합니다. 절대량공식적으로, 주식 $j$의 제출 시 주식 $i$의 보상이 $\Delta R_i$만큼 변한다면, 다른 어떤 주식 $k$에 대해서도 $\Delta R_k = \Delta R_i$입니다. 이는 보상 함수에 강력한 가법성과 경로 독립성을 부과합니다.

2.2. 상대적 재분배 공정성

이 기준은 새로운 주식이 제출될 때, 동일한 상대적 비율로 이전 모든 주식의 보상 자격에 영향을 미쳐야 함을 요구합니다. 상대적 비율공식적으로, 새로운 주식 $j$ 이전에 존재하는 모든 주식 $i, k$에 대해 $\frac{R_i^{new}}{R_i^{old}} = \frac{R_k^{new}}{R_k^{old}}$입니다. 이는 풀이 발전함에 따라 주식 간의 비례 관계를 유지하는 데 중점을 둡니다.

3. 보상 공유 체계의 특성화

주요 이론적 기여는 각 공정성 기준을 충족하는 보상 체계의 범주를 규명한 것이다.

3.1. 절대적 공정성을 만족하는 체계

절대적 재분배 공정성을 만족하는 체계의 범주는, 한 share에 대한 보상이 그것 이후에 제출된 share의 수에만 의존하는 것으로 규정된다. 오직 그것 이후에 제출된 share의 수에만 블록이 발견될 때까지. 대표적인 예는 Pay-Per-Last-N-Shares (PPLNS) 체계로, 보상은 블록 발견 직전의 마지막 N개 share들 사이에 분배된다. 새로운 share의 도착은 단순히 적격 share들의 "창(window)"을 이동시켜, 모든 기존 share들에게 절대적인 의미에서 동등하게 영향을 미친다(그들은 모두 창에서 벗어나기에 한 걸음 더 가까워진다).

3.2. 상대적 공정성을 만족하는 체계

상대적 재분배 공정성을 만족하는 방식들의 범주는, 한 주식에 대한 보상이 그 주식이 제출되기 전에 제출된 주식의 수에만 의존하는 함수에 비례하는 방식들로 특징지어진다. 그 주식이 제출되기 전에 제출된 주식의 수에만 의존하는. 가장 유명한 예는 Proportional (PROP) 방식으로, 각 주식은 해당 라운드에서 제출된 총 주식 수에 비례하는 보상을 받는다. 새로운 주식이 도착하면, 그것은 모든 기존 주식의 보상을 동일한 상대적 비율로 희석시킨다.

3.3. 교집합 및 비례 체계

두 범주—절대적 공정성과 상대적 공정성을 모두 만족하는 방식들—의 교집합은 Proportional 방식의 일변수 일반화임이 밝혀졌다. 이 결과의 한 따름정리는 고전적인 Proportional 방식 자체에 대한 새로운 공리적 특징화이다: 그것은 유일한 자연스러운 정규화 조건 하에서 두 공정성 기준을 동시에 만족하는 유일한 방식. 이는 풀 호핑에 대한 알려진 취약점에도 불구하고 PROP의 광범위한 사용에 대한 견고한 이론적 근거를 제공합니다.

4. 기술적 세부사항과 수학적 공식화

$S = (s_1, s_2, ..., s_n)$를 $s_n$에서 완전한 솔루션(블록)으로 끝나는 라운드에서 제출된 지분의 시퀀스라고 하자. 보상 분배 방식은 지분 $s_i$에 보상을 할당하는 함수 $R(i, S)$이다.

절대 재분배 공정성 (ARF): For any sequences $S$ 그리고 $S'$ where $S'$ is $S$ with an additional share inserted at position $j$, 그리고 for any $i, k < j$, we have: $$R(i, S') - R(i, S) = R(k, S') - R(k, S)$$

상대 재분배 공정성 (RRF): 위와 동일한 $S, S', i, k$에 대해:

본 논문은 ARF가 $R(i, S) = f(n-i)$를 함의한다는 것을 증명한다. 여기서 $f$는 어떤 함수이며, $(n-i)$는 $s_i$ 이후의 shares 수이다. RRF는 $R(i, S) = g(i) \cdot B$를 함의한다. 여기서 $g(i)$는 share의 위치에 의존하고 $B$는 총 블록 보상이다. 이 둘의 교집합은 상수 $c, \alpha$에 대해 $R(i, S) = \frac{c \cdot B}{i^{\alpha}}$로 이어지며, $\alpha=0$일 때 Proportional 방식을 산출한다.

5. Analytical Framework: Core Insight & Critique

핵심 통찰: 이 논문은 단순히 채굴 풀에 관한 것이 아니라, 공리적 자원 배분 이론(예: Moulin이나 Young의 공정성에 관한 선구적 연구)을 복잡한 실제 암호경제 시스템에 적용하는 방법에 관한 교과서라 할 수 있다. 저자들의 천재적인 접근은 문제를 "채굴자에게 어떻게 지불할 것인가"에서 "공정한 지불 순서의 본질적 속성은 무엇인가"로 재구성한 데 있다. 분석의 중심을 shares 에 두고, miners, 그들은 행동적 가정을 제거하고 순수한 분배 논리를 분리합니다. 그 결과로 나오는 특성화 정리들은 우아하고 강력하며, PPLNS나 PROP와 같은 알려진 방식에 대한 형식적 분류 체계를 제공합니다.

논리적 흐름: 논증은 흠잡을 데 없이 구조화되어 있습니다: (1) 기여의 핵심 단위(share)를 식별합니다. (2) 새로운 정보(새로운 share)가 기존 청구를 어떻게 갱신하는지에 기반하여 두 가지 자연스럽고 상호 배타적인 공정성 원칙을 정의합니다. (3) 각 원칙을 만족하는 모든 방식의 수학적 형태를 도출합니다. (4) 교집합을 검토하여 두 공정성 개념 모두에 강건한 방식을 찾습니다. 이는 합의 알고리즘(예: FLP 불가능성 결과)을 정의하는 컴퓨터 과학 기초 논문들의 공리적 접근법을 연상시키는데, 여기서는 원하는 속성들이 가능한 해법의 특성화로 이어집니다.

Strengths & Flaws: 주요 강점은 이 프레임워크의 일반성과 이론적 엄밀성입니다. 이는 어떤 보상 방식이든 비교할 수 있는 공통 언어를 창출합니다. 그러나 실용적인 메커니즘 설계 관점에서 이 분석은 중요한 맹점을 가지고 있습니다. 이는 완전히 추상화하여 배제합니다. 전략적 채굴자 행동, 예를 들어 PROP와 같은 단순 방식의 골칫거리인 풀 호핑(방식의 약점을 이용하기 위해 풀을 전환하는 행위)을 말합니다. Cambridge Centre for Alternative Finance와 같은 기관의 실증 연구에서 지적된 바와 같이, 풀 호핑은 채굴자의 수익성과 풀의 안정성에 큰 영향을 미칩니다. 이 프레임워크는 또한 무시합니다. 운영 비용 그리고 정보 지연, 이는 실시간 글로벌 풀 운영에 있어 매우 중요합니다. 기존 경매 이론에서의 인센티브 호환 메커니즘 설계(예: 마이어슨의 연구)와 비교할 때, 본 논문은 게임 속 '인센티브 호환성'이 아닌, 진공 상태에서의 '공정성'을 정의합니다.

실행 가능한 통찰: 블록체인 프로토콜 설계자와 풀 운영자에게, 본 논문은 그들의 보상 체계의 공정성을 감사하는 데 필수적인 참고 자료입니다. 결론은 명확합니다: 절대적 공정성과 상대적 공정성 중 하나를 선택해야 하며, 기본 Proportional 방식을 사용하지 않고서는 둘 다 완전히 가질 수 없습니다. 새로운 풀을 구축할 때, 안정성과 단순성이 최우선이라면 PROP의 공리적 순수성은 정당화됩니다. 전략적 조작 완화가 핵심이라면, PPLNS-클래스(절대적 공정성을 만족함)는 보상이 미래 사건에 의존하기 때문에 특정 공격에 대해 이론적으로 더 강건합니다. 본 논문이 진정으로 열어놓은 연구 방향은 종합 이 공정성 분석과 채굴자 행동의 게임 이론적 모델의 결합입니다. 다음 돌파구는 설득력 있는 공정성 공리를 만족하면서도 베이지안-내쉬 균형의 의미에서 전략 방지성이 입증 가능한 체계가 될 것입니다.

6. 응용 전망과 미래 방향

이 프레임워크는 비트코인 채굴을 넘어 확장됩니다. 이는 작업이 분배되고, 기여가 검증 가능하지만 확률적이며, 공통 보상이 공유되어야 하는 모든 분산 네트워크에 직접 적용 가능합니다. 주요 미래 방향은 다음과 같습니다:

• Proof-of-Stake (PoS) 및 Delegation: PoS 네트워크(예: Ethereum 2.0, Cardano)의 검증자 풀은 이해관계자가 자신의 토큰을 위임할 때 유사한 보상 분배 문제에 직면합니다. "지분"은 스테이크 위임 이벤트가 됩니다. 이러한 공정성 기준을 적용하면 더 투명하고 공정한 스테이킹 풀 설계로 이어질 수 있습니다.
• Decentralized Physical Infrastructure Networks (DePIN): Filecoin(저장)이나 Helium(무선 커버리지)과 같은 네트워크는 현실 세계의 자원을 제공하는 참여자에게 보상을 지급합니다. 이 프레임워크는 동적 네트워크에서 초기 기여자와 후기 기여자 모두에게 공정한 보상 체계 설계에 도움을 줄 수 있습니다.
• Decentralized AI & Compute Markets: ML 학습 작업을 분배하는 플랫폼(예: Gensyn, Render Network)에서 부분적 계산 작업에 대한 지불의 공정성은 매우 중요합니다. 지분 기반 분석은 매우 관련성이 높습니다.
• Game-Theoretic Integration: 가장 중요한 다음 단계는 이 공리적 공정성 접근법과 전략적 채굴자 행동 모델을 통합하는 것입니다. 여기에는 정의와 특성화가 포함될 것입니다. 인센티브 호환적 공정성 기준을 정의하여, 분배 측면에서 공정하고 조작에 강건한 체계로 이어질 수 있습니다.
• 동적 풀 크기 분석: 현재 모델은 라운드당 고정된 지분 집합을 가정합니다. 향후 연구에서는 더 현실적인 시나리오인, 채굴자가 동적으로 진입 및 퇴장하는 풀에서의 공정성을 분석할 수 있을 것입니다.

7. References

1. Nakamoto, S. (2008). Bitcoin: A Peer-to-Peer Electronic Cash System.
2. Moulin, H. (2004). Fair Division and Collective Welfare. MIT Press. (기초 공리적 공정성 이론을 위해)
3. Lewenberg, Y., Bachrach, Y., Sompolinsky, Y., Zohar, A., & Rosenschein, J. S. (2015). Bitcoin 마이닝 풀: A cooperative game theoretic analysis. Proceedings of the 2015 International Conference on Autonomous Agents 그리고 Multiagent Systems. (마이닝 풀의 게임이론적 분석을 위해)
4. Cambridge Centre for Alternative Finance. (2020). 2nd Global Cryptoasset Benchmarking Study. (마이닝 풀 경제 및 행태에 대한 실증 데이터를 위해)
5. Myerson, R. B. (1981). Optimal auction design. Mathematics of operations research, 6(1), 58-73. (인센티브 호환 메커니즘 설계의 표준을 위해)
6. Fischer, M. J., Lynch, N. A., & Paterson, M. S. (1985). Impossibility of distributed consensus with one faulty process. Journal of the ACM (JACM), 32(2), 374-382. (분산 시스템에서 선구적인 공리적 특성화의 예시로서)
7. Eyal, I. (2015). The miner's dilemma. 2015 IEEE Symposium on Security and Privacy. (풀 호핑을 포함한 전략적 행동 분석을 위해)