심층 연구 보고서 | 이기종 장치를 위한 분산 컴퓨팅 네트워크의 실현 가능성 및 과제

핵심 포인트

"모든 기기가 해시레이트 공급자다"라는 말이 아직도 먼 이야기인 이유는 무엇일까?

이 보고서는 PC, 휴대폰, 에지 장치 등으로 구성된 이기종 분산 컴퓨팅 네트워크(DePIN)가 "기술적으로 실행 가능"에서 "경제적으로 실행 가능"으로 전환하는 데 직면한 과제를 심층적으로 살펴봅니다. BOINC와 Folding@home의 자발적인 컴퓨팅 영감부터 Golem과 Akash와 같은 DePIN 프로젝트의 상용화 시도까지, 이 보고서는 이 트랙의 역사, 현재 상황, 미래를 정리합니다.

• 이기종 네트워크의 과제 : 장치 성능 차이, 긴 네트워크 지연 시간, 큰 노드 변동. 작업 일정을 잡고, 결과를 검증하고, 보안을 보장하려면 어떻게 해야 하나요?
• 공급은 과잉이고 수요는 부족합니다 . 콜드 스타트는 쉽지만 실제로 비용을 지불하는 사용자를 찾기가 어렵습니다. DePIN은 어떻게 채굴 게임에서 실제 사업으로 전환될 수 있을까?
• 보안 및 규정 준수 : 데이터 개인정보 보호, 국경 간 규정 준수, 책임 귀속... "탈중앙화"로는 피할 수 없는 이러한 어려운 문제를 누가 다룰 것인가?

보고서는 약 20,000단어로 구성되어 있으며 읽는 데 15분이 소요될 것으로 예상됩니다. (이 보고서는 DePINOne Labs에서 제작했습니다. 재인쇄를 원하시면 저희에게 문의해 주세요.)

1. 서론

1.1 이기종 장치 분산 컴퓨팅 네트워크의 정의

분산 컴퓨팅 네트워크는 지리적으로 분산되어 있고 다양한 컴퓨팅 장치(개인용 컴퓨터, 스마트폰, IoT 엣지 컴퓨팅 박스 등)로 구성된 네트워크를 말하며, 인터넷 연결을 통해 이러한 장치의 유휴 컴퓨팅 리소스를 집계하여 대규모 컴퓨팅 작업을 수행하는 것을 목표로 합니다.

이 모델의 핵심 아이디어는 현대 컴퓨팅 장치는 일반적으로 많은 처리 능력을 갖추고 있지만 대부분의 경우 활용도가 낮다는 것입니다(예를 들어, 일반적인 데스크톱 컴퓨터는 용량의 10~15%만 사용합니다). 분산 컴퓨팅 네트워크는 활용도가 낮은 리소스를 통합하여 대규모 가상 컴퓨팅 클러스터를 형성하려고 시도합니다.

기존의 슈퍼컴퓨터(고성능 컴퓨팅, HPC)나 중앙 집중형 클라우드 컴퓨팅과 달리, 이러한 유형의 분산 네트워크의 가장 주목할 만한 특징은 이질성 입니다.

네트워크에 참여하는 장치는 하드웨어(CPU 유형, GPU 모델, 메모리 크기), 운영 체제(Windows, macOS, Linux, Android), 네트워크 연결 품질(대역폭, 지연 시간), 가용성 패턴(장치는 언제든지 온라인이거나 오프라인일 수 있음) 측면에서 매우 다양합니다.

이처럼 매우 이질적이고 역동적으로 변화하는 리소스 풀을 관리하고 효과적으로 활용하는 것은 이러한 네트워크가 직면한 핵심적인 기술적 과제 중 하나입니다.

1.2 역사적 배경: 자원봉사 컴퓨팅

많은 어려움에도 불구하고, 대규모 컴퓨팅에 분산된 이기종 장치를 사용하는 것의 기술적 실현 가능성은 수십 년간의 자원봉사 컴퓨팅(VC) 관행을 통해 충분히 입증되었습니다.

BOINC(Berkeley Open Infrastructure for Network Computing)

BOINC는 전형적인 성공 사례입니다. 클라이언트/서버 아키텍처를 사용하는 오픈소스 미들웨어 플랫폼입니다. 이 프로젝트에서는 컴퓨팅 작업을 분산하기 위해 서버를 운영하고, 자원봉사자들은 개인 기기에서 BOINC 클라이언트 소프트웨어를 실행하여 이러한 작업을 수행합니다. BOINC는 자원 봉사자들의 컴퓨팅 리소스를 활용하여 복잡한 과학 문제를 해결하고 천문학(SETI@home, Einstein@Home 등), 생물의학(Rosetta@home 등), 기후 과학 및 기타 분야를 망라하는 수많은 과학 연구 프로젝트를 성공적으로 지원했습니다. BOINC 플랫폼의 컴퓨팅 능력은 놀랍습니다. 전체 컴퓨팅 능력은 당시 최고 슈퍼컴퓨터의 몇 배에 달하며 , PetaFLOPS 수준에 도달했습니다. 이러한 해시레이트 모두 자원봉사자들이 기부한 개인용 컴퓨터의 유휴 리소스에서 전적으로 나옵니다. BOINC는 이기종, 간헐적 사용 가능, 신뢰할 수 없는 노드로 구성된 네트워크 환경을 처리하도록 설계되었습니다. BOINC 프로젝트를 구축하려면 일정 수준의 기술 투자(시스템 관리자, 프로그래머, 웹 개발자 등을 포함해 약 3인-월의 작업량)가 필요하지만, 성공적인 운영을 통해 VC 모델의 기술적 잠재력이 입증되었습니다.

폴딩@홈 (F@h)

F@h는 또 다른 유명한 자원봉사 컴퓨팅 프로젝트입니다. 2000년 출범 이래 단백질 접힘, 구조 변화, 약물 설계와 같은 생물 분자 역학 과정을 시뮬레이션하여 과학자들이 질병 메커니즘을 이해하고 새로운 치료법을 개발하도록 돕는 데 주력해 왔습니다. F@h는 또한 자원봉사자들의 개인용 컴퓨터(초창기에는 PlayStation 3 게임 콘솔도 사용)를 사용하여 대규모 병렬 컴퓨팅을 수행합니다. 이 프로젝트는 226편 이상의 과학 논문을 발표하면서 상당한 과학적 성공을 거두었으며, 시뮬레이션 결과는 실험 데이터와 잘 일치합니다. 특히 2020년 코로나19 팬데믹 당시 대중의 참여가 활발했고 Folding@home 해시레이트 ExaFLOP 수준(초당 1조 개의 부동 소수점 연산)에 도달하여 세계 최초로 이 규모에 도달한 컴퓨팅 시스템이 되었으며, 이는 SARS-CoV-2 바이러스 연구와 항바이러스제 개발을 강력하게 지원했습니다.

BOINC 및 Folding@home과 같은 장기 프로젝트는 수많은 분산되고 이기종이며 자원봉사자가 제공한 장치 해시레이트 집계하고 활용하여 특정 대량 의 병렬화 가능하고 컴퓨팅 집약적인 작업(특히 과학 컴퓨팅)을 처리하는 것이 기술적으로 가능하다는 것을 반박할 여지 없이 보여주었습니다. 이들은 작업 분배, 클라이언트 관리, 신뢰할 수 없는 노드 처리 등을 위한 중요한 기반을 마련합니다.

1.3 비즈니스 모델의 부상: Golem과 DePIN 컴퓨팅

자원봉사 컴퓨팅을 통해 검증된 기술적 실현 가능성을 바탕으로, 최근 몇 년 동안 이 모델을 상용화하려는 프로젝트가 등장했으며, 특히 블록체인과 토큰 이코노미 기반으로 하는 DePIN(탈중앙화 Physical Infrastructure Networks) 컴퓨팅 프로젝트가 대표적입니다.

Golem Network 는 이 분야의 초기 탐색자 중 하나이며 DePIN 개념의 선구자로 간주됩니다. GLM 토큰을 사용하여 사용자가 P2P(피어투피어) 방식으로 컴퓨팅 리소스(CPU, GPU, 메모리, 스토리지 포함)를 사고팔 수 있는 탈중앙화 컴퓨팅 파워 시장을 구축했습니다. Golem 네트워크에는 두 가지 주요 유형의 참여자가 있습니다. 컴퓨팅 능력이 필요한 사용자인 요청자, 그리고 GLM 토큰을 대가로 유휴 리소스를 공유하는 사용자인 공급자가 있습니다. 대상 애플리케이션 시나리오에는 CGI 렌더링, 인공지능(AI) 계산, 암호화폐 채굴 및 대량 해시레이트 필요한 기타 작업이 포함됩니다. Golem은 작업을 더 작은 하위 작업으로 분할하고 이를 여러 공급자 노드에서 병렬로 처리하여 규모와 효율성을 달성합니다.

DePIN 컴퓨팅은 블록체인 기술과 토큰 인센티브 메커니즘을 사용하여 컴퓨팅 리소스를 포함한 다양한 물리적 인프라 네트워크를 구축하고 운영하는 것을 의미하는 더 광범위한 개념입니다. Golem 외에도 Akash Network(탈중앙화 클라우드 컴퓨팅 서비스 제공), Render Network(GPU 렌더링에 집중), io.net(AI/ML을 위한 GPU 리소스 집계) 등 여러 프로젝트가 있습니다. 이러한 DePIN 컴퓨팅 프로젝트의 공통적인 목표는 기존의 중앙 집중식 클라우드 컴퓨팅 서비스 제공업체(AWS, Azure, GCP 등)에 도전하고 탈중앙화 방식으로 비용이 낮고 유연한 컴퓨팅 리소스를 제공하는 것입니다. 그들은 토큰 이코노미 모델을 사용하여 전 세계의 하드웨어 소유자가 리소스를 기여하도록 인센티브를 제공하고, 이를 통해 대규모의 주문형 해시레이트 네트워크를 형성하려고 시도합니다.

이는 주로 이타주의나 커뮤니티 평판(포인트)을 인센티브로 사용하는 자원봉사 컴퓨팅에서 직접적인 경제적 인센티브로 토큰을 사용하는 DePIN으로의 패러다임 전환을 의미합니다. DePIN은 과학적 컴퓨팅과 같은 특정 분야를 넘어 더 광범위한 시장 요구를 충족할 수 있는 경제적으로 지속 가능하고 보다 일반적인 분산 컴퓨팅 네트워크를 구축하고자 합니다.

그러나 이러한 변화는 특히 시장 메커니즘 설계와 토큰 이코노미 모델의 안정성 측면에서 새로운 복잡성을 야기합니다.

예비 평가: 공급 과잉 및 수요 부족에 대한 관찰

현재 DePIN 컴퓨팅 분야가 직면한 핵심적인 딜레마는 사용자가 네트워크에 참여하고 해시레이트 기여하도록 하는 것이 아니라, 다양한 해시레이트 요구에 대한 서비스를 진정으로 수행하고 제공하기 위해 네트워크에 해시레이트 어떻게 공급할 것인가입니다 .

• 공급은 부트스트래핑하기 쉽습니다 . 토큰 인센티브는 공급이 네트워크에 가입하도록 부트스트래핑하는 데 매우 효과적입니다.
• 수요를 증명하기는 어렵다 . 실제로 수익성이 있는 수요를 창출하는 것은 훨씬 더 어렵다. DePIN 프로젝트는 토큰 인센티브에만 의존하는 것이 아니라, 경쟁력 있는 제품이나 서비스를 제공하고 실질적인 문제를 해결해야 합니다.
• 자원봉사 컴퓨팅은 기술적 타당성을 입증했지만, DePIN은 경제적 타당성을 입증해야 하는데, 이는 수요 측 문제를 효과적으로 해결할 수 있는지 여부에 달려 있습니다. 자원봉사 컴퓨팅 프로젝트(예: BOINC, F@h)가 성공적인 이유는 "수요"(과학적 컴퓨팅)가 프로젝트를 운영하는 연구자들에게 본질적으로 가치가 있는 반면, 공급 측면은 이타주의나 관심에 의해 동기가 부여되기 때문입니다.

DePIN은 공급자가 금전적 보상(토큰)을 받을 것으로 기대하는 반면, 수요자는 서비스 가치가 비용을 초과한다고 인식해야 하는 시장을 구성합니다. 토큰을 이용해 공급을 부트스트래핑하는 것은 비교적 간단하지만, 실제 유료 수요를 창출하려면 AWS와 같은 중앙 집중식 서비스와 경쟁하거나 더 나은 서비스를 구축해야 합니다. 최근의 증거에 따르면 많은 DePIN 프로젝트가 여전히 후자와 관련하여 상당한 어려움에 직면해 있는 것으로 나타났습니다.

2. 이기종 분산 네트워크의 핵심 기술적 과제

모바일폰, 개인용 컴퓨터, IoT 기기 등으로 구성된 이기종 분산 컴퓨팅 네트워크를 구축하고 운영하는 것은 일련의 심각한 기술적 과제에 직면합니다. 이러한 문제는 네트워크 노드의 물리적 분산, 장치 자체의 다양성, 참여자의 신뢰성 부족으로 인해 발생합니다.

2.1 장치 이질성 관리

네트워크의 장치는 하드웨어 수준(CPU/GPU 유형, 성능, x86/ARM과 같은 아키텍처, 사용 가능한 메모리, 저장 공간)과 소프트웨어 수준(Windows/Linux/macOS/Android와 같은 운영 체제와 해당 버전, 설치된 라이브러리 및 드라이버)에서 모두 크게 다릅니다. 이러한 이질성으로 인해 전체 네트워크에서 안정적이고 효율적으로 애플리케이션을 배포하고 실행하는 것이 매우 어렵습니다. 특정 고성능 GPU용으로 작성된 작업은 저사양 휴대폰에서는 전혀 실행되지 않거나 매우 비효율적으로 실행될 수 있습니다.

BOINC의 대응

BOINC는 "플랫폼"(운영 체제와 하드웨어 아키텍처의 조합)을 정의하고 각 플랫폼에 대한 특정 "애플리케이션 버전"을 제공하여 이기종성을 처리합니다. 또한 특정 GPU 모델이나 드라이버 버전과 같은 보다 자세한 하드웨어 특성에 따라 보다 세부적인 작업 분배를 허용하는 "Plan Class" 메커니즘도 도입되었습니다. 또한 BOINC는 래퍼를 사용하여 기존 실행 파일을 실행하거나 가상 머신(예: VirtualBox) 및 컨테이너(예: Docker)에서 애플리케이션을 실행하여 다양한 호스트에서 통합된 환경을 제공하지만, 이는 추가적인 성능 오버헤드를 초래합니다.

DePIN의 대응

많은 DePIN 컴퓨팅 플랫폼도 컨테이너화 기술(예: Akash는 Docker를 사용)이나 특정 런타임 환경(예: Golem의 gWASM, VM/Docker도 지원할 수 있음)을 사용하여 기본 하드웨어와 운영 체제의 차이점을 추상화하고 애플리케이션 호환성을 개선합니다. 그러나 장치 간의 기본적인 성능 차이는 여전히 남아 있습니다. 따라서 작업 스케줄링 시스템은 작업을 해당 기능을 갖춘 노드에 정확하게 매칭할 수 있어야 합니다.

장치의 이기종성으로 인해 애플리케이션 개발, 배포, 작업 일정(작업을 적절한 노드에 매칭), 성능 예측 및 결과 검증의 복잡성이 크게 증가합니다. 가상화와 컨테이너화가 어느 정도 해결책을 제공하지만 성능 차이를 완전히 없앨 수는 없습니다. 네트워크의 다양한 하드웨어 리소스(특히 GPU 및 TPU와 같은 특수 가속기)를 효율적으로 활용하려면 복잡한 스케줄링 로직이 필요하며, 심지어 다양한 유형의 하드웨어에 맞게 최적화된 애플리케이션 버전을 다르게 준비해야 할 수도 있어 복잡성이 더욱 증가합니다. 일반 용도의 컨테이너에만 의존하면 특수 하드웨어의 성능을 최대한 활용하지 못할 수 있습니다.

2.2 네트워크 지연 및 대역폭 제한

네트워크 지연이란 네트워크 노드 간에 데이터가 전송되는 데 걸리는 시간을 말합니다. 이는 주로 물리적 거리(전파 지연을 유발하는 빛의 속도에 의해 제한됨), 네트워크 혼잡(대기 지연을 유발함), 장치 처리 오버헤드의 영향을 받습니다. 높은 지연 시간은 시스템의 응답성과 처리량을 크게 감소시키고, 사용자 경험에 영향을 미치며, 노드 간에 빈번한 상호 작용이 필요한 작업의 실행을 방해할 수 있습니다. 대역폭이 큰 네트워크에서는 지연 시간이 성능 병목 현상이 되는 경우가 많습니다.

대역폭은 네트워크 연결이 단위 시간당 전송할 수 있는 최대 데이터 양을 말합니다. 대역폭이 부족하면 네트워크 혼잡이 발생하고, 지연 시간이 더욱 늘어나며 실제 데이터 전송 속도(처리량)가 감소합니다. 자원봉사 컴퓨팅과 DePIN 네트워크는 종종 참여자의 가정이나 모바일 인터넷 연결에 의존하는데, 이는 대역폭(특히 업로드 대역폭)이 제한적이고 불안정할 수 있습니다.

높은 지연 시간과 낮은 대역폭으로 인해 이러한 네트워크에서 실행하기에 적합한 작업 유형이 크게 제한됩니다 . 노드 간에 빈번한 통신이 필요하거나, 계산량에 비해 대량 의 입출력 데이터 전송이 필요하거나, 실시간 응답이 필요한 작업은 이러한 환경에서는 실행 불가능하거나 비효율적인 경우가 많습니다. 네트워크 제한은 작업 일정 전략(데이터 지역성이 중요해짐, 즉 계산이 데이터와 가깝게 이루어져야 함)과 결과 전송의 효율성에 직접적인 영향을 미칩니다. 특히 AI 모델 학습과 같이 대량 의 데이터 전송 및 동기화가 필요한 작업의 경우 소비자 등급 네트워크의 대역폭이 심각한 병목 현상이 될 수 있습니다.

네트워크 제한은 물리 법칙(지연 시간은 빛의 속도에 의해 제한됨)과 경제 법칙(대역폭 비용)의 결과입니다. 이로 인해 분산 컴퓨팅 네트워크는 계산 집약적이고, 통신이 희소하며, 병렬화가 쉬운 "극도로 병렬적인" 작업에 더 적합하게 됩니다. 고속 내부 네트워크를 갖춘 중앙 집중식 데이터 센터와 비교했을 때 이러한 유형의 네트워크 환경은 일반적으로 통신 효율성과 안정성이 낮아 효과적으로 서비스할 수 있는 응용 프로그램 범위와 시장 규모가 근본적으로 제한됩니다.

2.3 노드 동역학 및 안정성

네트워크에 참여하는 장치(노드)는 매우 역동적이며 신뢰할 수 없습니다. 노드는 언제든지 네트워크에 가입하거나 탈퇴할 수 있으며(이를 "추런" 또는 "추런"이라고 함), 장치의 전원이 예기치 않게 꺼지거나 네트워크에서 연결이 끊어지거나 사용자가 전원을 끌 수 있습니다. 더욱이 이러한 노드는 종종 신뢰할 수 없으며 하드웨어 오류(예: 오버클러킹으로 인한 불안정성)나 악의적인 동작으로 인해 잘못된 결과를 반환할 수 있습니다.

이러한 역동성으로 인해 작업 실행이 중단될 수 있으며, 그 결과 컴퓨팅 리소스가 낭비될 수 있습니다. 신뢰할 수 없는 노드는 최종 결과의 정확성에 영향을 미칩니다. 이탈률이 높으면 장시간이 걸리는 작업을 완료하기 어렵고 작업 일정을 잡는 데도 어려움이 따릅니다. 그러므로 시스템의 장애 내구성이 매우 중요해진다.

일반적으로 노드 불안정성을 처리하기 위한 몇 가지 전략이 있습니다.

• 중복성/복제 : 동일한 작업을 여러 개의 독립 노드에 할당하여 실행한 다음 계산 결과를 비교합니다. 결과가 일치하거나 허용 오차 범위 내에 있는 경우에만 유효한 것으로 받아들여집니다. 이를 통해 오류와 악의적인 행동을 효과적으로 감지하고 결과의 신뢰도를 향상시킬 수 있지만, 컴퓨팅 오버헤드가 증가한다는 단점이 있습니다. BOINC는 또한 호스트의 과거 안정성을 기반으로 한 적응형 복제 전략을 사용하여 오버헤드를 줄입니다.
• 체크포인팅 : 애플리케이션이 주기적으로 중간 상태를 저장할 수 있도록 합니다. 작업이 중단되면 처음부터 시작하는 대신 가장 최근의 체크포인트에서 다시 시작할 수 있습니다. 이를 통해 노드 손실이 작업 진행에 미치는 영향이 크게 줄어듭니다.
• 마감일 및 시간 초과 : 각 작업 인스턴스에 대한 완료 마감일을 설정합니다. 노드가 마감일 전에 결과를 반환하지 못하면 인스턴스가 실패한 것으로 간주되고 작업은 다른 노드에 재할당됩니다. 이렇게 하면 일부 노드를 사용할 수 없더라도 작업을 완료할 수 있습니다.
• 작업 버퍼링 : 클라이언트는 네트워크 연결이 일시적으로 끊어지거나 새로운 작업을 얻을 수 없는 경우에도 장치가 계속 작동할 수 있도록 충분한 작업을 미리 다운로드하여 리소스 활용도를 극대화합니다.

신뢰성 문제를 다루는 것은 추가 기능이 아니라 분산 컴퓨팅 네트워크 설계의 핵심 원칙입니다. 중앙 집중식 데이터 센터처럼 노드를 직접 제어하고 관리하는 것이 불가능하므로 시스템은 통계적 방법과 중복성 메커니즘을 사용하여 작업 완료와 결과의 정확성을 보장해야 합니다. 이러한 본질적인 불안정성과 이에 대처하는 메커니즘은 시스템 복잡성과 오버헤드를 증가시켜 전반적인 효율성에 영향을 미칩니다.

2.4 작업 관리 복잡성: 세분화, 일정 및 검증

세분화 : 먼저, 대규모 컴퓨팅 문제를 독립적으로 실행할 수 있는 여러 개의 작은 작업 단위(작업 단위)로 분해해야 합니다. 이를 위해서는 문제 자체가 높은 병렬화가 가능해야 하며, 바람직하게는 "병렬화가 쉬운" 구조여야 합니다. 즉, 하위 작업 간에 종속성이나 통신 요구 사항이 거의 없습니다.

작업 스케줄링 : 이러한 작업 단위를 네트워크의 적절한 노드에 효과적으로 할당하여 실행하는 것은 분산 컴퓨팅에서 가장 핵심적이고 어려운 문제 중 하나입니다. 이기종 및 동적 네트워크 환경에서 작업 스케줄링 문제는 일반적으로 NP-완전한 것으로 증명됩니다. 즉, 알려진 다항식 시간 최적 솔루션이 없습니다. 스케줄링 알고리즘은 다양한 요소를 고려해야 합니다.

• 노드 이질성 : 노드의 컴퓨팅 성능(CPU/GPU), 메모리, 스토리지, 아키텍처 등의 차이
• 노드 역학 : 노드 가용성, 온라인/오프라인 패턴, 이탈률.
• 네트워크 조건 : 노드 간 지연 시간과 대역폭.
• 작업 특성 : 계산 노력, 메모리 요구 사항, 데이터 볼륨, 종속성(작업 간에 종속성이 있는 경우 일반적으로 방향성 비순환 그래프(DAG)로 표현됨), 마감일.
• 시스템 정책 : 리소스 점유율 할당(BOINC의 리소스 공유 등), 우선 순위.
• 최적화 목표 : 총 완료 시간(Makespan)을 최소화하고, 평균 작업 처리 시간(Flowtime)을 최소화하고, 처리량을 극대화하고, 비용을 최소화하고, 공정성을 보장하고, 내결함성을 개선하는 것 등이 포함될 수 있습니다. 이러한 목표 간에 충돌이 있을 수 있습니다.

스케줄링 전략은 정적(작업이 시작되기 전에 한 번만 할당)이거나 동적(시스템의 실시간 상태에 따라 할당을 조정, 온라인 모드와 일괄 처리 모드로 구분)일 수 있습니다. 문제의 복잡성으로 인해 휴리스틱, 메타휴리스틱(유전 알고리즘, 시뮬레이트 어닐링, 개미 집단 최적화 등) 및 인공지능 기반 방법(심층 강화 학습 등)이 폭넓게 연구되고 적용되었습니다. BOINC 클라이언트는 마감일, 리소스 점유율, 포인트 획득 극대화 등 여러 목표의 균형을 맞추기 위해 로컬 스케줄링 전략(작업 획득 및 CPU 스케줄링 포함)을 사용합니다.

결과 검증 : 노드를 신뢰할 수 없으므로 반환된 결과의 정확성을 검증해야 합니다.

• 복제 기반 검증 : 가장 일반적인 방법으로, 여러 노드가 동일한 작업을 계산한 다음 결과를 비교하는 것입니다. BOINC는 이 방법을 사용하고 완전히 일관된 결과가 필요한 작업에 대해 "균질 중복성"을 제공하여 동일한 하드웨어 및 소프트웨어 환경을 갖춘 노드만 동일한 작업의 복제된 계산에 참여하도록 보장합니다. Golem은 중복 검증을 사용하고 제공자의 평판에 따라 검증 빈도를 조정(확률적 검증)하거나 스팟 체크(스팟 체크)를 사용할 수도 있습니다. 이 방법은 간단하고 효과적이지만 비용이 많이 듭니다(계산 노력이 두 배 이상 필요함).
• 비결정성 : 일부 컴퓨팅 작업, 특히 GPU에서 수행하는 AI 추론의 경우 입력이 동일하더라도 하드웨어나 운영 환경에 따라 출력이 약간 다를 수 있습니다(계산 비결정성). 이로 인해 정확한 결과 일치에 기반한 복제 검증 방법이 효과적이지 않습니다. AI 출력에 대한 결과의 의미적 유사성을 비교하거나 통계적 방법(예: SPEX 프로토콜)을 사용하여 확률적 정확성을 보장하는 등 새로운 검증 방법이 필요합니다.
• 암호화 방식 : 검증 가능한 계산 기술은 반복 실행 없이 계산의 정확성을 검증하는 방법을 제공합니다.
• 영지식 증명(ZKP) : 증명자(컴퓨팅 노드)가 계산의 어떤 입력 데이터나 중간 과정을 공개하지 않고도 특정 계산 결과가 정확함을 검증자에게 증명할 수 있도록 합니다. 이는 개인정보 보호와 검증 효율성 개선에 매우 유망하지만, ZKP 자체를 생성하는 데는 일반적으로 대량 계산 오버헤드가 필요하므로 복잡한 계산에 적용하는 데 제한이 있습니다.
• 완전 동형 암호화(FHE) : 암호화된 데이터에 대해 임의의 계산을 직접 수행할 수 있으며, 암호화된 결과는 복호화 후 평문에 대해 계산된 결과와 동일합니다. 이를 통해 매우 높은 수준의 개인정보 보호를 달성할 수 있지만, 현재의 FHE 방식은 계산 효율성이 매우 낮고 비용이 많이 들며, 널리 사용되지 못하고 있습니다.
• 신뢰할 수 있는 실행 환경(TEE) : 하드웨어 기능(예: Intel SGX, AMD SEV)을 활용하여 격리되고 보호되는 메모리 영역(인클레이브)을 만듭니다. 이를 통해 해당 메모리 영역 내에서 실행되는 코드와 데이터의 기밀성과 무결성을 보장하고 원격 당사자에게 증명을 제공할 수 있습니다(원격 증명). TEE는 비교적 효율적인 검증 방법을 제공하지만, 특정 하드웨어 지원에 의존하며, 보안성 역시 하드웨어 자체의 보안과 관련 소프트웨어 스택의 보안에 따라 달라집니다.

특히 스케줄링과 검증과 같은 작업 관리는 중앙 집중식 클라우드 환경보다 이기종, 신뢰할 수 없고 신뢰할 수 없는 분산 네트워크에서 훨씬 더 복잡합니다. 스케줄링은 활발한 연구 분야(NP-완전)인 반면, 검증은 불확정성과 검증 비용과 같은 근본적인 과제에 직면해 있으며, 이는 현재 안정적이고 경제적으로 수행 및 검증할 수 있는 계산 작업 유형을 제한합니다.

2.5 다양한 기기에서의 보안 및 개인정보 보호

위협 환경 : 분산 컴퓨팅 네트워크는 여러 수준에서 보안 위협에 직면합니다.

• 노드 수준 : 악의적인 노드는 위조된 결과를 반환하거나 계산량을 허위로 보고하여 보상을 사기할 수 있습니다. 공격자가 제어하는 ​​노드는 악성 코드를 실행하는 데 사용될 수 있습니다(프로젝트 서버가 손상되면 공격자는 컴퓨팅 작업으로 위장한 바이러스를 배포하려고 시도할 수 있음). 노드는 호스트 시스템이나 다른 노드의 민감한 데이터에 액세스하려고 시도할 수 있습니다. 자원봉사자나 서비스 제공자로부터의 내부 위협도 무시해서는 안 됩니다.
• 네트워크 수준 : 프로젝트 서버는 대량 의 잘못된 데이터로 넘쳐나는 등 서비스 거부(DoS) 공격을 받을 수 있습니다. 네트워크 통신이 도청(패킷 스니핑)될 수 있으며, 이로 인해 계정 정보(키, 이메일 주소 등)가 유출될 수 있습니다. 공격자는 중간자 공격이나 IP 스푸핑을 수행할 수 있습니다.
• 프로젝트 수준 : 프로젝트 당사자는 의도적이든 의도치 않든 취약점이나 악성 기능이 포함된 애플리케이션을 출시하여 참여자의 장치나 개인 정보를 손상시킬 수 있습니다. 프로젝트의 입력 또는 출력 데이터 파일이 도난당할 수 있습니다.
• 데이터 개인정보 보호 : 신뢰할 수 없는 노드에서 데이터를 처리하는 것은 본질적으로 개인정보 보호 리스크 초래하며, 특히 개인 식별 정보(PII), 상업적으로 민감한 데이터 또는 의료 정보와 같은 규제된 데이터가 관련된 경우 더욱 그렇습니다. 전송 중에 데이터가 가로채질 수도 있습니다. GDPR 및 HIPAA와 같은 데이터 보호 규정을 준수하는 것은 분산 환경에서 매우 어렵습니다.

완화 메커니즘 :

• 결과 및 평판 검증 : 중복 계산을 통해 결과의 정확성을 검증하고 악성 노드를 탐지합니다. 노드의 과거 행동을 기반으로 점수를 매기고 필터링하기 위해 Golem과 같은 평판 시스템을 구축합니다.
• 코드 서명 : 프로젝트 당사자는 출시하는 애플리케이션에 디지털 서명을 합니다. 클라이언트는 작업을 실행하기 전에 서명을 검증하여 코드가 변조되지 않았는지 확인하고 악성 코드의 배포를 방지합니다(BOINC에서는 이 메커니즘을 사용합니다).
• 샌드박스 및 격리 : 제한된 환경(권한이 낮은 사용자 계정, 가상 머신, 컨테이너 등)에서 컴퓨팅 작업을 실행하여 작업이 호스트 시스템의 중요한 파일이나 리소스에 액세스하지 못하도록 방지합니다. TEE는 강력한 하드웨어 기반 격리를 제공합니다.
• 서버 보안 : 방화벽, 암호화된 접속 프로토콜(SSH), 불필요한 서비스 비활성화, 정기적인 보안 감사 등 전통적인 서버 보안 조치를 취합니다. BOINC는 또한 데이터 서버에 대한 DoS 공격을 방지하기 위해 업로드 인증서와 크기 제한 메커니즘을 제공합니다.
• 인증 및 암호화 : 강력한 인증 방법(다중 인증(MFA), 토큰, 생체 인식 등)을 사용합니다. 노드 간 통신은 mTLS 암호화(예: Akash)를 사용합니다. 전송 중인 데이터와 저장 중인 데이터를 암호화합니다.
• 네트워크 보안 : 네트워크 분할, 제로 트러스트 아키텍처, 지속적인 모니터링, 침입 탐지 시스템을 사용하여 네트워크 통신을 보호합니다.
• 신뢰할 수 있는 공급자 : 사용자가 신뢰할 수 있는 제3자(예: Akash의 Audited Attributes)에 의해 감사 공급자를 선택할 수 있도록 합니다.
• 개인정보 보호 기술 : FHE 및 ZKP와 같은 기술은 비용이 많이 들지만 이론적으로 더 강력한 개인정보 보호 기능을 제공할 수 있습니다.

보안은 프로젝트 서버, 참여 노드, 네트워크 통신, 컴퓨팅 프로세스 자체의 무결성과 개인 정보를 보호하는 것을 필요로 하는 다차원적인 문제입니다. 코드 서명, 중복 계산, 샌드박싱 등 다양한 메커니즘이 있음에도 불구하고 참여자의 본질적인 신뢰할 수 없음으로 인해 시스템 설계자는 항상 경계하고 이로 인해 발생하는 추가적인 오버헤드를 감수해야 합니다. 상업적 애플리케이션이나 민감한 데이터가 관련된 시나리오의 경우, 신뢰할 수 없는 노드에서 데이터 개인 정보를 보호하는 방법은 여전히 ​​엄청난 과제이자 주요 도입 장벽으로 남아 있습니다.

3. DePIN 딜레마: 해시레이트 공급 및 수요 일치

이 섹션에서는 특히 업무 할당, 서비스 발견, 서비스 품질 보증, 시장 메커니즘 설계 측면에서 수요와 공급을 일치시키는 데 따르는 어려움에 대해 자세히 살펴보겠습니다.

3.1 수요가 공급보다 어려운 이유는 무엇입니까?

DePIN 모델에서는 토큰 인센티브를 사용하여 컴퓨팅 리소스 공급자(노드)가 네트워크에 참여하도록 유도하는 것이 비교적 쉽습니다. 많은 개인과 조직이 유휴 컴퓨팅 하드웨어(특히 GPU)를 보유하고 있으며, 이를 네트워크에 연결하여 토큰을 받을 수 있기를 기대합니다. 이는 일반적으로 참여에 대한 임계값이 낮고 마찰이 적은 방식으로 간주됩니다. 토큰의 잠재적 가치는 공급 측의 초기 성장을 촉진하기에 충분하며, 소위 "콜드 스타트"를 형성합니다.

그러나 수요 창출은 완전히 다른 논리를 따르며 더 큰 과제에 직면합니다. 단순히 해시레이트 대량 공급된다고 해서 네트워크에 경제적 가치가 있다는 것은 아닙니다. 지속 가능한 수요는 이 해시레이트 사용하기 위해 기꺼이 비용을 지불하려는 사용자에게서 나와야 합니다. 즉, DePIN 플랫폼이 제공하는 컴퓨팅 서비스는 사용자의 실제 문제를 해결할 만큼 매력적이어야 하며 비용, 성능 또는 특정 기능 측면에서 기존의 중앙 집중식 솔루션(예: AWS, GCP, Azure)보다 더 좋거나 적어도 열등하지 않아야 합니다.

토큰 인센티브만으로는 실제 수요를 창출할 수 없습니다. 그들은 공급만 유치할 수 있습니다.

현재의 시장 상황도 이를 확인시켜 줍니다. 탈중앙화 형 스토리지 부문(예: Filecoin)은 이미 과잉 공급과 낮은 활용도라는 명백한 문제를 겪었으며, 토큰 이코노미 활동은 최종 사용자의 스토리지 요구를 충족하기보다는 채굴자와 투기를 중심으로 이루어졌습니다. 컴퓨팅 분야에서 AI와 3D 렌더링과 같은 시나리오는 잠재적으로 엄청난 수요를 가져오지만, DePIN 플랫폼은 여전히 ​​이러한 수요를 실제로 충족하는 데 어려움을 겪고 있습니다. 예를 들어, io.net은 대량 의 GPU를 집계하지만, 소비자용 GPU의 대역폭과 안정성은 대규모 AI 학습을 지원하기에 충분하지 않아 실제 활용도가 낮을 ​​수 있습니다. Render Network는 OTOY의 사용자 기반으로부터 이익을 얻지만, 토큰 소각률은 발행률보다 훨씬 낮아 실제 애플리케이션 도입이 여전히 부족하다는 것을 보여줍니다.

따라서 DePIN 모델은 자연스럽게 토큰화를 통해 공급을 촉진하는 경향이 있습니다. 그러나 수요를 창출하려면 기존의 "제품-시장 적합성" 프로세스를 거쳐야 하며, 강력한 시장 관성을 극복하고 성숙한 중앙 집중형 서비스 제공업체와 경쟁해야 하는데, 이는 본질적으로 더 어려운 비즈니스 과제입니다. 공급과 수요 창출 메커니즘의 이러한 비대칭성은 현재 DePIN 컴퓨팅 모델이 직면한 핵심적인 경제적 딜레마입니다.

3.2 작업 부하 분산 및 서비스 검색의 과제

DePIN 컴퓨팅 네트워크에서 사용자의 컴퓨팅 작업(수요)을 네트워크 내의 적절한 컴퓨팅 리소스(공급)에 효과적으로 할당하는 것은 서비스 검색과 작업 부하 매칭을 포함하는 복잡한 과정입니다.

매칭의 복잡성 : 수요자는 종종 매우 구체적인 요구 사항을 가지고 있습니다. 예를 들어, 특정 GPU 모델, 최소 CPU 코어 수, 메모리 크기, 저장 용량, 특정 지리적 위치(지연 시간을 줄이거나 데이터 주권 요구 사항을 충족하기 위함) 또는 심지어 특정 보안이나 규정 준수 인증이 필요합니다. 공급업체가 제공하는 리소스는 매우 다양합니다. 방대하고 역동적으로 변화하는 공급 풀 내에서 모든 기준을 충족하는 비용 효율적인 공급업체와 각각의 요구 사항을 정확하게 일치시키는 것은 어려운 일입니다.

서비스 발견 : 사용자는 자신의 필요에 맞는 서비스 제공자를 어떻게 찾을 수 있을까? DePIN 플랫폼은 일반적으로 서비스 발견 문제를 해결하기 위해 시장 기반 접근 방식을 채택합니다.

• 마켓플레이스/ 오더북 : 이 플랫폼은 공급자가 자원과 견적을 공개하고, 수요자가 수요와 지불할 의향이 있는 가격을 공개하는 시장을 제공합니다. 예를 들어, 아카쉬 네트워크는 이 모델을 채택하여 역경매 메커니즘과 결합합니다.
• 작업 템플릿 및 레지스트리 : Golem 네트워크를 사용하면 수요자가 사전 정의된 작업 템플릿이나 사용자 정의된 작업 템플릿을 사용하여 컴퓨팅 요구 사항을 설명하고, 애플리케이션 레지스트리를 사용하여 이러한 템플릿 작업을 수행할 수 있는 공급자를 찾을 수 있습니다.
• 경매 메커니즘 : 아카쉬의 역경매(수요자가 최대 가격을 설정하고 공급자가 입찰)는 경쟁을 통해 가격을 낮추는 것을 목표로 하는 전형적인 예입니다.

가격 책정 메커니즘 : 가격은 일반적으로 시장 공급과 수요 동향에 따라 결정되지만 공급자 평판, 리소스 성능, 서비스 수준과 같은 요인의 영향을 받을 수도 있습니다.26 예를 들어 Render Network는 속도, 비용, 보안, 노드 평판을 고려하는 다층적 가격 책정 전략을 채택합니다.

현재 제한 사항

기존의 매칭 메커니즘이 최적이 아닐 수도 있습니다. 단순히 "이용 가능한" 리소스를 찾는 것만으로는 충분하지 않습니다. 중요한 것은 "적절한" 리소스를 찾는 것입니다. 앞서 언급했듯이, 소비자용 하드웨어는 GPU 컴퓨팅 성능 자체가 충분하더라도 대역폭이 부족하여 AI 학습 작업을 처리하지 못할 수 있습니다. DePIN 네트워크의 공급업체가 다양한 배경을 가지고 있기 때문에 특정 규정(HIPAA 등)이나 보안 표준을 충족하는 공급업체를 찾는 것도 어려울 수 있습니다.

효과적인 부하 분산에는 간단한 리소스 가용성 검사보다 훨씬 더 많은 것이 필요합니다. 이를 위해서는 공급자의 역량과 신뢰성, 수요자의 특정 요구 사항을 정확하게 반영하는 정교한 발견, 매칭 및 가격 책정 메커니즘이 필요합니다. 이러한 메커니즘은 현재 DePIN 플랫폼에서 계속 개발되고 개선되고 있습니다. 매칭 프로세스가 비효율적이거나 결과가 좋지 않은 경우(예: 대역폭을 많이 필요로 하는 작업을 대역폭이 낮은 노드에 할당하는 경우) 사용자 경험이 크게 저하되고 DePIN의 가치 제안이 약화됩니다.

3.3 서비스 품질(QoS) 보장 문제

기존의 중앙 집중형 클라우드 컴퓨팅에서 서비스 제공자는 일반적으로 서비스 수준 계약(SLA)을 통해 특정 가동 시간, 성능 지표 등을 보장하는 등 특정 서비스 품질을 약속합니다. 이러한 SLA의 실행이 때때로 제공자에게 유리하게 편향될 수 있지만, 적어도 품질 기대에 대한 공식적인 프레임 제공합니다.

대량 의 신뢰할 수 없고 제어되지 않는 노드로 구성된 DePIN 네트워크에서는 유사한 QoS 보장을 제공하는 것이 훨씬 더 어렵습니다.

• 중앙 집중식 제어 부족 : 어떤 단일 엔터티도 모든 노드의 성능과 안정성을 완벽하게 제어하고 관리할 수 없습니다.
• 오프체인 이벤트 검증의 어려움 : 블록체인 자체는 컴퓨팅 노드가 약속된 컴퓨팅 속도를 실제로 달성하는지 또는 네트워크 연결이 안정적인지 등 오프체인에서 발생하는 실제 이벤트를 직접 관찰하고 검증할 수 없습니다. 이로 인해 블록체인을 기반으로 한 자동화된 QoS 시행이 어려워집니다.
• 개별적인 불이행 리스크 : 탈중앙화 시장에서는 모든 참여자(공급자 또는 수요자)가 계약을 위반할 수 있습니다. 서비스 제공자는 약속한 QoS를 제공하지 못할 수 있으며, 수요자는 요금 지불을 거부할 수 있습니다.

탈중앙화 환경에서 신뢰를 구축하고 QoS를 보장하기 위해 여러 가지 메커니즘이 등장했습니다.

• 증인 메커니즘 : 독립적인 제3자 "증인"(일반적으로 인센티브를 받는 커뮤니티 구성원)을 도입하여 오프체인 서비스의 품질을 모니터링하고 SLA 위반이 발생하면 네트워크에 보고합니다. 이 메커니즘의 효과는 증인이 자신의 의무를 정직하게 수행하도록 보장하기 위한 적절한 인센티브 설계에 달려 있습니다.
• 평판 시스템 : 공급업체의 과거 성과(예: 작업 성공률, 응답 시간, 신뢰성)를 추적하여 평판 점수를 설정합니다. 수요자는 평판을 바탕으로 공급업체를 선택할 수 있으며, 평판이 좋지 않은 공급업체는 업무를 얻기 어려울 것입니다. 이것은 골렘이 채택한 주요 메커니즘 중 하나입니다.
• 감사 공급업체 : 신뢰할 수 있는 감사 기관에 의뢰하여 공급업체의 하드웨어, 보안 표준 및 운영 역량을 검토하고 인증받으세요. 수요자는 감사 공급업체만 사용하도록 선택할 수 있으므로 서비스 품질의 신뢰성이 높아집니다. 아카쉬 네트워크는 이 모델을 추구하고 있습니다.
• 스테이킹/슬래싱 : 공급자가 특정 양의 토큰을 보증금 으로 약속하도록 요구합니다. 서비스 제공자가 부적절한 행동을 하거나(잘못된 리소스 제공, 작업 완료 실패, 악의적인 행동 등) 특정 서비스 기준을 충족하지 못하는 경우, 스테이킹된 토큰은 "삭감"됩니다. 이는 서비스 제공자가 정직하게 행동하는 데 경제적 제약을 가합니다.

일반적으로 DePIN 네트워크의 QoS 보장은 기존 클라우드 SLA보다 약하고 공식화되지 않았습니다. 현재는 엄격하고 집행 가능한 계약적 보장보다는 공급업체의 평판, 감사 결과 또는 기본적인 해고 메커니즘에 더 많이 의존하고 있습니다.

강력하고 쉽게 적용할 수 있는 QoS 보장이 부족하다는 점이 기업 수준의 사용자와 업무 크리티컬 애플리케이션이 DePIN을 도입하는 데 큰 걸림돌이 됩니다. 중앙 집중식 제어 없이도 신뢰할 수 있는 서비스 품질 기대치와 신뢰를 구축하는 방법은 DePIN이 ​​성숙을 위해 반드시 해결해야 할 핵심 문제입니다. 중앙 집중식 클라우드는 하드웨어와 네트워크를 제어하여 SLA를 달성하는 반면, DePIN은 경제적 인센티브와 커뮤니티 감독을 기반으로 하는 간접적인 메커니즘에 의존합니다. 이러한 메커니즘의 신뢰성은 장기적으로 시장에서 검증될 필요가 있습니다.

3.4 시장 메커니즘: 가격 책정, 평판 및 공급자 선택

효과적인 시장 메커니즘은 DePIN 플랫폼이 수요와 공급을 성공적으로 일치시키고 신뢰를 구축하는 데 중요한 요소입니다.

DePIN은 일반적으로 시장 주도 가격 책정 방식을 채택하여 경쟁을 통해 중앙 집중식 클라우드의 고정 가격보다 낮은 비용을 제공하는 것을 목표로 합니다. 일반적인 가격 책정 메커니즘은 다음과 같습니다.

• 경매/ 오더북 : 아카쉬의 역경매와 마찬가지로 수요자는 가격 상한선을 설정하고 공급자는 입찰합니다.
• 협상된 가격 : 예를 들어, Golem은 공급자와 수요자가 어느 정도까지 가격을 협상할 수 있도록 허용합니다.
• 단계별 가격 책정 : 예를 들어 Render는 속도, 비용, 보안, 평판 등의 요소에 따라 다양한 가격 체계를 제공합니다. 가격 발견 과정은 복잡할 수 있으며 공급과 수요 양측의 이익을 균형 있게 조정해야 합니다.

익명 또는 가명 참여자로 가득한 탈중앙화 시장에서는 평판이 신뢰를 구축하는 데 필수적입니다. Golem 네트워크는 작업 완료, 지불 시기 적절성, 결과 정확성 등의 요소를 기반으로 공급자와 수요자를 평가하는 내부 평판 시스템을 사용합니다. 평판 시스템은 악의적이거나 신뢰할 수 없는 노드를 식별하고 제외하는 데 도움이 됩니다.

사용자는 자신의 필요에 맞는 신뢰할 수 있는 공급자를 선별하고 선택할 수 있는 효과적인 도구가 필요합니다. Golem은 주로 평판 점수를 활용하여 사용자가 공급자를 필터링하는 데 도움을 줍니다. 아카쉬 네트워크는 "감사 속성"이라는 개념을 도입했습니다. 사용자는 SDL(배포 설명 언어) 파일에서 Akash Core Team이나 기타 잠재적인 미래 감사 과 같은 신뢰할 수 있는 기관의 감사 공급업체의 입찰만 수락하도록 지정할 수 있습니다. 또한 커뮤니티에서는 사용자 평가 시스템(Tier 1) 도입과 보다 광범위한 제3자 감사(Tier 2) 통합에 대해서도 논의하고 있습니다. 아카쉬는 또한 공급자 인센티브 프로그램을 통해 네트워크에 가입할 고품질의 전문 공급자를 유치하기 위해 장기적 서비스 제공에 대한 의지를 보이고 있습니다.

평판 시스템이 직면한 가장 큰 과제는 조작(브러싱)의 가능성입니다. 감사 메커니즘의 효과성은 감사 의 신뢰성과 감사 기준의 엄격성에 달려 있습니다. 네트워크 내에 충분한 수의 고품질 서비스 제공자가 다양하게 존재하도록 보장하고, 도움이 필요한 사람들이 이러한 서비스 제공자를 쉽게 찾을 수 있도록 하는 것은 지속적인 과제로 남아 있습니다. 예를 들어, Akash 네트워크에서 A100 GPU의 활용도는 높지만 모든 수요를 충족할 만큼 절대적인 수는 여전히 부족합니다.

효과적인 시장 메커니즘은 DePIN의 성공에 매우 중요합니다. 경매와 같은 메커니즘이 가격 경쟁에 도움이 되는 반면, 평판 및 감사 시스템은 품질을 통제하고 리스크 완화하는 데 중요한 보완적 계층입니다. 이러한 메커니즘의 성숙도, 신뢰성, 조작에 대한 저항성은 플랫폼에 대한 사용자의 신뢰와 이를 채택하려는 의지에 직접적인 영향을 미칩니다. 사용자가 이러한 메커니즘을 통해 자신의 필요를 충족하는 고품질 공급업체를 안정적으로 찾을 수 없다면 DePIN 시장의 효율성과 매력도는 크게 떨어질 것입니다.

4. 경제적 실행 가능성: 인센티브와 토큰 이코노믹스

DePIN의 핵심 혁신 중 하나는 토큰 이코노믹스 통해 분산 인프라의 구축 및 운영에 있어서 인센티브 문제를 해결하려는 것입니다. 이 섹션에서는 자원봉사 컴퓨팅에서 DePIN에 이르기까지 인센티브 메커니즘의 발전, 컴퓨팅 네트워크 토큰 이코노미 모델의 설계 과제, 기여자 보상과 소비자 가치 간의 균형을 이루는 방법을 살펴봅니다.

4.1 인센티브 메커니즘의 진화: BOINC 포인트에서 DePIN 토큰으로

BOINC와 같은 자원봉사 컴퓨팅 프로젝트는 주로 비금전적 인센티브에 의존합니다. BOINC는 참가자의 기여도를 완료한 계산량(일반적으로 벤치마크의 경우 FLOPS 또는 CPU 시간 기준)을 기반으로 정량화하는 "크레딧" 시스템을 구축했습니다. 이러한 포인트의 주요 목적은 명성을 얻고, 참가자의 경쟁심을 충족시키고(예: 팀 순위를 통해), 커뮤니티 내에서 인정을 얻는 것입니다. 포인트 자체는 일반적으로 직접적인 금전적 가치가 없으며 거래할 수 없습니다. BOINC의 포인트 시스템은 공정하고, 위조하기 어렵고, (타사 웹사이트를 통한) 프로젝트 간 포인트 추적을 지원하도록 설계되었습니다.

DePIN 프로젝트는 암호 토큰(Golem의 GLM, Akash의 AKT, Render의 RNDR/RENDER, Helium의 HNT, Filecoin의 FIL 등)을 핵심 인센티브 메커니즘으로 사용합니다. 이러한 토큰은 일반적으로 여러 가지 기능을 갖습니다.

• 교환 매체 : 플랫폼 내에서 서비스(예: 컴퓨팅, 저장, 대역폭)를 구매하기 위한 지불 수단으로 사용됩니다.
• 인센티브 : 리소스(컴퓨팅 성능, 저장 공간, 네트워크 범위 등)를 기여하는 참여자에게 보상을 제공하는 것은 공급 측 부트스트래핑의 핵심 도구입니다.
• 거버넌스 : 토큰 보유자는 일반적으로 프로토콜 업그레이드, 매개변수 조정, 자금 사용 등에 대한 투표 등 네트워크의 의사 결정 과정에 참여할 수 있습니다.
• 스테이킹 : 네트워크 보안을 보장하는 데 사용되거나(예: Akash의 검증 노드는 AKT를 스테이킹 해야 함) 서비스를 제공하거나 액세스하기 위한 조건이 될 수 있습니다.

이는 BOINC의 비재정적 평판 기반 포인트 시스템에서 DePIN의 토큰 기반 직접적인 재정 인센티브 시스템으로의 근본적인 전환입니다. DePIN은 직접적인 재정적 보상을 제공함으로써 더욱 상업적인 동기를 가진 다양한 리소스 공급자를 유치하는 것을 목표로 합니다. 그러나 이로 인해 암호화폐 시장 변동성, 토큰 가치 평가, 경제 모델의 지속 가능성 등 일련의 새로운 복잡한 문제가 발생합니다. 토큰 보상의 가치는 더 이상 안정적인 지점이 아니며, 시장 가격에 연동되어 있어 인센티브 효과가 불안정해지고 지속 가능한 경제 순환을 설계하는 데 어려움을 겪습니다.

4.2 컴퓨팅 네트워크를 위한 지속 가능한 토큰 이코노미 모델 설계

이상적인 DePIN 토큰 이코노미 모델은 '플라이휠 효과'라 불리는 긍정적인 순환을 창출하는 것을 목표로 합니다. 논리는 다음과 같습니다. 토큰 인센티브는 리소스 공급을 유치합니다. → 형성된 리소스 네트워크는 서비스를 제공합니다. → 가치 있는 서비스는 유료 사용자(수요)를 유치합니다. → 사용자 지불(또는 토큰 소비)은 토큰의 가치 또는 유용성을 증가시킵니다. → 증가된 토큰 가치 또는 향상된 유용성은 공급자가 가입하거나 머물도록 더욱 유인합니다. → 증가된 공급은 네트워크 역량을 강화하고 더 많은 수요를 유치합니다 .

핵심 과제

• 공급과 수요 인센티브의 균형 맞추기 : 공급 측면에 대한 보상(일반적으로 토큰 발행/방출, 즉 인플레이션)과 수요 측면에 대한 추진(토큰 파괴/잠금/사용, 즉 디플레이션 또는 유용성) 사이의 균형을 찾는 것이 이 설계의 핵심적인 어려움입니다. 많은 프로젝트가 높은 인플레이션율과 수요 측면에서의 토큰 소비 부족이라는 문제에 직면해 있으며, 이로 인해 토큰의 가치를 유지하는 데 어려움을 겪습니다.
• 보상은 가치 창출과 연계되어야 합니다 . 인센티브 메커니즘은 단순한 참여나 온라인 시간이 아니라 네트워크에 대한 실질적이고 가치 있는 기여(예: 컴퓨팅 작업을 성공적으로 완료하고 신뢰할 수 있는 서비스를 제공하는 것)와 최대한 연계되어야 합니다.
• 장기적 지속 가능성 : 조기 토큰 발행이 감소하거나 시장 상황이 변화함에 따라, 모델은 인센티브 부족으로 인한 네트워크 위축을 방지하기 위해 참여자에게 지속적으로 인센티브를 제공할 수 있어야 합니다.
• 가격 변동 관리 : 토큰 가격의 급격한 변동은 공급자의 소득 기대치와 수요자의 사용 비용에 직접적인 영향을 미쳐 경제 모델의 안정성에 큰 문제를 야기합니다. 아카쉬 네트워크는 이 문제를 해결하기 위해 USDC 지불 옵션을 도입했습니다.

모델 인스턴스

• 골렘(GLM) : 주로 컴퓨팅 서비스 수수료를 결제하는 데 사용되는 지불 토큰으로 자리 잡았습니다. 그 가치는 네트워크가 얼마나 많이 사용되는지에 따라 직접적으로 결정됩니다. 프로젝트는 GNT에서 ERC-20 표준 GLM 토큰으로 이전되었습니다.
• 렌더 네트워크(RNDR/RENDER) : "Burn-and- 민트 Equilibrium"(BME) 모델을 채택합니다. 수요자(렌더링 작업 제출자)는 서비스 비용을 지불하기 위해 RENDER 토큰을 소각하고, 공급자(GPU 노드 운영자)는 새로운 RENDER 토큰을 민트 하여 보상을 받습니다. 이론상 수요(소각)가 민트 금액을 초과할 만큼 크다면 RENDER는 디플레이션 토큰이 될 수 있습니다. 이 프로젝트는 토큰을 이더 에서 솔라나로 이전했습니다.
• 아카쉬 네트워크(AKT) : AKT 토큰은 주로 네트워크 보안(검증자 스테이킹), 거버넌스 투표에 사용되며 네트워크 내 기본 결제 통화입니다(이제 USDC도 지원됨). 네트워크는 성공적인 임대로부터 수수료 일부(수수료)를 수집하여 AKT 스테이킹 에게 보상합니다. AKT 2.0 업그레이드의 목적은 토큰 이코노믹스 더욱 최적화하는 것입니다.

DePIN 토큰 이코노믹스 아직 매우 실험적인 단계에 있습니다. 네트워크를 효과적으로 시작하고, 참여에 대한 인센티브를 지속적으로 제공하며, 인센티브를 실제 경제 활동과 긴밀하게 연계할 수 있는 모델을 찾는 것은 매우 어렵습니다. 기존 모델 중 상당수는 인플레이션 압력에 직면해 있는 것으로 보이며, 내재적 가치보다는 시장 추측에 지나치게 의존하고 있습니다. 토큰 발행이 실제 사용으로 인한 소비량이나 구매 압력을 훨씬 초과하는 속도로 발생하는 경우, 토큰 가격이 하락할 수 있습니다. 가격이 하락하면 공급업체에 대한 인센티브가 줄어들어 공급이 줄어들 가능성이 있습니다. 따라서 토큰 가치를 네트워크 서비스의 실제 사용(수요)과 긴밀하게 연결하는 것은 DePIN의 장기적인 생존에 매우 중요합니다.

4.3 기여자 보상과 소비자 가치 제안의 균형

DePIN 플랫폼은 두 가지 측면 사이에서 섬세한 균형을 맞춰야 합니다.

1. 공급업체에 대한 보상 : 보상(주로 토큰)은 충분한 수의 고품질 공급업체가 가입하고 컴퓨팅 리소스를 계속 운영하도록 유도할 만큼 매력적이어야 합니다.
2. 수요자에 대한 가치 : 소비자(컴퓨팅 작업을 요구하는 사람)에게 제시되는 가격은 효과적으로 수요를 유치하기 위해 중앙 집중식 대안(예: AWS, GCP)보다 상당히 낮거나 성능/기능 면에서 더 좋아야 합니다.

DePIN 프로젝트는 "자산 경량" 모델(프로토콜 개발자가 하드웨어를 직접 소유하지 않음)과 활용도가 낮은 리소스를 활용하는 능력 덕분에 더 낮은 운영 비용으로 서비스를 제공할 수 있다고 주장합니다. 이를 통해 공급자에게는 보상이 돌아가는 동시에 소비자에게는 더 낮은 가격을 제공할 수 있습니다. 특히 하드웨어가 가치 하락했거나 운영 비용이 낮은(소비자용 하드웨어를 사용하는 등) 공급업체의 경우 예상 수익률은 대규모 데이터 센터보다 낮을 수 있습니다.

공급과 수요의 균형을 맞추는 데 있어서의 과제

• 토큰 변동성 : 토큰 가격의 불안정성으로 인해 이러한 균형을 유지하기 어렵습니다. 토큰 가격이 크게 하락하면 서비스 제공자의 실제 수입이 감소하게 되며, 서비스 가격(토큰으로 표시)을 인상하지 않는 한 서비스 제공자는 네트워크에서 탈퇴하게 될 수 있습니다. 가격 인상은 소비자에 대한 서비스 제공자의 매력도를 떨어뜨릴 것입니다.
• 가격에 맞는 서비스 품질 : 소비자는 낮은 가격을 지불하는 것뿐만 아니라, 그에 걸맞고 신뢰할 수 있는 서비스 품질(QoS)도 받아야 합니다. 공급업체가 필요한 성능과 안정성을 지속적으로 제공할 수 있도록 보장하는 것이 가치 제안을 유지하는 데 중요합니다.
• 경쟁 압력 : DePIN 프로젝트 간의 경쟁은 보상 측면에서 "하향 경쟁"으로 이어질 수 있으며, 초기 사용자를 유치하기 위해 지속 불가능하게 높은 보상을 제공할 수 있지만, 이는 장기적인 경제적 건전성을 해칠 것입니다.

DePIN의 경제적 실행 가능성은 공급자가 충분한 수익을 얻는 동시에(하드웨어, 전기, 시간, 토큰 가치 변동 등의 비용을 고려) 소비자가 클라우드 거대 기업보다 훨씬 낮은 가격을 지불하고 수용 가능한 서비스를 받는 지속 가능한 균형을 찾는 데 달려 있습니다. 이러한 균형 창은 매우 좁을 수 있으며 시장 정서 와 토큰 가격에 매우 민감할 수 있습니다. 서비스 제공자는 실제 운영 비용을 부담해야 하며, 토큰 보상은 이러한 비용을 충당하고 수익을 제공할 수 있어야 하며, 토큰 자체의 가치 리스크 고려해야 합니다. 소비자는 DePIN의 가격과 성능을 AWS/GCP와 직접 비교할 수 있습니다. DePIN은 수요를 확보하기 위해 한 측면(주로 비용)에서 상당한 이점을 입증해야 합니다. 네트워크 내의 수수료 메커니즘(예: 거래 수수료, 임대 수수료)이나 토큰 소각 메커니즘은 소비자에게 가격 경쟁력을 유지하는 동시에 공급자에게 충분한 보상을 제공할 수 있어야 합니다. 이는 복잡한 최적화 문제이며, 특히 암호화폐 자산의 급격한 가격 변동이라는 맥락에서 더욱 그렇습니다.

5. 법률 및 규제 영향

DePIN 프로젝트, 특히 국경을 넘나드는 분산 컴퓨팅 네트워크와 관련된 프로젝트는 운영 과정에서 필연적으로 복잡한 법적, 규제적 문제에 직면하게 됩니다. 이러한 문제에는 데이터 주권, 개인정보 보호 규정, 국경 간 데이터 흐름, 토큰 특성화, 탈중앙화 거버넌스에 대한 책임 부여 등이 포함됩니다.

5.1 데이터 주권, 개인정보 보호 규정 및 국경 간 데이터 흐름

데이터 주권 : 많은 국가에서는 특정 유형의 데이터(특히 민감한 데이터나 시민의 개인 데이터)를 자국 국경 내에서 저장하거나 처리해야 한다는 법률을 제정했습니다. DePIN 네트워크는 본질적으로 전 세계적으로 분산되어 있으며, 컴퓨팅 작업과 데이터가 여러 국가의 노드 간에 흐를 수 있으며, 이는 다양한 국가의 데이터 주권 규정과 쉽게 충돌할 수 있습니다.

개인정보 보호 규정 : EU의 일반 데이터 보호 규정(GDPR)과 같은 규정은 개인 데이터의 수집, 처리, 저장 및 전송에 대한 매우 엄격한 규칙을 제시합니다. DePIN 네트워크는 개인 식별 정보(PII)나 사용자 행동(예: 특정 컴퓨팅 작업의 입력이나 출력에 이러한 정보가 포함될 수 있음)과 관련된 데이터를 처리하는 경우 이러한 규정을 준수해야 합니다. GDPR은 영토외 적용이 가능합니다. DePIN 플랫폼이나 노드가 EU 외부에 위치하더라도 서비스 대상이나 모니터링 활동에 EU 거주자가 포함되는 한 GDPR을 준수해야 합니다. 대량 의 익명 또는 가명 노드로 구성된 분산 네트워크에서 모든 노드가 GDPR과 같은 규정을 준수하는지 확인하는 것은 엄청난 과제입니다.

국경을 넘는 데이터 흐름 : 한 관할권에서 다른 관할권으로 데이터를 전송하는 것은 엄격한 법적 제한을 받습니다. 예를 들어, GDPR은 데이터를 수신하는 국가가 EU와 "실질적으로 동등한" 수준의 데이터 보호를 제공해야 하거나 표준 계약 조항(SCC)과 같은 추가 보호 조치를 채택하고 영향 평가를 실시해야 한다고 규정하고 있습니다. 미국의 해외 데이터 합법적 이용 명확화법(CLOUD법)은 미국 법 집행 기관이 미국 기반 서비스 제공업체에 전 세계 어디에나 저장된 데이터를 제공하도록 요청할 수 있도록 허용하며, 이는 국제 데이터 전송을 둘러싼 법적 갈등을 더욱 심화시켰습니다. DePIN 컴퓨팅 작업을 위한 입력 데이터의 배포와 결과 데이터의 복구는 거의 필연적으로 국경을 넘는 데이터 흐름을 수반하므로 규정 준수가 매우 복잡해집니다.

이러한 법적 요건은 DePIN의 탈중앙화, 국경 없는 특성과 직접적으로 충돌합니다. 규정 준수를 보장하려면 지오펜싱이나 데이터 유형 및 출처에 따른 필터링 작업과 같은 복잡한 기술 솔루션이 필요할 수 있지만, 이로 인해 시스템 복잡성이 증가하고 네트워크의 효율성과 규모가 제한될 수 있습니다. 규정 준수 문제는 DePIN이 ​​민감한 데이터를 처리하거나 엄격하게 규제되는 산업(예: 금융 및 의료)에 적용되는 데 있어 가장 큰 장애물입니다.

5.2 탈중앙화 시스템의 책임과 책무성

기존의 중앙집중형 서비스에서는 책임 당사자가 대개 명확합니다(즉, 서비스 제공자). 하지만 많은 독립적이고 익명의 참여자로 구성된 탈중앙화 네트워크에서는 문제가 발생했을 때 누가 법적 책임을 져야 하는지 판단하기가 매우 어렵습니다. 예를 들어:

• 컴퓨팅 노드가 잘못된 결과를 반환하여 사용자가 재정적 손실을 입는 경우, 누가 책임을 져야 할까요? 리스크 감수하는 사람은 노드 제공자인가, 프로토콜 개발자인가, 사용자인가?
• 공급자 노드가 해킹