[論文レビュー] Revealing the Autonomous System Taxonomy: The Machine Learning Approach

Xenofontas Dimitropoulos, Dmitri Krioukov+2 more|ArXiv.org|Apr 6, 2006

Complex Network Analysis Techniques参考文献 9被引用数 66

ひとこと要約

本論文は、多様なデータソースを用いて自律的自律システム（AS）を自然な分類に分類する機械学習ベースのアプローチを提案し、95.3%のASを6つのタイプ（顧客、小規模ISP、大学、NIC、IXP、大規模ISP）に分類する際、78.1%の正確性を達成した。この手法はIRRレコード、AS関係、IPプレフィックス、BGPトポロジー・データを活用して特徴を抽出し、分類器を学習する。結果は公開され、現実的なインターネットモデリングおよび分析を支援する。

ABSTRACT

Although the Internet AS-level topology has been extensively studied over the past few years, little is known about the details of the AS taxonomy. An AS "node" can represent a wide variety of organizations, e.g., large ISP, or small private business, university, with vastly different network characteristics, external connectivity patterns, network growth tendencies, and other properties that we can hardly neglect while working on veracious Internet representations in simulation environments. In this paper, we introduce a radically new approach based on machine learning techniques to map all the ASes in the Internet into a natural AS taxonomy. We successfully classify 95.3% of ASes with expected accuracy of 78.1%. We release to the community the AS-level topology dataset augmented with: 1) the AS taxonomy information and 2) the set of AS attributes we used to classify ASes. We believe that this dataset will serve as an invaluable addition to further understanding of the structure and evolution of the Internet.

研究の動機と目的

• インターネットにおける自律的自律システム（AS）の体系的でデータ駆動型の分類法の欠如が、トポロジーおよび成長の正確なモデリングを妨げているのを是正すること。
• 従来のヒューリスティックベースまたは次数中心のAS分類手法の限界を克服し、根本的に異なるネットワーク特性を持つASを混同するのを防ぐこと。
• AS特性の内的で経験的に観察された差異を特定する機械学習フレームワークを構築し、自然で代表的な分類法を生成すること。
• 交差検証および1,200のASを手動でラベル付けすることで、分類器の性能を検証し、信頼性および一般化可能性を確保すること。
• 今後のインターネット構造、進化、シミュレーション研究を支援するため、AS属性および分類ラベルの包括的データセットを公開すること。

提案手法

• 本手法は、インターネットルーティングレジストリ（IRR）レコード、RouteViews BGPデータ、推定されたAS関係、IPプレフィックス広告を含む多様なデータソースを用い、ASのマクロスコピック特徴を抽出する。
• これらの特徴をもとに機械学習分類器を学習させ、6つのASクラス（大規模ISP、小規模ISP、顧客AS、大学、IXP、NIC）を区別する。
• 分類器は信頼度順位を用いて各クラスの確率を割り当て、交差検証中に正確性とカバレッジを評価指標として用いる。
• 交差検証は、1,100件の例からなる訓練セットサイズを変化させながら400回実施され、各イテレーションで100件の例を検証用に確保する。
• 特徴が十分でないため、4.7%のAS（923件）については予測を控える。
• 最終モデルは24,713件のASを含む全データセットに適用され、78.1%の正確性、上位2つの予測内に正しく分類される割合が97.7%の分類法を生成した。

実験結果

リサーチクエスチョン

• RQ1 内在的で経験的に観察された特徴に基づいて、ヒューリスティクスやグラフベースのヒューリスティクスではなく、機械学習的手法が自然な分類法にASを効果的に分類できるか？
• RQ2 大学と小規模事業所、またはISPと顧客ASなど、根本的に異なるネットワークインフラを有するASを分類器がどれほど正確に区別できるか？
• RQ3 BGPトポロジー以外のデータ多様性が、AS分類の質および信頼性に与える影響は何か？
• RQ4 顧客ASと小規模ISPの間で特徴の類似性が原因で、分類誤りが生じる程度はどの程度か？
• RQ5 AS属性および分類ラベルの公開データセットが、インターネットトポロジーおよび進化モデリングの現実性を著しく向上させられるか？

主な発見

• 分類器は、データセットに含まれる24,713件のASのうち95.3%を正しく分類し、検証セットで78.1%の正確性を達成した。
• カバレッジ0.251は、97.7%の予測で正しいクラスが上位2位以内に含まれることを示している。
• 大規模ISP、NIC、IXP、大学は100%の正確性で分類されたが、顧客ASと小規模ISPはそれぞれ92.8%、72.1%の正確性であった。
• 分類の主な課題は重複する特徴に起因する：小規模ISPと顧客ASはしばしば低次数（1〜2）と類似したプレフィックス広告パターンを共有する。
• データセットには、顧客AS 11,729件（63.0%）、小規模ISP 5,599件（30.1%）、大学 877件（4.7%）、IXP 333件（1.8%）、NIC 33件（0.2%）、大規模ISP 44件（0.2%）が含まれる。
• 著者らは、AS属性および分類ラベルを含む完全なデータセットをコミュニティに公開し、これまでは類似した中で最も包括的な収集とされている。