[論文レビュー] Near-Deterministic Inference of AS Relationships

Yuval Shavitt, Eran Shir+1 more|ArXiv.org|Nov 28, 2007

Complex Network Analysis Techniques被引用数 9

ひとこと要約

本稿では、上位レベルのプロバイダーから構成されるインターネットコアを用いて、自律的システム（AS）関係を近似的に決定的（near-deterministic）に推定するアルゴリズムを提案する。BGPおよびtracerouteデータを活用することで、不完全なコアであっても誤差を最小限に抑え、95％以上のASリンクを決定的に推定可能であり、DIMESデータを用いたp2pリンク検出が顕著に向上する。本手法は、20個のコアASおよび1週間分のデータでさえも、その堅牢性とスケーラビリティを検証する。

ABSTRACT

The discovery of Autonomous Systems (ASes) interconnections and the inference of their commercial Type-of-Relationships (ToR) has been extensively studied during the last few years. The main motivation is to accurately calculate AS-level paths and to provide better topological view of the Internet. An inherent problem in current algorithms is their extensive use of heuristics. Such heuristics incur unbounded errors which are spread over all inferred relationships. We propose a near-deterministic algorithm for solving the ToR inference problem. Our algorithm uses as input the Internet core, which is a dense sub-graph of top-level ASes. We test several methods for creating such a core and demonstrate the robustness of the algorithm to the core's size and density, the inference period, and errors in the core. We evaluate our algorithm using AS-level paths collected from RouteViews BGP paths and DIMES traceroute measurements. Our proposed algorithm deterministically infers over 95% of the approximately 58,000 AS topology links. The inference becomes stable when using a week worth of data and as little as 20 ASes in the core. The algorithm infers 2-3 times more peer-to-peer relationships in edges discovered only by DIMES than in RouteViews edges, validating the DIMES promise to discover periphery AS edges.

研究の動機と目的

• ヒューリスティックに大きく依存する既存のAS関係推定アルゴリズムに、誤差の境界が欠如している問題に対処すること。
• 安定した高レベルのインターネットコアを入力として用いることで、誤差伝搬を最小限に抑えた決定的推定手法を開発すること。
• コア定義、サイズ、誤りレベルの変動に対するアルゴリズムの堅牢性を評価すること。
• BGPルーティングテーブルに見えない周辺リンクを捉えることができるDIMESトレースルートデータを統合することで、p2p関係の検出を向上させること。
• ヒューリスティックの使用を、小さな、明確に定義された関係のサブセットに限定することで、推定誤差に厳密な境界を設けること。

提案手法

• 本手法は、既知の関係タイプを持つ、上位ASの密な部分グラフ（いわゆるインターネットコア）を入力として用いる。
• RouteViews BGPデータおよびDIMESトレースルートからのASレベル経路に基づく決定的推定プロセスを適用し、新たな誤差を導入せずに関係を推定する。
• 決定的に推定できないエッジについては、2段階のヒューリスティックを適用する：次数に基づく投票とkシェルインデックスの比較により、同数の候補がある場合の解決とp2pリンクの推定を行う。
• コアは、kコアやグリーディ最大クリークなどの複数の方法で構築され、異なる定義における堅牢性を検証する。
• ランダムな誤りをコアに注入し、決定的推定の劣化度とCAIDAの真値との相関度を測定することで、推定の安定性と正確性を評価する。
• BGPおよびトレースルートデータを併用することで、観測ポイントを増やし、BGPテーブルに見えないp2pリンクを検出する。

実験結果

リサーチクエスチョン

• RQ1 ヒューリスティックに基づく手法に内在する誤差の境界が無限大に及ぶ問題を避けることのできる、AS関係の決定的推定アルゴリズムを設計できるか？
• RQ2 コアサイズ、密度、定義（コア参加の誤りや関係の誤りを含む）の変動に対して、このアルゴリズムはどの程度頑健か？
• RQ3 BGPデータのみと比較して、DIMESトレースルートデータを統合することで、ピアツーピア（p2p）関係の検出はどの程度向上するか？
• RQ4 AS関係の安定的かつ正確な決定的推定を達成するために、最小でどの程度のコアサイズが必要か？
• RQ5 コアにランダムまたは誤ったASが増加するにつれて、アルゴリズムの性能はどの程度劣化するか？

主な発見

• 本手法は、1週間分のデータと最小20個のASからなるコアを用いて、約58,000のASトポロジーエッジの95％以上を決定的に推定可能である。
• コアの50％がランダムなASに置き換えられても、誤差が生じるエッジの割合が20％未満に抑えられ、本手法は依然として頑健である。
• 本手法が推定するp2p関係のうち、RouteViews BGPテーブルに存在しないものは約40％に上り、DIMESの周辺リンク検出価値を示している。
• DIMESデータでのみ検出されたp2pエッジの割合は約12％であり、全エッジの平均4–5％と比較して顕著に高い。これは、DIMESがより多くのp2p関係を捉えていることを示している。
• コアに50％のランダムASが含まれる場合、CAIDAの真値と異なって分類されるp2pエッジの割合は、約16％から40％以上に上昇する。
• 本手法は1週間分のデータで安定した推定性能を達成し、現実的なコア誤りに対しても劣化が最小限に抑えられ、実用的妥当性を示している。