Reliable Broadcast with Respect to Topology Knowledge

Abstract

We study the Reliable Broadcast problem in incomplete networks against a Byzantine adversary. We examine the problem under the locally bounded adversary model of Koo (2004) and the general adversary model of Hirt and Maurer (1997) and explore the tradeoff between the level of topology knowledge and the solvability of the problem. We refine the local pair-cut technique of Pelc and Peleg (2005) in order to obtain impossibility results for every level of topology knowledge and any type of corruption distribution. On the positive side we devise protocols that match the obtained bounds and thus, exactly characterize the classes of graphs in which Reliable Broadcast is possible. Among others, we show that Koo's Certified Propagation Algorithm (CPA) is unique against locally bounded adversaries in ad hoc networks, that is, it can tolerate as many local corruptions as any other non-faulty algorithm; this settles an open question posed by Pelc and Peleg. We also provide an adaptation of CPA against general adversaries and show its uniqueness in this case too. To the best of our knowledge this is the first optimal algorithm for Reliable Broadcast in generic topology ad hoc networks against general adversaries.

Reliable Broadcast in Practical Networks: Algorithm and Evaluation

“…Lou and Wu [29] introduce double-covered broadcast (DCB), to improve the performance of reliable broadcast in Mobile ad hoc networks (MANETs) by taking advantage of broadcast redundancy to improve the delivery ratio even in systems with high transmission error rate. Pagourtzis et al [33] study the Byzantinetolerant Reliable Broadcast problem under the locally bounded adversary model and the general adversary model and explore the tradeoff between the level of topology knowledge and the solvability of the problem. Raynal [37] provides a detailed history of how the reliable broadcast abstraction has evolved since the eighties.…”

Exact Byzantine Consensus on Undirected Graphs under Local Broadcast Model

“…This paper obtains tight necessary and sufficient conditions on the underlying communication network to be able to achieve Byzantine consensus under the local broadcast model. As summarized in Section 2, although there has been significant work [1,3,5,6,9,10,11,12,14,15,18,22,24,25,26,28,32] that uses either the local broadcast model or other models that restrict equivocation, tight necessary and sufficient conditions for Byzantine consensus under the local broadcast model have not been obtained previously. In particular, this paper makes the following contributions, some of which have been documented elsewhere [13,20,21] as well:…”

Αξιόπιστη Επικοινωνία Υπό Συνθήκες Περιορισμένης Γνώσης

“…Όπως έχει αναφερθεί προηγουμένως, οι ασφαλείς αλγόριθμοι είναι αλγό-53 ριθμοι που ποτέ δεν προκαλούν τη λήψη λανθασμένης απόφασης από έναν παίκτη. Σημειώνουμε ότι η απόδειξη της μοναδικότητας του CPA που παρουσιάζονται σε αυτό το κεφάλαιο είναι η πρώτη δημοσιευμένη απόδειξη για το πρόβλημα και εμφανίστηκε για πρώτη φορά στο [PPS14]. Τέλος, παρουσιάζουμε έναν νέο αλγόριθμο βασισμένο στον CPA, ο οποίος πετυχαίνει Εκπομπή στο μοντέλο γενικού αντιπάλου και αποδεικνύουμε την μοναδικότητα αυτού του αλγορίθμου σε αυτό το γενικότερο μοντέλο.…”

“…Με αυτόν τον τρόπο, δίνουμε έναν ακριβή τοπολογικό χαρακτηρισμό των δικτύων στα οποία το πρόβλημα της Εκπομπής επιδέχεται λύση. Από την άλλη πλευρά, στο [PPS14] αποδείξαμε ότι είναι NP-δύσκολο να υπολογιστεί η ορθότητα μιας συνθήκης του αλγορίθμου PPA, το οποίο υποδεικνύει ότι ο αλγόριθμος είναι ακατάλληλος για πρακτική χρήση. Ωστόσο, στην ίδια δουλειά παρείχαμε ενδείξεις ότι δεν υπάρχει κανένα αποδοτικό πρωτόκολλο βέλτιστης ανεκτικότητας, δείχνοντας ότι δεν υπάρχουν αποδοτικοί αλγόριθμοι, μέσω των οποίων οι παίκτες παίρνουν ακριβώς τις ίδιες αποφάσεις όπως αυτές που θα παίρνανε αν εκτελούσαν τον PPA, εκτός και αν P ̸ = NP.…”

“…Στη συνέχεια εισάγουμε το μοντέλο μερικής γνώσης όπου κάθε παίκτης έχει αρχική γνώση ως προς ένα συγκεκριμένο υπογράφημα του πραγματικού γραφήματος G. Το μοντέλο μερικής γνώσης παρουσιάστηκε για πρώτη φορά στο [PPS14].…”