인프라 지원 모바일 소셜 네트워크의 데이터 전달 향상을 위한 공간 교차 커뮤니티 접근법

초록

본 논문은 AP(Access Point) 기반 하이브리드 네트워크에서 물리적 근접 커뮤니티와 AP 커뮤니티를 결합한 ‘공간 교차 커뮤니티’를 탐지하고, 이를 활용한 데이터 전달 알고리즘 SAAS(Social Attraction and AP Spreading)를 제안한다. MIT Reality Mining 및 UIM 데이터셋을 이용한 실험 결과, 기존 Bubble Rap·Nguyen 라우팅에 비해 전달 성공률과 지연 시간 모두 크게 개선됨을 보인다.

상세 분석

이 연구는 모바일 소셜 네트워크(MSN)에서 인프라(AP)가 소수 존재함에도 불구하고, 이들을 활용해 장거리 노드 간 통신을 촉진할 수 있다는 점에 주목한다. 먼저 네트워크를 동적 그래프로 모델링하고, 시간에 따라 변하는 정점·간선을 가중치 기반 접촉 집계 방식으로 정의한다. 물리적 근접 커뮤니티(PP Community)는 FOCS 알고리즘을 이용해 겹침 없이 탐지하고, AP가 담당하는 영역은 AP Community로 별도 정의한다. 두 커뮤니티를 ‘공간 교차 커뮤니티(SC Community)’로 통합하기 위해 두 가지 결합 기준(Sa, Sb)을 제시한다. Sa는 PP와 AP 커뮤니티 간 겹치는 노드·간선 비율이 사전 설정된 임계값 α를 초과하면 병합하고, Sb는 AP 간 연결을 원형 토폴로지로 가정해 인접 AP 커뮤니티를 한 단계 더 결합한다.

동적 트래킹 단계에서는 노드·간선 추가·삭제를 로컬 정보만으로 처리하도록 설계했으며, 새로운 PP 커뮤니티가 형성될 경우 기존 AP 커뮤니티와의 겹침을 다시 평가해 SC 커뮤니티를 갱신한다. 이러한 실시간 업데이트 메커니즘은 네트워크 규모가 커져도 연산 비용을 제한한다.

데이터 전달 알고리즘 SAAS는 두 단계로 구성된다. ① 비AP 구역에서는 각 노드의 ‘지역 활동도’를 피어슨 상관계수와 결합한 사회적 유사도(Similarity Attraction)를 기반으로 메시지를 전달한다. 활동도는 해당 노드가 속한 SC 커뮤니티 내에서 다른 노드와 마주칠 확률 비율로 정의되어, 커뮤니티 내부에서 높은 전달 확률을 보장한다. ② AP 구역에서는 메시지 복제본을 AP를 통해 다수의 노드에 확산(AP Spreading)시켜, AP가 연결된 영역 전반에 걸쳐 전파 속도를 높인다.

실험에서는 MIT Reality Mining(스마트폰 블루투스·와이파이 로그)과 UIM(대학 캠퍼스 이동 데이터) 두 실제 데이터셋을 사용하였다. 전달 성공률(delivery ratio)과 평균 지연(delay) 측면에서 SAAS는 Bubble Rap, Nguyen 라우팅을 각각 15‑30%·20‑35% 정도 상회하였다. 특히 AP가 밀집된 구역에서 지연 감소 효과가 두드러졌으며, SC 커뮤니티 탐지가 없는 경우 성능 저하가 확인되어 제안 방법의 실효성을 입증한다.

본 논문의 주요 기여는 (1) 물리적 근접과 인프라 기반 커뮤니티를 통합한 SC 커뮤니티 탐지 프레임워크, (2) 동적 네트워크 변화에 대응 가능한 로컬 트래킹 알고리즘, (3) SC 커뮤니티 정보를 활용한 SAAS 라우팅 프로토콜이다. 한계점으로는 AP 간 연결을 원형 토폴로지로 가정한 단순화와, α 임계값을 실험적으로 설정한 점이 있다. 향후 연구에서는 보다 일반적인 AP 토폴로지를 고려하고, 머신러닝 기반 커뮤니티 결합 기준을 도입해 적응형 파라미터 튜닝을 시도할 수 있다.