[논문 리뷰] IP Geolocation through Reverse DNS

Ovidiu Dan, Vaibhav Parikh외 1명|arXiv (Cornell University)|2018. 11. 10.

Internet Traffic Analysis and Secure E-voting참고 문헌 30인용 수 5

한 줄 요약

이 논문은 공개된 역방향 DNS 호스트네임을 사용하여 IP 주소의 위치를 지정하기 위한 기계학습 접근법을 제안한다. 이 작업은 다중 레이블 분류 문제로 간주되어 잠재적인 도시 수준 위치를 순위 매기는 방식으로 수행된다. 이는 학술 기준보다 뚜렷이 뛰어나며 상업적 지도 데이터베이스를 보완하며, 진짜 위치에서 20km 이내에 도달하는 데 54%의 정확도를 달성한다.

ABSTRACT

IP Geolocation databases are widely used in online services to map end user IP addresses to their geographical locations. However, they use proprietary geolocation methods and in some cases they have poor accuracy. We propose a systematic approach to use publicly accessible reverse DNS hostnames for geolocating IP addresses. Our method is designed to be combined with other geolocation data sources. We cast the task as a machine learning problem where for a given hostname, we generate and rank a list of potential location candidates. We evaluate our approach against three state of the art academic baselines and two state of the art commercial IP geolocation databases. We show that our work significantly outperforms the academic baselines, and is complementary and competitive with commercial databases. To aid reproducibility, we open source our entire approach.

연구 동기 및 목표

• 공개된 역방향 DNS 호스트네임을 활용하여 체계적이고 공개 가능한 IP 지도화 방법을 개발함으로써, 기술적으로는 비공개 기법에 비해 무시되는 경향이 있는 이 데이터를 활용하고자 한다.
• 기존 학술 지도화 기준의 한계를 극복하기 위해 기계학습을 활용하여 공개된 호스트네임 데이터를 활용하고자 한다.
• 역방향 DNS 데이터를 다른 자료원과 융합하여 IP 지도화 시스템의 정확도와 커버리지 향상을 도모하고, 특히 상업적 데이터베이스가 부족한 분야에서 이를 보완하고자 한다.
• 정밀한 GPS 데이터를 수집하지 않고도 공개된, 근사한 위치 힌트만을 활용하여 프라이버시를 보장하고자 한다.
• 모델, 특징 생성기, 샘플링 전략을 포함한 전체 파이프라인의 오픈소스화를 통해 재현 가능성을 확보하고자 한다.

제안 방법

• 역방향 DNS 지도화를 다중 레이블 분류 문제로 간주하여, 각 호스트네임을 잠재적인 도시 수준 위치의 순위 목록으로 매핑한다.
• 호스트네임 분할기(subcomponent)가 'wallingford.ct.us'와 같은 요소들을 도시, 주, 국가 등의 잠재적 지리적 용어로 분리한다.
• 비지역 용어(예: 'mail', 'server')를 필터링하는 블랙리스트를 통해 특징 공간의 노이즈를 줄인다.
• 지역 용어 빈도, 언어적 패턴, 호스트네임의 구조적 맥락적 단서를 포함한 주요 및 보조 특징의 조합을 사용한다.
• 2700만 개의 호스트네임으로 구성된 기준 데이터셋(익명화된 도시 수준 위치)을 기반으로 지도 학습된 분류기를 사용하며, 특징 공학을 위해 공개된 데이터셋을 활용한다.
• 모델은 각 호스트네임에 대해 다수의 가능성이 있는 위치 후보를 출력하여 다른 지도화 데이터 소스와 융합함으로써 전체 정확도를 향상시킬 수 있다.

실험 결과

연구 질문

• RQ1 역방향 DNS 호스트네임을 체계적으로 활용하여, 특히 상업적 데이터베이스가 정확도나 완전성 면에서 떨어지는 경우에 IP 지도화 정확도를 향상시킬 수 있는가?
• RQ2 역방향 DNS 데이터로 학습된 기계학습 모델은 최신 학술 기준 대비 오차 거리와 커버리지 측면에서 어떻게 비교되는가?
• RQ3 역방향 DNS 지도화가 상업적 지도화 데이터베이스를 얼마나 잘 보완할 수 있으며, 어떤 분야에서 그들보다 뛰어나게 작동하는가?
• RQ4 예를 들어 기준 데이터를 도시 수준 정확도로 익명화하는 등의 프라이버시 보존 데이터 처리 방식이 지도화 시스템의 신뢰성과 윤리적 사용에 어떤 영향을 미치는가?
• RQ5 공개된 데이터와 샘플링 전략만을 사용하여 완전히 오픈소스화된 역방향 DNS 지도화 파이프라인을 구축하고 재현할 수 있는가?

주요 결과

• 제안된 방법은 중앙 오차 및 누적 오차 거리 측면에서 모든 세 개의 학술 기준보다 뛰어나며, 진짜 위치에서 20km 이내에 도달하는 데 54%의 성공률을 기록했다.
• DRoP 기준은 다른 방법들보다 유의미하게 열등한 성능을 보였으며, 이는 역방향 DNS 지도화에서 체계적인 특징 공학의 중요성을 강조한다.
• 평균적으로 이 방법은 중앙 오차 43.7km를 기록했으며, 이는 상업적 제공자(16.7km 및 11.1km)보다는 떨어지지만 특정 분야에선 경쟁력 있는 성능을 보였다.
• 교육 기관 및 정부 네트워크와 같은 특수 분야에서 뛰어난 성능을 보였으며, 이는 상업적 데이터베이스가 종종 성능을 떨어뜨리는 분야임을 시사한다.
• 모델이 다수의 가능성이 있는 위치 후보를 출력할 수 있다는 점은 다른 지도화 자료원과 융합하기에 매우 적합하여 전체 시스템의 강건성을 향상시킨다.
• 모델, 특징 생성기, 샘플링 전략의 오픈소스화는 연구 공동체가 전체 파이프라인을 재현하고 확장할 수 있도록 한다.