무선 환경에서 TCP 성능 개선을 위한 머신러닝 기반 LDA 혼잡제어 설계

Abstract

Listen

Translate article

TCP는 신뢰성을 기반으로 한 대표적인 전송계층 프로토콜이다. 하지만 TCP는 과거 80년대에 설계된 프로토콜이기 때문에 유선환경에 적합하게 설계되어있다. 이러한 이유로 현재 TCP에서 사용하는 손실 기반의 혼잡제어는 어떠한 손실이라도 혼잡으로 판단하여 동작하기 때문에 무선 채널 에러가 자주 발생하는 무선 환경에서 성능 저하가 발생하는 문제가 있다. 본 논문에서는 이와 같은 문제를 해결하기 위해 머신러닝 기반의 LDA(Loss Discriminiation Algorithm)을 설계하였으며 이를 적용한 MLLDA(Machine Learning based-LDA) 혼잡제어를 제안하였다. MLLDA 혼잡제어는 머신러닝 기법 중에서 MLP를 사용하여 혼잡으로 인한 패킷 손실과 무선 채널 환경에 의한 손실을 구분하도록 학습시켰다. 그리고 학습 결과를 바탕으로 혼잡제어를 수행하도록 설계하였다. 제안한 혼잡제어 검증을 위해 리눅스커널에 제안한 알고리즘을 구현하고 패킷 손실이 발생하는 테스트베드를 구성하여 기존 혼잡제어와 비교분석 하였다. 실험결과 제안한 혼잡제어가 패킷 손실이 발생하는 환경에서 패킷 손실구분 정확도가 98%로 나타났고, 기존 혼잡제어보다 패킷 손실 구분 정확도와 평균 전송속도 성능이 크게 개선됨을 보였다.