CWN(CHANGE WITH NEWS) - 순천향대 연구팀, 차세대 무선 네트워크 문제 해결 연구 논문 발표

코로나 시대에 커뮤니케이션 비대면 전환과 함께 개인의 활동도 자연스레 대부분 인터넷을 통해 이루어지게 되었다. 인터넷과 모바일, 컴퓨터 네트워크의 사용이 급증함에 따라 통신 서비스의 중요성이 강화되면서 데이터 전송과 보안의 문제를 해결하기 위한 노력이 이뤄지고 있다.

순천향대의 김석훈 교수 연구팀은 무분별한 무선 자원 관리 문제 해결에 주목했다. 그리고, 차세대 무선 네트워크의 문제를 해결할 수 있는 기술 연구에 효과적인 성과를 보았다고 밝혔다.

연구팀은 KNN(K-Nearest Neighbor) 기반의 머신러닝 알고리즘을 개발하여 5G/B5G의 네트워크 환경에서 많은 양의 데이터 전송 요청이 동시에 이루어질 때 네트워크 자원 활용의 불균형 현상을 해결하도록 실시간 사물인테넛(IoT) 네트워크의 통신 서비스 품질(QoS)을 향상하는 방안을 제시했다.이를 적용한 동적 RRH(Radio Remote Head) 게이트웨이 스티어링 기법을 선보이며 통신 신뢰성과 대기시간, 처리량의 성능 향상을 가능하게 해 다양한 차세대 모바일 네트워크 통신 사업에 응용할 수 있을 것으로 보인다.

김석훈 교수 연구팀의 성과는 국제 저명 학술지인 'Computers, Materials & Continua'에 <Intelligent Real-Time IoT Traffic Steering in 5G Edge Network>라는 제목으로 게재되었다.

더불어 차세대 모바일 네트워크(NGMN)와 5G 및 6G 기반의 사물 인터넷(IoT) 애플리케이션에서 발생하는 개인 정보의 보호 제약 문제를 연합 학습(FL)을 활용하여 해결할 수 있음을 밝혔다. 클라이언트와 집계기 사이에 발생하는 대규모 트래픽을 처리할 수 있는 SDN 아키텍처에 경량 FL 스킴(연합 학습 기법)을 적용하는 방안을 개발했다.

이를 활용하면 송신자와 수신자 간의 E2E(End-To-End) 효율적이면서 안전한 데이터 전송이 가능해져 FL 통신 지연과 처리량, 시스템 신뢰성 및 모델 정확도 등 다양한 성능 평가 결과에서 우수한 성적을 보여주었다. 또한, 연구팀은 이번 연구로 개인 정보 보호의 제약이 가능한 컴퓨팅 서비스에서의 활용 가능성을 새롭게 열었다.

[저작권자ⓒ CWN(CHANGE WITH NEWS). 무단전재-재배포 금지]