[논문 리뷰] XLBoost-Geo: An IP Geolocation System Based on Extreme Landmark Boosting

Yu-Cheng Wang, Hongsong Zhu외 4명|arXiv (Cornell University)|2020. 10. 26.

Web Data Mining and Analysis참고 문헌 26인용 수 7

한 줄 요약

XLBoost-Geo는 웹 페이지에서 위치를 시사하는 단서를 활용해 대량의 매우 신뢰할 수 있는 랜드마크를 채굴함으로써 IP 지오로케이션 정밀도를 향상시키는 새로운 지오로케이션 시스템이다. 이 시스템은 자기 적응형 손실 함수를 갖춘 양방향 LSTM(LSTM-Ada)을 사용해 미세한 지리적 단서를 추출한 후, 네트워크 지연 및 토폴로지 측정을 통해 대상 IP를 가장 가까운 랜드마크에 연결하여, RIPE Atlas 노드에서 중앙 오차 거리를 2,561m로 줄였다. 이는 SLG와 IPIP를 능가하는 성능이다.

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.

연구 동기 및 목표

• IP 지오로케이션 시스템에서 부족하고 흐린 신뢰할 수 있는 랜드마크 문제를 해결하기 위해.
• 지오로케이션 정밀도 향상을 위해 매우 신뢰할 수 있는 랜드마크의 수와 밀도를 증가시키기 위해.
• 공개된 웹 콘텐츠에서 랜드마크를 채굴하기 위한 비용 효율적이고 확장 가능한 방법을 개발하기 위해.
• 규칙 기반 방법 대신 딥러닝을 활용해 더 미세한 지리적 단서(예: 거리 수준)를 추출함으로써 랜드마크 품질을 향상시키기 위해.
• 개방형 웹 데이터만으로도 고정밀 IP 지오로케이션을 지원할 수 있음을 입증하기 위해, 전용 또는 GPS 기반 데이터에 의존하지 않도록 하기 위해.

제안 방법

• LSTM-Ada는 자기 적응형 손실 함수를 갖춘 양방향 장기 단기 기억 네트워크로, 웹 페이지에서 위치를 시사하는 단서를 추출하는 데 사용된다.
• 시스템은 비정형 웹 콘텐츠에서 도로 주소, 도시, 기관과 같은 미세한 지리적 실체를 식별하고 추출한다.
• 좌표 선택 알고리즘은 다수의 후보 위치가 있는 IP에 대해 모순을 해결하고 가장 타당한 지리적 좌표를 선택한다.
• 네트워크 지연 및 토폴로지 측정을 통해 지연과 라우팅 정보를 기반으로 대상 IP에 가장 가까운 랜드마크를 식별한다.
• 시스템은 대상 IP를 가장 가까운 랜드마크의 지리적 좌표에 매핑하여 추정 오차를 최소화한다.
• 다양한 웹 페이지 간 일관성 검사와 측정 일관성 검사를 통해 랜드마크 후보를 검증하고 개선한다.

실험 결과

연구 질문

• RQ1 웹 페이지에서 딥러닝 기반 엔티티 추출이 신뢰할 수 있는 IP 지오로케이션 랜드마크의 수와 품질을 크게 증가시킬 수 있는가?
• RQ2 기관명과 더 미세한 위치 단서를 사용할 경우, 키워드나 정규표현식 기반 방법에 비해 랜드마크 밀도와 지오로케이션 정확도가 향상되는가?
• RQ3 오픈 웹 데이터만으로도 GPS나 전용 데이터베이스에 의존하지 않고 고정밀 IP 지오로케이션을 지원할 수 있는 정도는 어느 정도인가?
• RQ4 네트워크 지연 및 토폴로지 측정을 통합함으로써 랜드마크 선택과 지오로케이션 정확도가 어떻게 향상되는가?
• RQ5 LSTM 모델에 자기 적응형 손실 함수를 적용할 경우, 기존의 규칙 기반 또는 고정 손실 함수 방법에 비해 위치 단서 추출 성능이 뛰어나지는가?

주요 결과

• XLBoost-Geo는 RIPE Atlas 노드에서 중앙 오차 거리 2,561미터를 기록하여, 지오로케이션 정밀도에서 SLG와 IPIP를 능가했다.
• LSTM-Ada 모델은 기존의 규칙 기반 또는 정규표현식 기반 방법에 비해 위치를 시사하는 단서의 추출 정확도를 크게 향상시켰다.
• 이 시스템은 대량의 매우 신뢰할 수 있는 랜드마크를 성공적으로 채굴하여, 다양한 지리적 지역에 걸쳐 랜드마크 밀도와 커버리지가 증가했다.
• 기관명을 추가 단서로 사용함으로써 이전에 발견되지 않았던 랜드마크, 특히 거리 수준의 랜드마크를 탐지할 수 있었다.
• 랜드마크 선택에 네트워크 측정을 통합함으로써, 가장 정확한 랜드마크에 가까운 거리 기반 매핑이 가능해져 추정 오차가 감소했다.
• 제안된 방법은 공개된 웹 콘텐츠만으로도 고정밀 IP 지오로케이션을 지원할 수 있음을 입증하였으며, 외부 또는 전용 데이터 소스에 대한 의존도를 줄였다.