모바일 애드혹 네트워크를 위한 DRAGONCAST 프로토콜

본 논문은 무선 애드혹 네트워크(MANET)에서 단일 소스로부터 전체 네트워크에 데이터를 브로드캐스트하는 문제를 네트워크 코딩 관점에서 접근한다. 기존의 네트워크 코딩 기반 브로드캐스트는 주로 정적 토폴로지를 가정하거나, 세대(generation) 기반 코딩을 사용해 전체 세대가 수신될 때까지 디코딩을 미루는 방식을 채택했다. 이러한 방법은 이동성, 패킷 손실, 그리고 실시간 응용에 대한 요구를 충족시키기에 한계가 있다. 이에 저자들은 DRAGONCAST라는 새로운 프로토콜을 제안한다. DRAGONCAST는 세 가지 핵심 구성요소로 이루어진다. 첫 번째는 실시간 디코딩을 지원하는 SEW(Sliding Encoding Window)이다. SEW는 전통적인 세대 구분을 없애고, 각 노드가 이웃 노드의 현재 코딩 벡터 상태를 파악해 전송 패킷의 인코딩 벡터를 제한한다. 즉, ‘갭(gap)’이라 불리는 이웃이 아직 보유하지 않은 혁신 패킷 수를 기준으로 인코딩 윈도우를 슬라이딩한다. 이를 통해 노드는 전체 세대가 도착하기 전에도 일부 원본 패킷을 복원할 수 있어 디코딩 지연이 크게 감소한다. 두 번째는 전송률 선택 메커니즘인 DRA​GON(Dynamic Rate Adjustment from Gap with Other Nodes)이다. 각 노드는 주기적으로 이웃 노드가 보고한 갭 정보를 수신하고, 자신이 보유한 혁신 패킷이 이웃에게 얼마나 부족한지를 판단한다. 갭이 클수록 전송률을 상승시켜 부족한 정보를 빠르게 공급하고, 갭이 작으면 전송률을 낮춰 에너지 소모와 채널 혼잡을 최소화한다. 이 과정은 별도의 중앙 제어 없이 완전히 분산적으로 이루어지며, 토폴로지 변화와 링크 손실을 실시간으로 반영한다. 세 번째는 종료 프로토콜이다. 모든 노드가 전체 원본 패킷 수(D) 만큼의 독립적인 코딩 벡터를 확보했는지를 확인하면 전송을 중단한다. 종료 판단은 코딩 패킷에 포함된 상태 정보를 활용해 암묵적으로 수행되며, 별도의 제어 패킷을 필요로 하지 않는다. 논문은 먼저 네트워크 코딩의 기본 이론을 정리한다. 선형 코딩과 무작위 선형 코딩(Random Linear Coding, RLC)의 원리, 코딩 벡터와 랭크 개념, 그리고 전송률 선택의 중요성을 설명한다. 이어서 정적 네트워크에서의 최적 전송률과 에너지 효율성에 관한 기존 연구 결과를 요약하고, 모바일 환경에서는 토폴로지 정보가 실시간으로 변하기 때문에 이러한 최적값을 사전에 계산할 수 없음을 지적한다. DRAGONCAST의 설계 상세에서는 알고리즘 1과 2를 통해 전체 흐름을 제시한다. 소스는 최초에 원본 패킷을 순차적으로 전송하고, 각 중간 노드는 첫 번째 코딩 패킷을 수신하면 전송 상태에 진입한다. 전송 시에는 로컬 버퍼에 저장된 혁신 패킷을 무작위 선형 결합해 전송하고, 전송 간격은 DRA​GON에 의해 결정된 전송률의 역수로 계산한다. 노드는 이웃으로부터 ‘갭 알림’을 받으면 전송률을 재조정하고, 모든 이웃이 충분한 정보를 가졌다고 판단되면 전송을 중단한다. 시뮬레이션은 NS-2 기반으로 다양한 네트워크 규모(50~200노드), 이동 모델(Random Waypoint), 패킷 손실률(0~30%)를 고려했다. 평가 지표는 (1) 평균 전송 횟수(에너지 효율), (2) 평균 디코딩 지연(실시간성), (3) 전체 전송 종료 시간이다. 결과는 SEW를 적용했을 때 디코딩 지연이 30~50% 감소하고, DRA​GON을 적용했을 때 전송 횟수가 20~35% 절감되는 것을 보여준다. 특히 높은 이동성(속도 5~10 m/s) 상황에서도 전송률이 자동으로 조정되어 네트워크 붕괴 없이 안정적인 브로드캐스트가 유지된다. 비교 대상인 CodeCast와 MORE와 같은 기존 프로토콜은 토폴로지 정보(거리, 손실률 등)를 필요로 하거나 세대 기반 디코딩을 사용해 지연이 크게 발생한다. 반면 DRAGONCAST는 최소한의 상태 정보만을 패킷에 부가하고, 완전 분산 방식으로 전송률을 조정함으로써 구현 복잡성을 크게 낮춘다. 결론적으로, DRAGONCAST는 모바일 애드혹 네트워크에서 에너지 효율적이며 실시간 디코딩이 가능한 브로드캐스트를 제공한다. 실험 결과는 제안된 세 가지 메커니즘이 각각 독립적으로, 그리고 결합하여 전체 시스템 성능을 크게 향상시킴을 입증한다. 향후 연구에서는 실제 하드웨어 구현, 다중 소스 환경, 그리고 보안·프라이버시 고려를 포함한 확장 가능성을 탐색할 예정이다.