[論文レビュー] Epcast: Controlled Dissemination in Human-based Wireless Networks by means of Epidemic Spreading Models

Salvatore Scellato, Cecilia Mascolo+2 more|ArXiv.org|Nov 18, 2007

Opportunistic and Delay-Tolerant Networks参考文献 14被引用数 4

ひとこと要約

本稿では、SIR（感受性・感染・回復）フレームワークに基づく疫学的拡散モデルを用いた、人間ベースの無線ネットワーク向けの制御型情報拡散プロトコルであるEpcastを提案する。動的ネットワーク構造に応じて感染率を解析的に調整することにより、ヒューリスティックな疫学的プロトコルと比較して、大幅にメッセージオーバーヘッドを低減しながら所望の配信率を達成している。この有効性は、合成的および実際の人間接触トレースを用いて検証された。

ABSTRACT

Epidemics-inspired techniques have received huge attention in recent years from the distributed systems and networking communities. These algorithms and protocols rely on probabilistic message replication and redundancy to ensure reliable communication. Moreover, they have been successfully exploited to support group communication in distributed systems, broadcasting, multicasting and information dissemination in fixed and mobile networks. However, in most of the existing work, the probability of infection is determined heuristically, without relying on any analytical model. This often leads to unnecessarily high transmission overheads. In this paper we show that models of epidemic spreading in complex networks can be applied to the problem of tuning and controlling the dissemination of information in wireless ad hoc networks composed of devices carried by individuals, i.e., human-based networks. The novelty of our idea resides in the evaluation and exploitation of the structure of the underlying human network for the automatic tuning of the dissemination process in order to improve the protocol performance. We evaluate the results using synthetic mobility models and real human contacts traces.

研究の動機と目的

• モバイルアドホックネットワークにおける疫学的拡散プロトコルに、解析的制御の欠如を是正すること。
• 人間ベースの無線ネットワークにおける不要なメッセージ複製および伝送オーバーヘッドを低減すること。
• ネットワーク構造と所望の信頼性に基づいて、情報を受信するノードの割合を正確に制御できること。
• 実際の人間接触トレースおよび合成的移動モデルを用いてプロトコルを評価すること。
• 接続性パターンが異なる非均質的ネットワークへのアプローチの拡張すること。

提案手法

• プロトコルはSIR疫学的モデルに基づく。ノードは感受性（Susceptible）から感染（Infected）へ、その後回復（Recovered）となり、再感染に対して免疫を得る。
• 平均次数に基づいて、所望の配信率を達成するために、感染率を解析的に導出する。
• ミドルウェアインタフェースは、メッセージを受け取るノードの希望する割合を指定するためのプリミティブを提供し、これにより必要な感染確率を計算する。
• ネットワーク接続性に応じて感染率を動的に適応させる。信頼性を保証するため、ネットワーク内の最小次数を保守的な見積もりとして用いる。
• シミュレーションは、合成的ランダム移動モデルおよびダートマス・カレッジおよびシンガポール国立大学の実際の接触トレースを用いて実施する。
• 非均質的ネットワークへの拡張においては、最小ノード次数を信頼性のある感染拡散の下限として用いる。

実験結果

リサーチクエスチョン

• RQ1 疫学的拡散モデルを用いて、人間ベースの無線ネットワークにおける情報拡散を解析的に制御できるか？
• RQ2 どのようにして感染率をチューニングすることで、最小限のメッセージオーバーヘッドで所望の配信率を達成できるか？
• RQ3 ネットワーク構造および接続性のダイナミクスが、制御された疫学的拡散のパフォーマンスに与える影響は何か？
• RQ4 メッセージ効率および配信信頼性の観点から、提案手法はヒューリスティックな疫学的プロトコルと比べてどのように異なるか？
• RQ5 非一様な接続性を持つ非均質的ネットワークに対しても、このアプローチを拡張可能か？

主な発見

• ダートマス・カレッジのトレースにおいて、Epcastは希望する50%のノードに配信を実現したが、メッセージ数はわずか17,132件にとどまり、標準的疫学的プロトコル（β=0.25）が要する95,969件と比べて顕著に少ない。
• 希望する100%の配信率に対しては、Epcastは90%の配信率を達成し、メッセージ数は32,475件であった。一方、標準的疫学的プロトコル（β=1.00）では155,446件が必要であった。
• 非均質的ネットワーク向けに拡張されたEpcast（epcast-heterogeneous）は、同じデータセットで90%の配信率を達成するにあたり57,342件のメッセージを要した。これは非均質的ネットワークではオーバーヘッドが高くなることを示している。
• 結果から、ヒューリスティックな感染率（例：β=0.25～1.00）では、完全な配信が達成できないか、または過剰なメッセージ複製を伴うことが明らかになった。
• k_min（最小ノード次数）を感染率計算の根拠とすることで、非均質的ネットワークにおける信頼性の保証下限が得られる。
• プロトコルのパフォーマンスはネットワーク接続性パターンに敏感であり、実際のトレースでは間欠的接続性やネットワークカバレッジの不完全さが性能低下を引き起こしている。