신뢰 기반 액체 민주주의 합의와 평판 시스템

초록

본 논문은 온라인 커뮤니티와 분산 컴퓨팅 환경에서 참가자의 평판을 “액체 민주주의”(Liquid Democracy) 원칙에 따라 계산하고, 이를 합의 메커니즘인 Proof‑of‑Reputation(POR)으로 활용하는 프레임워크를 제안한다. 평판은 신뢰성 평가와 거래 기반 평점을 결합한 차등 평판 모델로 정의되며, 시간 구간별 증분 업데이트와 로그‑스케일 보정 등을 통해 비선형 분포를 완화한다. 기존의 Proof‑of‑Work와 Proof‑of‑Stake 대비 사회공학 공격과 평판 조작에 대한 저항성을 높이는 것이 목표이다.

상세 분석

이 논문은 기존 블록체인 합의 알고리즘이 갖는 “힘의 법칙”(PoW)이나 “자본의 법칙”(PoS)의 구조적 한계를 지적하고, 평판을 직접적인 합의 자원으로 전환하는 Proof‑of‑Reputation(POR) 모델을 제시한다. 핵심 아이디어는 참가자 i의 평판 R_i(t)를 시간 t에서 이전 평판 R_i(t‑1)과 차등 평판 변화 dP_i(t‑1, t)를 가중 평균하여 업데이트하는 것이다. 차등 평판은 두 종류로 구분된다. 첫 번째는 신뢰성 평점 S_ijkc 로, 이는 “좋아요”, “친구” 등 비금전적 관계를 나타내며, 필요 시 금전적 가중치 Q_ijc와 결합된다. 두 번째는 거래 기반 평점 F_ijkce 로, 실제 금전 흐름이나 투표 행위에 연동되며 가중치 G_ijce가 부여된다. 각각의 평점은 –11(또는 –55 등) 구간으로 정규화되고, 전체 평판은 카테고리별 혼합 계수 H_k 로 가중합한다.

수식적으로는
dS_i = Σ_k H_k·Σ_jc (S_ijkc·Q_ijc·R_j(t‑1)) / Σ_jc (Q_ijc·R_j(t‑1))
dF_i = Σ_k H_k·Σ_jc (F_ijkce·G_ijce·R_j(t‑1)) / Σ_jc (G_ijce·R_j(t‑1))
가 정의되고, 최종 차등 평판 dP_i는 S와 F의 비율 가중 평균으로 산출된다. 이후 dP_i를 절대값 정규화하고 로그 변환(lP_i)함으로써 고평판 사용자가 과도하게 집중되는 파레토 현상을 완화한다.

시간 구간 설정에 따라 세 가지 업데이트 전략을 제시한다. ① 전체 기간 누적 계산은 과거 데이터를 모두 반영하지만 연산 비용이 높다. ② 즉시‑증분 방식은 각 트랜잭션마다 평판을 즉시 반영해 지연을 최소화하지만 블록체인 환경에서는 네트워크 동기화 문제가 발생할 수 있다. ③ 실용‑증분 방식은 일, 주, 월 등 일정 주기로 배치 업데이트를 수행해 비용과 최신성 사이의 균형을 맞춘다.

구현 측면에서는 중앙집중형, 분산형, 완전 탈중앙형 세 가지 아키텍처를 논의한다. 중앙형은 신뢰할 수 있는 평판 기관이 모든 평판을 계산·저장하고, 분산형은 다수의 노드가 동일 알고리즘을 실행해 합의를 도출한다. 완전 탈중앙형은 스마트 계약에 평판 계산 로직을 내장해 투명성을 극대화한다.

보안 분석에서는 평판 조작 공격을 두 축으로 나눈다. (1) Sybil 공격: 가짜 계정을 대량 생성해 초기 평판을 인위적으로 상승시키는 경우, 초기 평판 Rd를 최소값으로 설정하고, 신규 계정에 대한 신뢰성 가중치 Q를 낮게 두어 진입 장벽을 높인다. (2) 평판 사기: 기존 고평판 사용자가 다른 사용자에게 부정적 평점을 대량 부여해 평판을 하락시키는 경우, 평판 변화 dP_i를 로그 스케일로 변환해 급격한 변동을 억제한다. 또한, 평판 가중치 H_k와 혼합 비율 S/F를 동적으로 조정해 특정 카테고리의 과도한 영향력을 제한한다.

실험 결과는 이더리움 테스트넷에서 구현된 스마트 계약을 통해 검증되었다. 실험 시나리오에서는 1,000명의 가상 사용자와 10개의 평판 카테고리를 사용했으며, PoW/PoS 대비 평균 합의 시간은 30% 감소하고, 악의적 평판 변조 시 평균 평판 손실은 70% 이하로 억제되었다. 특히 로그 변환을 적용한 경우, 평판 분포가 지수형에서 로그 정규형으로 전환돼 소수의 고평판 사용자가 전체 합의를 독점하는 현상이 크게 완화되었다.

결론적으로, 평판을 직접적인 합의 자원으로 활용하는 POR 모델은 기존 작업증명·지분증명 방식의 에너지·자본 의존성을 탈피하고, 사회공학적 공격에 대한 내성을 제공한다. 다만, 평판 데이터의 프라이버시 보호와 오프체인 평판 연동 문제, 그리고 대규모 실시간 업데이트에 대한 스케일링 최적화가 향후 연구 과제로 남는다.