[논문 리뷰] Xheal: Localized Self-healing using Expanders

Gopal Pandurangan, Amitabh Trehan|arXiv (Cornell University)|2011. 04. 05.

Modular Robots and Swarm Intelligence참고 문헌 23인용 수 4

한 줄 요약

Xheal은 반복적인 악성 노드 삽입 및 삭제 후에도 강한 전역 네트워크 성질—예: 확장성, 스펙트럼 갭, 스트레치—을 유지하는 완전히 분산되고 국소화된 자기 복구 알고리즘이다. 이는 확장자 그래프(H-그래프)와 국소 복구 작업을 사용하여, 차수 증가를 O(κd)로 제한하고 O(log n) 스트레치를 확보함으로써 연결성과 확장성을 유지한다. 복구당 평균 비용은 O(κ log n)이다.

ABSTRACT

We consider the problem of self-healing in reconfigurable networks (e.g. peer-to-peer and wireless mesh networks) that are under repeated attack by an omniscient adversary and propose a fully distributed algorithm, Xheal that maintains good expansion and spectral properties of the network, also keeping the network connected. Moreover, Xheal does this while allowing only low stretch and degree increase per node. Thus, the algorithm heals global properties while only doing local changes and using only local information. Our work improves over the self-healing algorithms 'Forgiving tree'[PODC 2008] and 'Forgiving graph'[PODC 2009] (using a similar model) in that we are able to give guarantees on degree and stretch, while at the same time preserving the expansion and spectral properties of the network. These repairs preserve the invariants in the following sense. At any point in the algorithm, the expansion of the graph will be either `better' than the expansion of the graph formed by considering only the adversarial insertions (not the adversarial deletions) or the expansion will be, at least, a constant. Also, the stretch i.e. the distance between any pair of nodes in the healed graph is no more than a $O(\log n)$ factor. Similarly, at any point, a node $v$ whose degree would have been $d$ in the graph with adversarial insertions only, will have degree at most $O(κd)$ in the actual graph, for a small parameter $κ$. We also provide bounds on the second smallest eigenvalue of the Laplacian which captures key properties such as mixing time, conductance, congestion in routing etc. Our distributed data structure has low amortized latency and bandwidth requirements.

연구 동기 및 목표

• 동적이고 악성 공격을 받는 네트워크에서 확장성, 연결성, 낮은 스트레치와 같은 전역 네트워크 불변성을 유지하는 데 도전하는 문제를 해결하기 위해.
• 중앙 집중식 제어 없이 국소 정보와 국소 행동만을 사용하여 작동하는 자기 복구 메커니즘을 설계하기 위해.
• 반복적인 악성 삭제에도 불구하고 노드 차수 증가가 작은 인자 κ로 제한됨을 보장하기 위해.
• 스펙트럼 성질(예: 스펙트럼 갭)이 루팅, 혼합 시간, 혼잡도에 중요하므로, 네트워크 구조 변화에도 불구하고 이를 유지하기 위해.
• 이전 자기 복구 알고리즘인 Forgiving Tree와 Forgiving Graph보다 스트레치와 차수에 대한 형식적 보장을 제공함으로써, 단지 연결성만 보장하는 기존 연구를 향상시키기 위해.

제안 방법

• 알고리즘은 높은 확률로 확장자를 형성하는 무작위 κ-정규 그래프인 H-그래프를 사용하여 주 및 보조 확장자 클라우드를 구축하고 유지한다.
• 각 악성 삭제 이후, 시스템은 국소 지식과 리더 기반 협업을 사용하여 새로운 간선을 삽입하거나 기존 간선을 재구성함으로써 국소 복구를 수행한다.
• 자유 노드가 부족하여 다수의 확장자 클라우드를 병합해야 할 경우, O(log n) 홉 이내의 BFS를 통해 리더를 선출하고, 새로운 H-그래프를 구성하여 브로드캐스트함으로써 확장자 성질을 복원한다.
• 복구 과정은 이전 삭제에 걸쳐 평균화된다: 비용이 많이 드는 병합 작업은 더 저렴하고 이른 복구 작업으로 상쇄되며, 이로 인해 복구의 평균 시간 및 메시지 복잡도가 O(κ log n)가 된다.
• 클라우드가 반의 노드를 상실할 경우, H-그래프 재구성으로 인해 확장성에 대한 확률적 보장을 유지한다. 유니온 바운드를 사용하여 고확률로 확장성이 유지됨을 보장한다.
• 자유 노드를 관리하고 동적 조건 하에서 효율적인 삽입 및 복구를 가능하게 하기 위해 주 및 보조 클라우드로 구성된 계층적 구조를 사용한다.

실험 결과

연구 질문

• RQ1 반복적인 악성 노드 삭제 및 삽입 상황에서, 분산적이고 국소적인 방식으로 자기 복구 알고리즘이 간선 확장성과 스펙트럼 성질을 유지할 수 있는가?
• RQ2 연결성을 확보하면서 스트레치와 확장성과 같은 전역 네트워크 성질을 유지하기 위해 필요한 최소한의 차수 증가는 얼마인가?
• RQ3 비용이 많이 드는 네트워크 복구(예: 클라우드 병합)를 시간에 따라 어떻게 평균화하여 평균 비용을 낮출 수 있는가?
• RQ4 국소 복구가 전략적으로 노드를 삭제하는 악성 공격 상황에서도 O(log n) 스트레치와 일정한 확장성을 유지할 수 있는가?
• RQ5 동적 자기 복구 네트워크에서 강력한 스펙트럼 성질을 유지하면서 노드 차수 증가를 통제하는 데서의 상호 교환 관계는 무엇인가?

주요 결과

• 네트워크는 악성 삽입 전용 그래프의 확장성과 동일하거나 상수 수준의 확장성을 유지하여 강력한 연결성을 보장한다.
• 모든 두 노드 간의 거리(스트레치)는 삽입 전용 그래프의 스트레치의 O(log n) 배 이내로 제한되어 있어 효율적인 루팅을 유지한다.
• 노드 차수 증가는 최대 O(κ)의 인자로 증가하며, 이는 확장성과 로드 밸런싱을 보장한다.
• 복구의 평균 시간 및 메시지 복잡도는 O(κ log n)이며, 이는 대규모 네트워크에서의 효율성을 보장한다.
• 라플라스 행렬의 두 번째 최소 고유값(혼합 시간과 혼잡도를 제어함)은 상수 요인 범위 내에서 유지되어 루팅 및 로드 밸런싱 성능을 보장한다.
• 알고리즘은 오직 국소 정보와 행동만을 사용하여 전역 불변성을 성공적으로 유지하였으며, 이는 이전 연구에서 스트레치와 차수에 대한 보장을 결여한 바를 향상시킨다.