[논문 리뷰] Non Trivial Computations in Anonymous Dynamic Networks

Giuseppe Antonio Di Luna, Roberto Baldoni|arXiv (Cornell University)|2016. 01. 01.

Distributed systems and fault tolerance참고 문헌 25인용 수 8

한 줄 요약

이 논문은 지연 내성적, 기회적, 사회적 네트워크와 같은 동적 네트워크의 개념을 통합하고 형식화하기 위해 시간에 따라 변하는 그래프(Time-Varying Graphs, TVG)라고 불리는 통합 프레임워크를 제안한다. 네트워크 동역학을 바탕으로 TVG 클래스의 계층적 분류를 정의함으로써, 다양한 분야 간 타당성 및 불가능성 결과의 이행을 가능하게 하며, 동시에 시간적 분석과 동적 성질의 진화를 위한 확률 모델도 지원한다.

ABSTRACT

In this paper we consider a static set of anonymous processes, i.e., they do not have distinguished IDs, that communicate with neighbors using a local broadcast primitive. The communication graph changes at each computational round with the restriction of being always connected, i.e., the network topology guarantees 1-interval connectivity. In such setting non trivial computations, i.e., answering to a predicate like "there exists at least one process with initial input a?", are impossible. In a recent work, it has been conjectured that the impossibility holds even if a distinguished leader process is available within the computation. In this paper we prove that the conjecture is false. We show this result by implementing a deterministic leader-based terminating counting algorithm. In order to build our counting algorithm we first develop a counting technique that is time optimal on a family of dynamic graphs where each process has a fixed distance h from the leader and such distance does not change along rounds. Using this technique we build an algorithm that counts in anonymous 1-interval connected networks.

연구 동기 및 목표

• 동적 네트워크 연구에서 산발적인 모델과 개념들을 하나의 공식적 프레임워크로 통합하기 위해.
• 분산 컴퓨팅에 관련된 구조적 및 동적 성질을 바탕으로 시간에 따라 변하는 그래프를 분류하기 위해.
• 다양한 동적 네트워크 클래스 간 알고리즘 타당성 및 불가능성 결과의 이행을 가능하게 하기 위해.
• 시간에 의존하는 지표와 비시간적 지표를 모두 사용하여 네트워크 성질의 시간적 분석을 지원하기 위해.
• 랜덤성의 역할이 동적 네트워크 진화 모델링에 어떻게 기여하는지 탐색하기 위해.

제안 방법

• 시간에 따라 변화하는 고정 그래프의 시퀀스로 형식화된 TVG 모델을 제안하며, 간선 집합이 이산 시간 단위에 따라 변화함을 정의한다.
• 동적 가용성 가능성을 포괄하기 위해 여정(journeys), 시간적 부분그래프(temporal subgraphs), 시간적 연결성(temporal connectivity)과 같은 핵심 개념을 도입한다.
• 간선 가용성, 시간적 연결성, 확산성 등의 성질을 기반으로 엄격한 포함 관계를 가진 TVG 클래스의 계층을 정의한다.
• 그래프 중심 및 간선 중심의 두 관점에서 네트워크 동역학과 상호작용 패턴을 분석한다.
• 이산 및 연속 시간 확률 과정(예: 마르코프 및 포아송 과정)을 사용하여 확률적 간선 동역학을 모델링한다.
• 시간 지표와 시각화 기법을 활용하여 패턴을 탐지하고 거시 수준의 네트워크 진화를 분석한다.

실험 결과

연구 질문

• RQ1 다양한 동적 네트워크 모델은 어떻게 하나의 공식적 프레임워크 아래 통합될 수 있는가?
• RQ2 시간에 따라 변하는 그래프에서 계산의 타당성과 비타당성을 정의하는 데 핵심이 되는 구조적 및 동적 성질은 무엇인가?
• RQ3 TVG의 계층적 클래스 간 포함 관계는 어떻게 되며, 이는 알고리즘 이행에 어떤 영향을 미치는가?
• RQ4 동적 네트워크 트레이스에서 결정론적 성질을 자동으로 검증하는 데 사용할 수 있는 기법은 무엇인가?
• RQ5 간선의 등장 및 사라짐에 대한 랜덤성은 어떻게 모델링될 수 있으며, 이는 연결성의 단계 전이를 연구하는 데 어떻게 기여하는가?

주요 결과

• TVG 프레임워크는 지연 내성적, 기회적, 사회적 네트워크 간 시간적 거리, 여정, 연결성 등의 개념을 성공적으로 통합한다.
• 엄격한 포함 관계를 가진 TVG 클래스의 계층이 확립되어 하위 클래스로의 타당성 결과 이행과 초위 클래스로의 불가능성 결과 이행이 가능해진다.
• 이산 시간 마르코프 과정 및 연속 시간 포아송 과정을 포함한 랜덤 TVG 모델이 형식화되어 연결성의 단계 전이를 연구하는 데 사용된다.
• 실행 중 발생하는 위상 이벤트의 수는 TVG에서의 분산 알고리즘에 대한 새로운 핵심 복잡도 파라미터로 규명되었다.
• 프레임워크는 비시간적 지표와 시간적 지표를 모두 지원하여 네트워크 진화 분석이 가능해지며, 급격히 나타나는 현상의 탐지가 가능해졌다.
• TVG에서 상호작용 중심의 시각화 기법을 사용함으로써 국소적 상호작용이 거시적 네트워크 효과를 유도할 수 있음을 밝혀내었으며, 패턴 탐지 및 시각화에 기여한다.