무선 랜에서 Tsallis-Entropy 분석을 통한 이기적인 노드 탐지 기법 연구 = A Study of The scheme of detecting selfish nodes in Wireless LAN using Tsallis-entropy Analysis

국문 초록 (Abstract)

IEEE 802.11 표준 무선 네트워크에서 사용되는 DCF(CSMA/CA) 방식의 MAC 프로토콜은 무선채널을 공유하는 노드들 사이에서 공평한 채널 접근 확률을 보장하도록 설계되었다. 하지만 최근 급속히 확산되고 있는 무선 핫 스팟 환경에서 다른 무선 노드들보다 인위적으로 더 많은 데이터를 전송하는 노드가 존재하는 것이 알려졌다. 이 노드는 자신의 MAC 프로토콜 동작을 변형시키거나 다른 노드들의 MAC 동작을 방해하여 무선 네트워크 노드들 사이의 균등한 데이터 전송원칙을 어기게 된다. 이러한 문제를 이기적(Selfish) 노드 문제라 하고 악의적(Malicious) 노드 문제와 함께 무선 랜에서의 오동작(Misbehavior) 노드 문제로 분류되고 있다. 본 논문에서는 이기적인 노드 문제를 해결하고자 무선 랜 환경에서 이기적 노드를 찾는 통계적 방법을 제안한다. 지금까지의 대부분 연구들에서는 무선 랜 내부의 MAC 프로토콜 동작을 프레임 단위로 분석하여 이기적인 노드를 검색하는 방법을 사용하였다. 하지만 이러한 방법으로는 다양한 방법으로 동작하는 이기적인 노드들을 효과적으로 검출할 수 없다. 이러한 단점으로 보안하기 위해 통계적인 방식을 사용하여 이기적인 노드를 찾는 방법들이 최근 들어서 연구되어 왔는데, 본 논문에서는 통계적 기법 중 하나인 Tsallis-Entropy를 사용하여 이기적인 노드 탐색 알고리즘에 대하여 제안한다. Tsallis-Entropy는 확률 분포에서 확률들이 얼마나 많이 집중되어 있는 지와 얼마나 많이 퍼져있는 지를 나타내는 지표로써 사용된다. 본 논문에서는 Tsallis-Entropy의 이러한 특성을 이용하여 제안한 알고리즘에서는 이기적인 노드의 확률분포와 정상 노드의 확률분포들에 대한 Tsallis-Entropy를 먼저 계산한 후 임계치와 비교하는 방법으로 이기적 노드 검출한다. 제안하는 알고리즘은 무선 랜에서 동작하는 모든 노드들로부터 데이터 전송에 관한 정보를 수집할 수 있어야 하므로 AP에서 수행되도록 한다. 또한, 노드들의 동작이 시간에 따라 변동될 수 있으므로 시계열 평균인 이동평균을 사용하여 엔트로피 값을 조정한다. 논문에서 제안한 이기적 노드 검출 알고리즘의 성능을 평가하기 위하여 다양한 무선 랜 환경(혼잡도, 데이터 량, 이기적 노드 동작방법, 임계치)을 고려하여 시뮬레이션을 수행한다. 시뮬레이터는 ns(network simulator)-2를 사용하였으며, 실험결과 제안한 방법의 이기적 노드 검출률이 다른 알고리즘에 비해 매우 높음을 알 수 있다. 그렇게 무선 채널을 다양하게 설정한 실험을 통해 제안하는 알고리즘 성능의 우수성을 증명한다.

다국어 초록 (Multilingual Abstract)

IEEE 802.11 MAC protocol standard is originally designed to ensure the fair channel access between wireless LAN(Local Area Network) nodes sharing wireless channel. It is, however, revealed that some nodes, in hot spot area spreaded rapidly, transmit more data than other nodes by artificial means. This misbehavior nodes modify the internal process of MAC protocol or interrupt the MAC procedure of other nodes for more data transmission. This problem is referred to as selfish node problem and this problem and malicious node problem are composed of the misbehavior nodes problem of wireless LAN.
This paper proposes a statistical algorithm to detect selfish nodes to solve the selfish node problem. Previous literatures shows the almost methods of analyzing the MAC procedures of all mobile nodes in the same WLAN to detect the selfish nodes. However, this kind protocol analysis can't find all kinds of selfish procedure enough. In a totally different way, a few researches detect the selfish nodes through statistical methods to recover the weakness of previous protocol based methods.
This paper also address this problem of detecting selfish node using Tsallis-Entroy which is a kind of statistical method. Tsallis-Entropy is a criteria which can show how much is the density or deviation of probability distribution. In this paper, all Tsallis-Entory values of all nodes within the wireless channel is firstly calculated from their probability distributions and then compared in terms of a threshold value to detect the selfish nodes. The proposed algorithm is designed to operate at the AP within wireless LAN which can search the data transmission from all nodes and for time series analysis to consider time variation. To evaluate the performance of proposed algorithm, simulation experiments are performed in various wireless LAN environments (congestion, the amount of data, how selfish node behavior, threshold level) using ns2(network simulator version 2). The simulation results show that the proposed algorithm achieves higher successful detection rate than other algorithm.

목차 (Table of Contents)

• 1. 서 론 = 1
• 2. 연구 배경 = 4
• 2.1 IEEE 802.11 무선 랜에서의 DCF 동작 원리 = 4
• 2.2 무선 네트워크에서 이기적인(Selfish) 노도의 문제 = 6
• 2.2.1 타 노드 전송 충돌 문제 = 6
• 2.2.2 채널 접근 시간 조절 문제 = 7
• 2.3 Entropy 정의 및 활용 방법 = 9
• 3. 관련 연구 = 13
• 3.1 무선 랜에서 불법적인 노드 = 13
• 3.2 DCF(CSMA/CA)프로토콜 분석을 통한 이기적인 노드 탐지 = 13
• 3.2.1 Idle 시간 분석을 통한 이기적인 노드 탐지 = 14
• 3.2.2 전송빈도를 비교해서 이기적인 노드 탐지 방법 = 15
• 3.2.3 Probe 메시지를 사용하여 이기적인 노드 탐지 방법 = 16
• 3.2 성능(Performance)을 측정해서 이기적인 노드 탐지 방법 = 17
• 3.2.1 Uniform 분포 비교 분석을 통한 이기적인 노드 탐지 = 18
• 3.2.2 노드 별 분포 상호비교분석을 통한 이기적인 노드 탐지 = 19
• 4. Tsallis-Entropy를 이용한 이기적인 노드 검출 알고리즘 = 21
• 4.1 데이터 수집 및 분류 = 23
• 4.1.1 각 노드별 MAC Frame 분류 = 23
• 4.1.2 각 노드별 Frame의 파라미터 분류 = 24
• 4.2 Tsallis-Entropy 계산 = 26
• 4.2.1 각 파라미터 분포화 = 27
• 4.2.2 Tsallis-Entropy 변환 = 28
• 4.3 이기적인 노드 탐지 = 28
• 4.3.1 이동 평균(Moving Average) 모델 = 28
• 4.3.2 이동 평균 Tsallis-Entropy 정규화 = 29
• 4.3.3 Entropy 비교 = 31
• 5. 시뮬레이션 및 성능 평가 = 32
• 5.1 시뮬레이션 환경 = 32
• 5.2 시뮬레이션 결과를 통한 성능 평가 = 33
• 6. 결론 = 51
• 참고 문헌 = 53