[논문 리뷰] A Mobile Device Prototype Application for the Detection and Prediction of Node Faults in Wireless Sensor Networks

Anthony Marcus, Ionut Cardei외 3명|arXiv (Cornell University)|2014. 01. 21.

Energy Efficient Wireless Sensor Networks참고 문헌 26인용 수 7

한 줄 요약

이 논문은 국소적 지표와 기계학습을 사용하여 무선 센서 네트워크의 고장 난 노드를 탐지하고 예측하는 Android 애플리케이션 프로토타입을 제시한다. 네트워크 동작을 지속적으로 모니터링하고 모델을 주기적으로 업데이트함으로써, 시스템은 고장 탐지에 높은 정확도를 유지하며, 중요한 모니터링 응용 분야에서 시기적절한 사용자 경고를 제공할 수 있다.

ABSTRACT

Various implementations of wireless sensor networks (i.e. personal area-, wireless body area- networks) are prone to node and network failures by such characteristics as limited node energy resources and hardware damage incurred from their surrounding environment (i.e. flooding, forest fires, a patient falling). This may jeopardize their reliability to act as early warning systems, monitoring systems for patients and athletes, and industrial and environmental observation networks. Following the current trend and widespread use of hand held, mobile communication devices, we outline an application architecture designed to detect and predict faulty nodes in wireless sensor networks. Furthermore, we implement our design as a proof of concept prototype for Android-based smartphones, which may be extended to develop other applications used for monitoring networked wireless personal area and body sensors used in other capacities. We have conducted several preliminary experiments to demonstrate the use of our design, which is capable of monitoring networks of wireless sensor devices and predicting node faults based on several localized metrics. As attributes of such networks may change over time, any models generated when the application is initialized must be updated periodically such that the applied machine learning algorithm maintains high levels of both accuracy and precision. The application is designed to discover node faults and, once identified, alert the user so that appropriate action may be taken.

연구 동기 및 목표

• 에너지 고갈과 환경적 손상으로 인한 무선 센서 네트워크 내 노드 고장 문제를 해결하기 위해.
• 실시간으로 고장 난 센서 노드를 탐지하고 예측할 수 있는 모바일 애플리케이션을 설계하기 위해.
• 이동 가능한 모니터링 도구로 모바일 기기를 활용하여 개인 및 바디 영역 센서 네트워크에 활용하기 위해.
• 주기적인 모델 업데이트를 통해 지속적인 예측 정확도를 확보하기 위해.
• 노드 고장이 탐지될 경우 사용자에게 조치를 유도할 수 있는 경고를 제공하기 위해.

제안 방법

• 시스템은 센서 노드로부터 패킷 전달 비율, 잔여 에너지, 연결성 패턴과 같은 국소적 네트워크 지표를 수집한다.
• 초기 네트워크 동작에 기반하여 훈련된 기계학습 알고리즘을 활용하여 노드를 건강하거나 고장 났다고 분류한다.
• 시간이 지남에 따라 네트워크 조건 변화에 적응하고 정확도를 유지하기 위해 애플리케이션이 모델을 동적으로 업데이트한다.
• 고장 탐지는 중앙 집중식 인프라에 의존도를 줄이기 위해 모바일 기기에서 현지에서 수행된다.
• 프로토타입은 Android 스마트폰에 구현되어 실제 모니터링 시나리오에의 구현을 가능하게 한다.
• 고장 확률이 사전 정의된 임계값을 초과할 경우 경고가 트리거되어 사용자에게 개입을 알린다.

실험 결과

연구 질문

• RQ1 모바일 기기는 무선 센서 네트워크의 고장을 효과적으로 탐지하고 예측하는 데 어떻게 활용될 수 있는가?
• RQ2 실시간으로 고장 나고 있는 센서 노드를 식별하는 데 가장 효과적인 국소적 지표는 무엇인가?
• RQ3 기계학습 모델은 어떻게 주기적으로 업데이트되어 동적인 네트워크에서 예측 정확도를 유지할 수 있는가?
• RQ4 모바일 애플리케이션은 개인 및 바디 영역 센서 네트워크에 대해 신뢰할 수 있고 저비용의 모니터링 솔루션으로 기능할 수 있는가?
• RQ5 모델 재학습은 고장 예측의 정밀도와 재현율에 어떤 영향을 미치는가?

주요 결과

• 프로토타입은 Android 스마트폰을 통해 수집된 국소적 지표를 활용하여 노드 고장을 성공적으로 탐지하고 예측한다.
• 주기적인 모델 재학습은 정확도를 크게 향상시키며, 시간이 지남에 따라 정밀도를 유지한다.
• 시스템은 자원이 제한된 동적인 환경에서 실시간 모니터링의 가능성을 입증한다.
• 고장 확률이 임계값을 초과할 경우 사용자 경고가 신뢰성 있게 트리거되어 시기적절한 대응이 가능하다.
• 중앙 집중식 모니터링 시스템에 대한 의존도를 줄여 시스템의 확장성과 배포의灵活性를 향상시킨다.
• 초기 실험 결과는 지속적인 학습을 통해 네트워크 조건 변화에 적응할 수 있음을 확인한다.