기술 요약: SATLOCK

1. 문제 정의

저궤도(LEO) 위성 군집을 통한 암호 키 라우팅은 고전적인 트래픽 엔지니어링과는 구별되는 독특한 과제들을 제시합니다. 저자들은 양자 키 분배(QKD) 스케줄링을 복잡하게 만드는 세 가지 주요 제약 조건을 식별했습니다:

1. 손실의 비가역성: 양자 신호는 증폭하거나 복제할 수 없습니다. 손실된 모든 광자는 키 생성률을 영구적으로 감소시킵니다.
2. 확률적 환경 요인: 구름 덮임은 세션 도중 지상 링크를 무력화할 수 있는 온/오프 마스크 역할을 하며, 유한 키 효과(finite-key effects)는 보안 오버헤드로 인해 짧고 고도가 낮은 통과 구간(통상 60초 미만)을 무용하게 만듭니다.
3. 핸드오버 결합형 스케줄링: 가장 결정적인 제약은 "핸드오버 페널티"입니다. 연속된 타임 슬롯 사이에서 위성을 한 지상 수요에서 다른 수요로 재할당하려면 광학 터미널이 재지향(re-point) 및 재포착(re-acquire) 과정을 거쳐야 하며, 이는 처리량 손실(슬롯당 50% 손실로 모델링됨)을 초래합니다. 이는 **시간적 결합(temporal coupling)**을 생성합니다. 즉, 현재 슬롯에서의 스케줄링 결정이 다음 슬롯 결정의 타당성과 비용에 영향을 미칩니다. 기존의 휴리스틱은 이러한 결합을 무시하는 경우가 많으며, 이는 특히 높은 네트워크 경합 상황에서 측정 가능한 처리량 저하를 초래합니다.

본 논문은 유한 키 효과, 확률적 날씨, 그리고 핸드오버 결합형 스케줄링을 동시에 고려하면서 증명 가능한 최적성 인증(optimality certificate)을 제공하는 선행 연구의 부재를 다룹니다.

2. 방법론

저자들은 세 가지 핵심 구성 요소로 이루어진 프레임워크인 SATLOCK을 제안합니다:

A. 복합 채널 모델 (Composite Channel Model)

이 프레임워크는 슬롯당 유한 키 비밀 키 생성률($R_{fk}$)을 계산하는 물리 기반 링크 모델을 활용합니다. 총 투과율($\eta_{total}$)은 다음 네 가지 항의 곱입니다:

• 대기 손실: Beer-Lambert 소멸 법칙을 통해 모델링됩니다.
• 회절 손실: 빔 웨이스트(beam waist)와 거리에 기반한 원거리 회절(far-field diffraction)입니다.
• 포인팅 지터(Pointing Jitter): 가우시안 빔 흔들림 손실(Micius급 시스템과 일치하는 0.7 $\mu$rad로 모델링됨)입니다.
• 날씨: 지속성($\rho=0.85$)과 스테이션별 맑은 하늘 확률을 가진 마르코프 체인 클라우드 마스크입니다.

비밀 키 생성률은 **디코이 상태 추정(decoy-state estimation)**과 유한 키 교정(finite-key correction)(집단 공격에 대한 합성 가능 보안 분석 기반)을 포함합니다. 이 교정은 $10^4$개의 신호 광자보다 적게 생성되거나 보안 페널티를 극복하기에 너무 짧은 통과 구간의 키 생성률을 0으로 만듭니다. 이 모델은 Qiskit BB84 시뮬레이션을 통해 검증되었으며, 프로토콜 계층과 네트워크 레벨 채널 모델 간의 일관성을 확인했습니다.

B. 핸드오버 인지형 정수 선형 계획법 (Handover-Aware ILP)

처리량의 증명 가능한 상한선을 설정하기 위해 저자들은 정확한 이진 ILP를 구성합니다.

• 목적 함수: 총 전달된 비밀 키 비트에서 핸드오버 손실 페널티를 뺀 값을 최대화합니다.
• 제약 조건:
  • 위성 독점성: 위성은 슬롯당 최대 하나의 지상국만을 서비스합니다(현재의 단일 빔 하드웨어 제한을 반영).
  • 핸드오버 탐지: 연속된 슬롯에서 위성이 수요 사이를 전환하는 것을 명시적으로 모델링하여 페널티 변수($h_{s,t}$)를 트리거합니다.
  • 경로 타당성: 경로를 직접 링크 또는 신뢰 노드를 통한 1-홉 릴레이로 제한합니다.
• 성능: 16개 위성, 6개 수요 사례에 대해 ILP는 CBC 솔버를 사용하여 약 0.8초 만에 해결됩니다.

C. 분산형 심층 Q-네트워크 (DQN) 에이전트

매 단계마다 NP-난해 문제를 해결하지 않고 실시간 온라인 라우팅을 가능하게 하기 위해, 저자들은 수요별 DQN 에이전트를 훈련시킵니다.

• 상태 공간(State Space): 시간 경과, 경로 유형(직접, 1-홉, 없음)별 최적 가용 유한 키 생성률, 출발지/목적지의 날씨 상태, 누적 키 진행도, 그리고 이전 슬롯에서 다른 수요의 위성을 재사용하는지 여부를 나타내는 플래그를 포함합니다.
• 행동 공간(Action Space): 건너뛰기(skip), 직접(direct), 또는 1-홉 릴레이 중 하나의 라우팅 옵션을 선택합니다.
• 보상(Reward): 전달된 키 볼륨을 기준으로 하되, 릴레이 홉 수와 핸드오버 발생에 의해 페널티를 받습니다.
• 추론 속도: 훈련된 에이전트는 슬롯당 약 50 $\mu$s 내에 행동을 선택하며, 이는 ILP를 다시 푸는 것보다 약 16,000배 빠릅니다.

3. 주요 기여

1. 물리 기반 채널 모델: 대기 물리학, 포인팅 지터, 마르코프 날씨 및 유한 키 교정을 통합하고 Qiskit 시뮬레이션으로 검증된 복합 모델을 구축했습니다.
2. 증명 가능한 최적성 인증: 핸드오버 제약을 통해 시간적 결합을 명시적으로 모델링하는 ILP 정식화를 제공하여, 기존의 휴리스틱 전용 연구에서는 불가능했던 타이트한 처리량 상한선을 제공합니다.
3. 날씨 적응형 온라인 라우팅: 개별 수요별 날씨 정책을 학습하고 핸드오버 페널티를 처리할 수 있는 분산형 DQN 에이전트를 구현했으나, 수요 간의 협력 부재로 인한 한계가 존재합니다.

4. 평가 및 결과

프레임워크는 확률적 마르코프 날씨 하에서 10개의 지상국에 걸쳐 대륙 간 수요를 처리하는 Walker 53°:16/4/1 군집을 대상으로 평가되었습니다.

• 낮은 경합 상황 (16개 위성, 6개 수요):

  • ILP는 1,311 Mbit를 달성했습니다.
  • 가장 강력한 휴리스틱(Caleffi, Pant, Greedy)은 ILP의 **95~96%**에 도달했습니다.
  • DRL 에이전트는 ILP의 **91.8%**에 도달했습니다.
  • 관찰: 위성 독점성이 거의 구속 조건이 되지 않으므로, 근시안적(myopic) 휴리스틱이 잘 작동합니다.

• 높은 경합 상황 (8개 위성, 12개 수요):

  • ILP는 980 Mbit를 달성했습니다.
  • 휴리스틱은 ILP의 **89.5%**로 떨어졌습니다.
  • DRL 에이전트는 ILP의 **84.6%**로 떨어졌습니다.
  • 관찰: 핸드오버가 빈번해지고 구속 조건이 되면 시간적 결합이 매우 중요해집니다. 근시안적 알고리즘은 위성 재할당을 전역적으로 조정하지 못해 상당한 처리량 손실을 초래합니다. DRL 에이전트는 효과적인 날씨 정책을 학습하지만, 중앙 집중식 조정 없는 독립적인 의사결정의 한계를 보입니다.

• 공정성 vs. 처리량: ILP는 총 처리량을 최대화하므로, 지속적으로 구름에 가려진 수요 쌍을 배제하고 더 맑은 링크를 선택하는 결과를 낳을 수 있습니다. 저자들은 이것이 총합 목적 함수에 내재된 트레이드오프라고 언급합니다.

5. 의의 및 주장

본 논문은 SATLOCK이 유한 키 교정, 마르코프 구름 덮임, 그리고 핸드오버 결합형 스케줄링을 증명 가능한 최적성 인증과 함께 공동으로 모델링한 최초의 프레임워크라고 주장합니다.

주요 의의는 시간적 결합을 무시했을 때 발생하는 비용을 정량화한 데 있습니다. 저자들은 높은 경합 상황에서 전역 최적 스케줄링(ILP)과 슬롯별 근시안적 라우팅 사이의 격차가 **10.5%**까지 벌어짐을 입증했습니다. 모든 보안 비트가 비싼 기술 분야에서 이 차이는 매우 큽니다.

이 연구는 분산형 DRL이 실시간 추론($\sim50$ $\mu$s)을 위한 실행 가능한 경로를 제공하지만, 명시적인 다중 에이전트 협업 없이는 중앙 집중식 위성 충돌을 완전히 해결할 수 없음을 보여줍니다. 저자들은 DRL 에이전트와 ILP 사이의 잔여 격차를 향후 중앙 집중식 다중 에이전트 DRL 연구의 동기로 제시합니다.

저자들이 인정한 한계점:

• 평가는 실제 기상 데이터가 아닌 2-상태 마르코프 프로세스를 사용한 시뮬레이션 기반입니다.
• 현재 모델은 양자 중계기를 통한 엔드 투 엔드 얽힘이 아닌 신뢰 노드 릴레이(1-hop)를 가정합니다.
• DRL 에이전트의 성능은 분산된 특성에 의해 제한되며, 결합된 행동 공간을 조합론적으로 해결하지 않습니다.