모바일 사회를 위한 근접 기반 신뢰 어드바이저

초록

본 논문은 이동성 기반의 근접·위치·유사성 정보를 활용해 모바일 네트워크에서 신뢰를 자동으로 판단하는 PROTECT 프레임워크를 제안한다. 실제 대학 캠퍼스에서 수집한 9주간의 대규모 접촉 로그를 이용해 ‘접촉 빈도’, ‘접촉 지속시간’, ‘행동 벡터’, ‘행동 매트릭스’ 네 가지 신뢰 필터를 설계·평가하였다. 통계 분석 결과, 대부분의 필터는 시간이 지나도 사용자 집합이 90% 이상 유지되는 높은 안정성을 보였으며, 서로 다른 필터가 생성하는 신뢰 집합은 의미 있게 차별화되었다. 또한 DTN 라우팅 시 자기이익(selfish) 노드 모델을 적용했을 때, 제안된 신뢰 필터를 이용하면 연결 불가능률이 크게 감소해 네트워크 전반의 전달 성능이 향상됨을 확인하였다.

상세 분석

PROTECT 논문은 모바일 사회에서 신뢰 형성의 근본적인 어려움을 ‘접촉(encounter)’이라는 물리적 현상으로 전환시켜 해결하고자 한다. 기존 연구가 주로 사회적 관계나 인증 인프라에 의존하는 반면, 이 연구는 이동 패턴 자체를 신뢰의 근거로 삼는다. 네 가지 필터는 각각 다른 차원의 정보를 추출한다. ‘접촉 빈도’ 필터는 특정 노드와의 만남 횟수를 카운트해 빈번한 교류를 신뢰의 지표로 삼으며, ‘접촉 지속시간’은 단순 횟수가 아닌 실제 물리적 근접 시간을 반영한다. ‘행동 벡터’는 시간대별 접촉 빈도를 24차원 벡터로 표현해 사용자의 일일 리듬 유사성을 측정하고, ‘행동 매트릭스’는 이를 이차원 행렬로 확장해 장소·시간 복합 패턴을 포착한다. 이러한 다중 차원 접근은 단일 메트릭이 놓칠 수 있는 미묘한 관계를 보완한다.

실험 데이터는 미국 대형 대학의 Wi‑Fi 로그를 기반으로 9주간 2,500명 이상 사용자의 접촉 정보를 수집했으며, 이는 실제 인간 이동성의 복잡성을 충분히 반영한다. 통계 분석에서는 각 필터가 시간에 따라 얼마나 일관된 신뢰 집합을 유지하는지를 ‘오버랩 비율’로 측정했는데, 3개의 필터가 9주간 90% 이상의 오버랩을 보이며 안정성을 입증했다. 반면 필터 간 상관관계는 낮아 서로 보완적인 역할을 할 수 있음을 시사한다.

DTN 라우팅 실험에서는 Epidemic, Prophet, Spray‑and‑Wait 등 대표적인 라우팅 프로토콜에 ‘자기이익 노드’ 모델(노드가 일정 확률로 패킷 전달을 거부)과 PROTECT 신뢰 필터를 결합했다. 결과는 신뢰 필터가 적용되지 않은 경우 자기이익 노드 비율이 30%에 달하면 전달 성공률이 급격히 떨어지는 반면, 신뢰 기반 경로 선택을 통해 전달 성공률이 20% 이상 회복되는 것을 보여준다. 이는 신뢰 정보가 네트워크의 ‘사회적 연결 고리’를 재구성해, 비협조적 행동을 효과적으로 우회할 수 있음을 의미한다.

한계점으로는 데이터가 한 대학에 국한돼 있어 다른 환경(예: 도시 이동, 군집 행사)에서의 일반화가 필요하고, 신뢰 필터의 계산 복잡도가 실시간 모바일 디바이스에 미치는 영향을 추가로 평가해야 한다. 또한 ‘자기이익’ 모델이 단순 확률 기반이므로, 보다 정교한 게임 이론적 행동 모델과 결합하면 실용성을 높일 수 있다. 향후 연구는 필터 가중치 학습, 블록체인 기반 신뢰 전파, 그리고 프라이버시 보호를 위한 익명화 기법을 통합하는 방향으로 진행될 수 있다.