[論文レビュー] XLBoost-Geo: An IP Geolocation System Based on Extreme Landmark Boosting

Yu-Cheng Wang, Hongsong Zhu+4 more|arXiv (Cornell University)|Oct 26, 2020

Web Data Mining and Analysis参考文献 26被引用数 7

ひとこと要約

XLBoost-Geo は、ウェブページからの場所を示す手がかりを用いて多数の信頼性の高いランドマークを抽出することで、IP 位置特定の精度を向上させる新規の IP 位置特定システムである。本システムは、自己適応損失関数を備えた双方向LSTM（LSTM-Ada）を用いて微細な地理的手がかりを抽出し、その後ネットワーク遅延およびトポロジー測定を用いてターゲットIPを最も近いランドマークに関連付ける。RIPE Atlasノードにおいて2,561mの中央誤差距離を達成し、SLG や IPIP を上回る精度を実現した。

ABSTRACT

IP geolocation aims at locating the geographical position of Internet devices, which plays an essential role in many Internet applications. In this field, a long-standing challenge is how to find a large number of highly-reliable landmarks, which is the key to improve the precision of IP geolocation. To this end, many efforts have been made, while many IP geolocation methods still suffer from unacceptable error distance because of the lack of landmarks. In this paper, we propose a novel IP geolocation system, named XLBoost-Geo, which focuses on enhancing the number and the density of highly reliable landmarks. The main idea is to extract location-indicating clues from web pages and locating the web servers based on the clues. Based on the landmarks, XLBoost-Geo is able to geolocate arbitrary IPs with little error distance. Specifically, we first design an entity extracting method based on a bidirectional LSTM neural network with a self-adaptive loss function (LSTM-Ada) to extract the location-indicating clues on web pages and then generate landmarks based on the clues. Then, by measurements on network latency and topology, we estimate the closest landmark and associate the coordinate of the landmark with the location of the target IP. The results of our experiments clearly validate the effectiveness and efficiency of the extracting method, the precision, number, coverage of the landmarks, and the precision of the IP geolocation. On RIPE Atlas nodes, XLBoost-Geo achieves 2,561m median error distance, which outperforms SLG and IPIP.

研究の動機と目的

• IP 位置特定システムにおける信頼性の高いランドマークが不足しており、希少であるという長年の課題に対処すること。
• 信頼性の高いランドマークの数と密度を増加させ、位置特定の精度を向上させること。
• 公開可能なウェブコンテンツからランドマークを抽出するコスト効率が良くスケーラブルな手法を開発すること。
• ルールベースの手法ではなく深層学習を用いて微細な地理的手がかり（例：通りレベル）を抽出することでランドマークの品質を向上させること。
• 独自のプロプライエタリデータやGPSベースのデータに依存せずに、オープンなウェブデータのみで高精度なIP位置特定を実現できることを示すこと。

提案手法

• 場所を示す手がかりをウェブページから抽出するために、自己適応損失関数を備えた双方向長短期記憶ネットワーク（LSTM-Ada）が用いられる。
• システムは、非構造化ウェブコンテンツから通り番地、都市、組織などの微細な地理的エンティティを同定および抽出する。
• 複数の候補位置を持つIPに対して曖昧さを解消するための座標選択アルゴリズムが採用され、最も妥当な地理座標が選ばれる。
• 遅延およびルーティング情報に基づいて、ネットワーク遅延およびトポロジー測定を用いてターゲットIPに最も近いランドマークを特定する。
• システムはターゲットIPを最も近いランドマークの地理座標にマッピングすることで、推定誤差を最小限に抑える。
• 複数のウェブページにおける一貫性および測定の一貫性を用いて、ランドマーク候補を検証および精錬する。

実験結果

リサーチクエスチョン

• RQ1 ウェブページからの深層学習ベースのエンティティ抽出が、信頼性の高いIP位置特定ランドマークの数と質を顕著に増加させ得るか？
• RQ2 組織名や微細な場所の手がかりを追加で用いることで、キーワードベースや正規表現ベースの手法と比較してランドマークの密度と位置特定精度が向上するか？
• RQ3 GPS やプロプライエタリデータベースに依存せずに、オープンなウェブデータのみで高精度なIP位置特定を実現できる範囲はどの程度か？
• RQ4 ネットワーク遅延およびトポロジー測定の統合が、ランドマーク選択および位置特定精度をどのように向上させるか？
• RQ5 LSTMモデルにおける自己適応損失関数が、従来のルールベースまたは固定損失関数の手法を上回る性能を示せるか？

主な発見

• XLBoost-Geo は、RIPE Atlas ノードにおいて2,561メートルの中央誤差距離を達成し、位置特定精度において SLG や IPIP を上回った。
• LSTM-Ada モデルは、従来のルールベースまたは正規表現ベースの手法と比較して、場所を示す手がかりの抽出精度を顕著に向上させた。
• 本システムは多数の信頼性の高いランドマークを効果的に抽出し、多様な地理的地域におけるランドマークの密度とカバレッジを向上させた。
• 組織名を追加の手がかりとして用いることで、特に通りレベルでの未発見のランドマークを発見することができた。
• ランドマーク選択にネットワーク測定を統合することで、最も正確なランドマークに近接するマッピングが可能になり、推定誤差が低減した。
• 提案手法は、外部またはプロプライエタリデータソースに依存することなく、公開可能なウェブコンテンツのみで高精度なIP位置特定を実現できることを示した。