[論文レビュー] A Geometric Approach for Real-time Monitoring of Dynamic Large Scale Graphs: AS-level graphs illustrated

Loqman Salamatian, Dali Kaafar+1 more|arXiv (Cornell University)|Jun 2, 2018

Topological and Geometric Data Analysis参考文献 51被引用数 3

ひとこと要約

本稿では、Ollivier-Ricci曲率を用いてASレベルのインターネットグラフにおけるグローバル構造的シフトを特定することで、動的で大規模なグラフにおける主要なトポロジー変更をリアルタイムで検出する幾何的モニタリングフレームワークを提案する。メトロポリス＝ハスティングスランダムウォークを用いて多様なランドマークを選択し、Tier-1/Tier-2ノードへの非交差最短経路を通じて曲率の変動を追跡することで、高い精度と低い計算コストで顕著なBGPレベルのイベントを検出する。

ABSTRACT

The monitoring of large dynamic networks is a major chal- lenge for a wide range of application. The complexity stems from properties of the underlying graphs, in which slight local changes can lead to sizable variations of global prop- erties, e.g., under certain conditions, a single link cut that may be overlooked during monitoring can result in splitting the graph into two disconnected components. Moreover, it is often difficult to determine whether a change will propagate globally or remain local. Traditional graph theory measure such as the centrality or the assortativity of the graph are not satisfying to characterize global properties of the graph. In this paper, we tackle the problem of real-time monitoring of dynamic large scale graphs by developing a geometric approach that leverages notions of geometric curvature and recent development in graph embeddings using Ollivier-Ricci curvature [47]. We illustrate the use of our method by consid- ering the practical case of monitoring dynamic variations of global Internet using topology changes information provided by combining several BGP feeds. In particular, we use our method to detect major events and changes via the geometry of the embedding of the graph.

研究の動機と目的

• 動的で大規模なグラフ（例：インターネット）において、局所的な変更がグローバルな障害を引き起こす可能性がある中で、主要でグローバルに広がるトポロジー変更を検出する課題に対処すること。
• 中心性や相関性といった従来のグラフ指標がグローバル構造的シフトを捉えられないという限界を克服すること。
• 幾何的曲率を用いて、ASレベルのグラフにおける局所的変更とグローバル変更を区別可能なリアルタイム監視システムを構築すること。
• 個々のASオペレータや第三者機関が、ハッキングやリークなどの主要なBGPレベルのイベントを検出し、その影響範囲を評価できるようにすること。
• グラフ内の協調的で大規模な幾何的変化を引き起こすネットワーク要素を特定するスケーラブルで効率的なメカニズムを提供すること。

提案手法

• Ollivier-Ricci曲率をASレベルのグラフの幾何的構造をモデル化するために適応し、グローバルトポロジー変更の検出を可能にする。
• メトロポリス＝ハスティングスマルコフ連鎖モンテカルロ（MCMC）アルゴリズムを用いて、グラフの異なる領域に広く分布する多様なランドマークを選択する。
• ランドマークからTier-1およびTier-2 ASへの非交差最短経路集合のサイズに基づく品質スコア関数を用い、正の曲率が顕著なランドマークを優先する。
• 高い正の曲率は測地線が発散することを幾何的直感として活用し、ランドマークが同じグラフ領域に集中しないように保証する。
• ランドマークに基づく曲率推定を用いて、連続するグラフスナップショット間の曲率変動を追跡し、顕著な幾何的変化を検出する。
• 曲率の変化を異常として特定するメカニズムを導入し、大規模なネットワーク障害を示す主要なBGPレベルのイベントとしてフラグを立てる。

実験結果

リサーチクエスチョン

• RQ1 どのようにして幾何的曲率を用いて、インターネットのような動的で大規模なグラフにおける主要でグローバルに広がるトポロジー変更を検出できるか？
• RQ2 大規模なASレベルのグラフのグローバル幾何的構造を的確に捉える代表的ランドマークを効率的かつスケーラブルに選択する方法は何か？
• RQ3 連続するグラフスナップショット間の曲率変動をどのように測定し、顕著なBGPレベルのイベントを同定に用いることができるか？
• RQ4 曲率に基づく検出手法は、ネットワークトポロジーにおける局所的変更とグローバル変更をどの程度正確に区別できるか？
• RQ5 この手法は、グラフ内での協調的で大規模な幾何的変化を引き起こすネットワーク要素を特定できるか？

主な発見

• 提案手法は、2017年のグーグルBGPリークのような主要なBGPレベルのイベントを、ASレベルグラフにおける顕著な曲率変化の特定によって成功裏に検出している。
• MCMCと曲率に配慮したスコア関数を用いたランドマーク選択メカニズムにより、グラフ全体に広く分散した多様なランドマークが確保され、検出精度が向上している。
• 全頂点の曲率を再計算するのではなく、スナップショット間の曲率変動に注目することで、リアルタイム監視が可能になっている。
• Tier-1およびTier-2 ASへの非交差最短経路の使用は、曲率の代理指標として効果的であり、スケーラブルで効率的なスコア評価を可能にしている。
• 曲率異常空間的分布の分析を通じて、大規模な幾何的変化を引き起こすネットワーク要素を特定している。
• 運用環境での評価により、本システムの実世界での性能が確認され、大規模な障害の検出において有効性を示している。