[論文レビュー] Analysis of Inter-Domain Traffic Correlations: Random Matrix Theory Approach

Viktoria Rojkova, Mehmed Kantardzic|ArXiv.org|Jun 18, 2007

Complex Network Analysis Techniques参考文献 27被引用数 3

ひとこと要約

本論文は、大学バックボーンネットワーク内のドメイン間トラフィック相関を分析するための確率的行列理論（RMT）手法を提案している。SNMPベースのトラフィック時系列データの相互相関行列を用い、ランダムな相互作用とシステム固有の相互作用を区別する。この手法により、安定した非ランダム固有値および固有ベクトルが特定され、大規模なネットワーク全体のトラフィックパターンが明らかになる。一方、RMTの予測からの逸脱は異常を検出でき、構造的知識が事前に不要な状態でネットワーク健全性およびトラフィックダイナミクスのリアルタイム監視が可能になる。

ABSTRACT

The traffic behavior of University of Louisville network with the interconnected backbone routers and the number of Virtual Local Area Network (VLAN) subnets is investigated using the Random Matrix Theory (RMT) approach. We employ the system of equal interval time series of traffic counts at all router to router and router to subnet connections as a representation of the inter-VLAN traffic. The cross-correlation matrix C of the traffic rate changes between different traffic time series is calculated and tested against null-hypothesis of random interactions. The majority of the eigenvalues λ_{i} of matrix C fall within the bounds predicted by the RMT for the eigenvalues of random correlation matrices. The distribution of eigenvalues and eigenvectors outside of the RMT bounds displays prominent and systematic deviations from the RMT predictions. Moreover, these deviations are stable in time. The method we use provides a unique possibility to accomplish three concurrent tasks of traffic analysis. The method verifies the uncongested state of the network, by establishing the profile of random interactions. It recognizes the system-specific large-scale interactions, by establishing the profile of stable in time non-random interactions. Finally, by looking into the eigenstatistics we are able to detect and allocate anomalies of network traffic interactions.

研究の動機と目的

• 時間系列データのみを用いて、構造的制約のないネットワーク全体のトラフィック相互作用分析手法の開発。
• 時間的に安定したランダムな相互作用をベースラインとして特定することで、ネットワークの過負荷でない状態の確認。
• RMTの予測からの逸脱を用いて、大規模なシステム固有のトラフィック相関を検出・局所化する。
• 固有値および固有ベクトル統計の変化をモニタリングすることで、ネットワーク異常の早期検出を可能にする。
• ランダムトラフィックの制御された注入とそれに伴うスペクトルシフトの分析を通じて、手法の頑健性を実証する。

提案手法

• すべてのルータ間およびルータ-VLAN接続における等間隔のトラフィックカウント時系列データから、相互相関行列 $ C $ を構築する。
• 確率的行列理論（RMT）を適用し、$ C $ の固有値が帰無仮説下で予測されるランダム相関行列の範囲内にあるかを検証する。
• RMTのバルクから逸脱する固有値および固有ベクトルを、非ランダムでシステム固有の相互作用の指標として特定する。
• 逆参加比（IPR）および固有ベクトルオーバーラップ行列を用いて、逸脱したモードの局在化および安定性を評価する。
• 顕著な時系列にランダムトラフィックを注入し、異常を模擬して固有値分布および固有ベクトル構造の変化を観察する。
• ランダムおよび非ランダム成分の時間的安定性を分析し、ネットワーク相互作用パターンのシフトを検出する。

実験結果

リサーチクエスチョン

• RQ1 確率的行列理論は、ドメイン間トラフィックにおけるランダムなトラフィック相互作用とシステム固有の大規模相関を効果的に区別できるか？
• RQ2 トラフィック相互相関行列の固有値および固有ベクトルは、RMTの予測から安定した非ランダムな逸脱を示すか？
• RQ3 固有値スペクトルおよび固有ベクトル統計の変化は、リアルタイムでネットワーク異常を検出し、局所化できるか？
• RQ4 ランダムトラフィックの制御された注入は、相関行列のスペクトルおよび固有ベクトル特性にどのように影響するか？
• RQ5 RMTに基づく手法は、構造に依存しない普遍的な方法として、ネットワーク全体のトラフィック行動を監視できるか？

主な発見

• トラフィック相互相関行列 $ C $ の大多数の固有値は、RMTが予測する範囲内に位置しており、これは大部分の相互作用がランダムであり、過負荷でないネットワーク状態と整合していることを確認する。
• 少数の固有値がRMTの上限を著しく上回っており、ネットワーク内に安定的で非ランダムなシステム固有の大規模相関が存在することを示している。
• 逸脱した固有ベクトルは空間的に局在化しており、時間的にも安定しており、VLANルータスイッチクラスターやファイアウォール接続サブネットなど、識別可能なトラフィックグループを特定している。
• 3時間にわたりランダムトラフィックを注入した後、最大固有値は10から12に増加し、IPRのテイルが拡張された。これは局在化の増加および安定した固有ベクトルパターンの破壊を示している。
• 逸脱した固有ベクトルのオーバーラップ行列には、著しい安定性の崩壊が観察され、異常注入に起因するネットワーク相互作用構造の変化が明確に確認された。
• 本手法は、ランダムおよび非ランダム相互作用プロファイルの時間的変化を効果的に検出でき、時間的および空間的に異常をリアルタイムで局所化可能である。