에지에서 VNF 체인 배치를 위한 확률적 QoS 인식 방법

초록

본 논문은 확률 논리 프로그래밍 기반 선언형 프레임워크인 EdgeUsher를 제안한다. EdgeUsher는 하드웨어, IoT, 보안, 대역폭·지연 요구를 모두 만족하는 VNF 체인 배치를 찾고, 클라우드‑에지 인프라의 동적 변동성을 확률 분포로 모델링해 배치 성공 확률을 평가한다.

상세 분석

EdgeUsher는 VNF 체인 배치 문제를 두 단계의 매핑으로 정의한다. 첫 번째는 각 VNF를 인프라 노드에 매핑하는 하드웨어·IoT·보안 요구 검증이며, 두 번째는 연속된 VNF 사이의 트래픽 흐름을 SDN 기반 라우팅 경로에 매핑해 대역폭·지연 제약을 만족시키는 것이다. 논문은 이 매핑을 Prolog 규칙으로 기술하고, servicePlacement/2와 같은 기본 술어를 통해 하드웨어 요구만을 검증하는 예시부터 시작해, IoT 요구(thingsReqsOK/2)와 보안 정책(securityReqsOK/2)을 포함하도록 점진적으로 확장한다.

핵심 기여는 확률적 요소를 도입한 점이다. 클라우드‑에지 인프라의 CPU, 메모리, 네트워크 대역폭, 지연 등은 시간에 따라 변동한다는 가정 하에, 각 자원에 대한 확률 분포를 ProbLog 사실로 선언한다. 예를 들어 nodeCap(nodeX, cpu, 0.8::5;0.2::3)와 같이 특정 노드의 CPU 용량이 5단위일 확률이 0.8임을 표현한다. 이렇게 정의된 확률 모델을 기반으로 EdgeUsher는 가능한 모든 배치 후보에 대해 성공 확률을 계산하고, 확률이 높은 순으로 결과를 정렬한다.

문제의 NP‑hard 특성을 감안해, 논문은 백트래킹 기반의 탐색 전략에 휴리스틱을 결합한다. 먼저 하드웨어·IoT·보안 요구를 만족하는 후보 노드를 필터링하고, 그 후 대역폭·지연 제약을 고려해 라우팅 경로를 탐색한다. 탐색 과정에서 확률적 기대값이 낮은 후보는 조기에 가지치기한다. 복잡도 분석에서는 최악의 경우 지수적 탐색 비용을 보이지만, 실제 실험에서는 제한된 후보 집합과 확률 기반 가지치기로 실시간 수준의 응답을 달성한다는 점을 강조한다.

EdgeUsher는 선언형 특성 덕분에 확장성이 뛰어나다. 새로운 제약(예: 친화·반친화 제약)이나 새로운 자원 유형(예: 배터리 수준, 무선 채널 품질) 등을 간단히 사실과 규칙을 추가하는 방식으로 모델링할 수 있다. 또한 ProbLog의 증명 생성 기능을 활용해, 특정 배치가 선택된 이유를 설명하는 증거 트리를 제공함으로써 Explainable AI(설명 가능한 인공지능) 관점에서도 유용하다.

실험에서는 대학 캠퍼스 비디오 감시 시나리오를 사용해, EdgeUsher가 기존 정적 배치 기법에 비해 평균 30% 높은 성공 확률과 20% 이하의 지연 개선을 달성함을 보였다. 또한 보안 요구를 만족하는 배치 비율이 크게 증가했으며, 확률 모델을 업데이트하면 동적인 워크로드 변화에도 빠르게 재배치를 수행한다.

관련 연구와 비교했을 때, 기존 대부분의 VNF 배치 연구는 정적 자원 가정에 머물거나, 보안·IoT 요구를 별도 고려하지 않는다. EdgeUsher는 이러한 한계를 확률적 선언형 모델링으로 극복하고, 실시간 의사결정과 설명 가능성을 동시에 제공한다는 점에서 차별화된다.

미래 연구 방향으로는 확률 모델의 자동 학습(예: 온라인 베이지안 업데이트), 다중 목표 최적화(비용·에너지·탄소 배출 최소화) 및 대규모 엣지 토폴로지에 대한 분산 구현을 제시한다.