A Study on Transaction Reordering Techniques in the Hyperledger Fabric Platform for Enhancing Blockchain Service Satisfaction = 블록체인 서비스 만족도 향상을 위한 하이퍼레저 패브릭 플랫폼 트랜잭션 재정렬 기법 연구

국문 초록 (Abstract)

기존 Hyperledger Fabric을 비롯한 허가형 블록체인 플랫폼은 트랜잭션을 단순한 도착 순서에 따라 처리하는 정적 오더링 구조를 채택하고 있다. 이러한 구조는 구현은 간단하지만, 서비스별 요구사항이나 트랜잭션 간 충돌 관계를 적극적으로 반영하지 못한다는 근본적인 한계를 지닌다. 그 결과, 특정 계정에 트랜잭션이 집중되거나 데이터 접근 편향이 심화되는 상황에서는 Abort 비율이 급격히 증가하고 처리량이 크게 저하된다. 또한 사용자 우선순위 부여, 긴급 요청 처리, 사용자 간 공정성 보장과 같은 현대 블록체인 서비스가 요구하는 정책적 유연성 역시 지원하지 못한다. 결국 기존 오더링 구조는 성능, 확장성, 그리고 사용자 경험 전반에 걸쳐 핵심적인 병목으로 작용한다.
본 연구는 이러한 구조적 한계를 해결하기 위해 두 단계에 걸친 개선 방향을 제안한다. 첫 번째 단계에서는 트랜잭션의 read–write 의존 관계를 분석하여 충돌 사이클을 자동으로 탐지하고, 조기 Abort와 위상 정렬을 통해 항상 실행 가능한 트랜잭션 순서를 구성하는 의존성 기반 재정렬 기법을 설계하였다. 실험 결과, 제안한 기법은 기존 Fabric 대비 높은 Commit 비율을 안정적으로 유지하였으며, 특히 Zipf 분포 기반으로 접근 편향이 심해질수록 그 효과가 더욱 두드러졌다. 이는 충돌이 빈번한 환경에서도 불필요한 Abort를 효과적으로 줄여 높은 처리량을 확보할 수 있음을 의미한다.
두 번째 단계에서는 이를 한층 확장하여, 대규모 언어 모델(LLM)을 활용한 AI 에이전트 기반 자율 트랜잭션 정렬 시스템을 제안한다. 해당 시스템은 스마트 컨트랙트의 비즈니스 로직, Fabric의 충돌 규칙, Watchdog 분산 네트워크에 축적된 사용자 이력 정보, 그리고 트랜잭션 메타데이터를 종합적으로 분석함으로써 서비스 요구사항에 부합하는 정렬 정책을 능동적으로 도출한다. 더 나아가, 역할 기반 에이전트 구조와 도메인 지식 주입(contextual enrichment), 컨텍스트 최적화 기법, 그리고 이기종 LLM 모델 배치 전략을 통해 높은 정렬 정확도와 다양한 서비스 시나리오에 대한 유연한 적응 능력을 동시에 확보하였다.
광범위한 실험을 통해, 제안한 두 가지 정렬 시스템은 기존 Fabric 오더링 메커니즘이 지닌 정적이고 경직된 구조적 한계를 효과적으로 극복함을 확인하였다. 충돌이 많은 환경에서도 Commit 비율과 처리량을 동시에 향상시키는 것은 물론, 사용자별 공정성과 긴급 트랜잭션 처리 요구를 반영하고, 서비스 정책 변화에 따라 정렬 기준을 동적으로 조정할 수 있음을 입증하였다. 본 연구는 오더링 계층을 단순히 트랜잭션을 나열하는 구성 요소에서 벗어나, 충돌을 인지하고 서비스 요구를 반영하는 지능적·서비스 지향적 스케줄러로 확장하는 새로운 설계 패러다임을 제시한다. 이는 향후 범용 블록체인 플랫폼의 진화 방향에 중요한 시사점을 제공한다.

다국어 초록 (Multilingual Abstract)

Existing permissioned blockchain platforms, including Hyperledger Fabric, adopt a static ordering mechanism that processes transactions strictly according to their arrival order. While this design is simple to implement, it suffers from fundamental limitations in that it fails to actively incorporate service-specific requirements or transaction-level conflict relationships. As a result, when transactions become concentrated on a small subset of accounts or when data-access skew intensifies, abort rates increase sharply and overall throughput degrades. Moreover, such static ordering mechanisms are unable to support the policy-level flexibility required by modern blockchain services, including user prioritization, urgent request handling, and fairness across users. Consequently, the ordering layer becomes a critical bottleneck that constrains performance, scalability, and overall user experience. To address these structural limitations, this study proposes a two-stage improvement approach. In the first stage, we design a dependency-aware transaction reordering mechanism that analyzes read–write dependencies to automatically detect conflict cycles and constructs always-executable transaction sequences through early abort decisions and topological sorting. Experimental results show that the proposed method consistently maintains higher commit ratios than the default Fabric ordering mechanism. Notably, its effectiveness becomes more pronounced under Zipf- distributed workloads, where access skew increases and conflicts occur more frequently. These results demonstrate that the proposed approach can significantly reduce unnecessary aborts and sustain high throughput even in contention-heavy environments. Building on this foundation, the second stage introduces an AI agent–based autonomous transaction ordering system powered by large language models (LLMs). This system jointly analyzes smart contract business logic, Fabric-specific conflict rules, user history information maintained in the Watchdog distributed network, and transaction metadata to dynamically derive ordering policies that align with service requirements. Furthermore, the system employs a role-based agent architecture, contextual enrichment with domain-specific knowledge, context optimization techniques, and heterogeneous LLM deployment strategies. Together, these design choices enable both high ordering accuracy and flexible adaptation to diverse service scenarios. Extensive experimental evaluations confirm that the two proposed ordering systems effectively overcome the static and rigid limitations of Fabric’s original ordering mechanism. The systems simultaneously improve commit ratios and throughput in conflict-intensive environments, support fairness across users and prioritization of urgent transactions, and dynamically adjust ordering criteria in response to changing service policies. This study redefines the role of the ordering layer, extending it from a simple sequencer of incoming transactions to a conflict- aware, service-oriented, and intelligent scheduler. In doing so, it presents a new architectural paradigm for transaction ordering and offers important insights into the future evolution of general-purpose blockchain platforms.

목차 (Table of Contents)

• Abstract i
• Table of Contents iv
• List of Tables vi
• List of Figues vii
• Chapter 1. Introduction 1
• 1.1. Rationale for the Study 1
• 1.2. Objectives of the Research 2
• 1.3. Organization of the Dissertation 3
• Chapter 2. Literature Review 4
• 2.1. Trends in Transaction Reordering 4
• 2.2. Trends in Research on AI Agents 5
• Chapter 3. Transaction-Dependency Based Reordering System 7
• 3.1. Overview of the System 7
• 3.2. System Design and Architecture Components 8
• Chapter 4. Autonomous Transaction Reordering Framework Using AI Agents 16
• 4.1. System Overview and Architecture 16
• 4.2. Prompt Structure and Domain Knowledge for AI Agents 20
• 4.3. Strategies for Addressing LLM Limitations and Model Deployment Optimization 24
• Chapter 5. Performance Evaluation 26
• 5.1. Experiments on the Transaction-Dependency Based Reordering System 26
• 5.1.1. Performance Evaluation under Skewed Workloads 27
• 5.1.2. Effectiveness of the ε-Ordering Algorithm 29
• 5.1.3. Reliability of the Watchdog-Based Distributed Network 32
• 5.1.4. Comparison against CPLEX in Terms of Optimality 33
• 5.2. Comparative Experiments with Existing Ordering Methods 35
• 5.3. Experiments on the AI-Agent Based Autonomous Transaction System . 40
• 5.4. Comparative Experiments with Existing Ordering Methods 48
• Chapter 6. Conclusion 53
• References 55
• 국문초록 57