[논문 리뷰] Dynamic Cluster Head Selection Using Fuzzy Logic on Cloud in Wireless Sensor Networks

Payal Pahwa, Deepali Virmani외 4명|arXiv (Cornell University)|2015. 11. 03.

Energy Efficient Wireless Sensor Networks참고 문헌 4인용 수 4

한 줄 요약

이 논문은 클라우드 기반 처리를 활용하여 에너지 효율성을 최적화하는 퍼지 논리 기반 동적 클러스터 헤드 선택 알고리즘을 제안한다. 퍼지 논리로 노드 잠재력 계산 및 공간 분포와 신뢰도 검사를 시행함으로써 클러스터 겹침을 감소시키고 악성 노드를 차단함으로써, 동적 환경에서 네트워크 수명과 신뢰성을 크게 향상시킨다.

ABSTRACT

One of the most vital activities to reduce energy consumption in wireless sensor networks is clustering. In clustering, one node from a group of nodes is selected to be a cluster head, which handles majority of the computation and processing for the nodes in the cluster. This paper proposes an algorithm for fuzzy based dynamic cluster head selection on cloud in wireless sensor networks. The proposed algorithm calculates a Potential value for each node and selects cluster heads with high potential. The proposed algorithm minimizes cluster overlapping by spatial distribution of cluster heads and discards malicious nodes i.e. never allows malicious nodes to be cluster heads.

연구 동기 및 목표

• 스스로 지능적인 클러스터 헤드 선택을 통해 무선 센서 네트워크(WSNs)의 에너지 비효율성을 해결하기 위해.
• 클러스터 겹침을 최소화하고 클러스터 헤드의 공간 분포를 향상시키기 위해.
• 악성 노드가 클러스터 헤드가 되는 것을 방지함으로써 네트워크 보안을 향상시키기 위해.
• 클러스터 형성 과정에서 중심화되고 실시간 결정을 내릴 수 있도록 클라우드 컴퓨팅을 활용하기 위해.
• 동적이고 적응적인 클러스터 헤드 선택을 통해 전체 네트워크 수명과 에너지 효율성을 향상시키기 위해.

제안 방법

• 퍼지 논리 시스템은 잔여 에너지, 기지국까지의 거리, 노드 중심성 기반으로 노드 잠재력을 평가한다.
• 시스템은 에너지 효율성과 네트워크 커버리지 간의 균형을 이루기 위해 퍼지 추론 규칙을 사용하여 각 노드의 잠재력 값을 계산한다.
• 클러스터 헤드는 가장 높은 잠재력 값을 가진 노드들로부터 선택되며, 이는 최적의 분포와 로드 밸런싱을 보장한다.
• 클라우드 서버는 클러스터 형성 과정을 조율하고, 클러스터 헤드 간의 공간적 분리와 노드 신뢰성 검증을 시행한다.
• 신뢰도 평가 메커니즘을 통해 악성 노드를 탐지하고 클러스터 헤드 선택에서 배제한다.
• 에너지 수준과 네트워크 토폴로지의 변화에 대응해 동적으로 클러스터 헤드를 재선택한다.

실험 결과

연구 질문

• RQ1 퍼지 논리를 어떻게 효과적으로 적용하여 WSN에서 에너지 효율성을 향상시키기 위해 동적으로 클러스터 헤드를 선택할 수 있는가?
• RQ2 클러스터 겹침을 최소화하고 네트워크 수명을 극대화하기 위해 노드 잠재력을 평가할 기준은 무엇이어야 하는가?
• RQ3 클라우드 기반 조율은 WSN에서 클러스터 헤드 선택의 확장성과 신뢰성을 어떻게 향상시킬 수 있는가?
• RQ4 퍼지 논리와 신뢰 기반 필터링을 통해 악성 노드가 클러스터 헤드가 되는 위험을 어느 정도 줄일 수 있는가?
• RQ5 제안된 방법은 에너지 소비와 네트워크 수명 측면에서 정적 또는 비퍼지 클러스터 헤드 선택 기법과 비교해 어떻게 다를까?

주요 결과

• 클러스터 헤드의 공간 분포를 통해 클러스터 겹침이 감소하여 네트워크 커버리지가 향상되고 간섭이 감소한다.
• 악성 노드가 클러스터 헤드가 되는 것을 효과적으로 방지함으로써 네트워크 보안과 신뢰성이 향상된다.
• 잠재력 계산에 퍼지 논리를 활용함으로써 동적 네트워크 조건에 대응하는 적응형 에너지 인식 클러스터 헤드 선택이 가능해진다.
• 클라우드 기반 조율을 통해 중심화되고 실시간 결정을 내릴 수 있어 클러스터 형성의 확장성과 일관성이 향상된다.
• 에너지 소비를 노드 간에 균형 있게 분배하고 클러스터 헤드 고갈을 연기함으로써 네트워크 수명이 연장된다.
• 퍼지 논리와 클라우드 인프라의 통합은 기존 방법에 비해 더 견고하고 효율적인 클러스터링 메커니즘을 제공한다.