[논문 리뷰] Analysis of Inter-Domain Traffic Correlations: Random Matrix Theory Approach

Viktoria Rojkova, Mehmed Kantardzic|ArXiv.org|2007. 06. 18.

Complex Network Analysis Techniques참고 문헌 27인용 수 3

한 줄 요약

이 논문은 대학 백본 네트워크 내의 도메인 간 트래픽 상관관계를 분석하기 위해 랜덤 매트릭스 이론(RMT)을 적용한다. SNMP 기반 트래픽 시간 시리즈의 교차상관행렬을 사용하여 무작위 상호작용와 시스템 특화 상호작용를 구분한다. 이 방법은 안정적이고 비무작위적인 고유값과 고유벡터를 식별하여 대규모 네트워크 전역의 트래픽 패턴을 드러내며, RMT 예측에서의 이탈은 이상치를 감지하여 네트워크 건강 상태와 트래픽 역학을 사전 구조 지식 없이 실시간으로 모니터링할 수 있다.

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.

연구 동기 및 목표

• 시간 시리즈 데이터만을 사용하여 제약 조건이 없는 네트워크 전역 트래픽 상호작용 분석 방법론을 개발하기 위해.
• 기본값으로서 시간적으로 안정적이고 무작위적인 상호작용를 식별하여 네트워크의 과부하되지 않은 상태를 검증하기 위해.
• RMT 예측에서의 이탈을 통해 대규모 시스템 특화 트래픽 상관관계를 탐지하고 국지화하기 위해.
• 고유값 및 고유벡터 통계의 변화를 모니터링하여 네트워크 이상을 조기에 탐지하기 위해.
• 무작위 트래픽을 통제적으로 주입하고 그로 인한 스펙트럼 이동을 분석함으로써 방법의 강건성을 입증하기 위해.

제안 방법

• 모든 라우터 간 및 라우터-_VLAN_ 연결의 동일 간격 시간 시리즈 트래픽 카운트에서 교차상관행렬 $ C $ 를 구성한다.
• 랜덤 매트릭스 이론(RMT)을 적용하여 $ C $ 의 고유값이 근본가설 하에서 예상되는 랜덤 상관행렬의 범위 내에 있는지 테스트한다.
• RMT의 메인 범위에서 벗어나는 고유값과 고유벡터를 비무작위적이고 시스템 특화된 상호작용의 지표로 식별한다.
• 역참여비율(IPR)과 고유벡터 오버랩 행렬을 사용하여 이격된 모드의 국지화 및 안정성을 평가한다.
• 이상 탐지를 시뮬레이션하기 위해 중요한 시간 시리즈에 무작위 트래픽을 주입하고 고유값 분포 및 고유벡터 구조의 변화를 관찰한다.
• 무작위 및 비무작위 성분의 시간적 안정성을 분석하여 네트워크 상호작용 패턴의 이동을 탐지한다.

실험 결과

연구 질문

• RQ1 랜덤 매트릭스 이론은 도메인 간 트래픽에서 무작위 트래픽 상호작용와 시스템 특화 대규모 상관관계를 효과적으로 구분할 수 있는가?
• RQ2 트래픽 교차상관행렬의 고유값과 고유벡터는 RMT 예측에서 안정적이고 비무작위적으로 이탈하는가?
• RQ3 고유값 스펙트럼과 고유벡터 통계의 변화는 실시간으로 네트워크 이상을 탐지하고 국지화할 수 있는가?
• RQ4 무작위 트래픽의 통제적 주입은 상관행렬의 스펙트럼 및 고유벡터 성질에 어떤 영향을 미치는가?
• RQ5 RMT 기반 접근법은 네트워크 전역 트래픽 행동을 모니터링하기 위한 보편적이고 구조에 의존하지 않는 방법이 될 수 있는가?

주요 결과

• 트래픽 교차상관행렬 $ C $ 의 대부분의 고유값은 RMT 예측된 범위 내에 위치하여, 대부분의 상호작용이 무작위이며 과부하되지 않은 네트워크 상태와 일치함을 확인한다.
• 소수의 고유값이 RMT 상한선을 크게 초과하여 네트워크 내에서 안정적이고 비무작위적이며 시스템 특화된 대규모 상관관계가 존재함을 시사한다.
• 이격된 고유벡터는 공간적으로 국지화되어 있으며 시간에 걸쳐 안정적이며, VLAN-라우터 스위치 클러스터 및 방화벽 연결된 서브넷과 같은 식별 가능한 트래픽 그룹을 드러낸다.
• 3시간 동안 무작위 트래픽을 주입한 후, 가장 큰 고유값은 10에서 12로 증가하였고, IPR 尾부가 연장되어 국지화가 증가하고 안정된 고유벡터 패턴이 손상됨을 나타낸다.
• 이격된 고유벡터의 오버랩 행렬은 안정성의 급격한 붕괴를 보여주어 이상 주입으로 인한 네트워크 상호작용 구조의 감지 가능한 변화를 확인한다.
• 이 방법은 무작위 및 비무작위 상호작용 프로파일의 시간적 변화를 성공적으로 탐지하여 시간과 공간에서의 이상 국지화를 실시간으로 가능하게 한다.