[论文解读] A Geometric Approach for Real-time Monitoring of Dynamic Large Scale Graphs: AS-level graphs illustrated

Loqman Salamatian, Dali Kaafar+1 more|arXiv (Cornell University)|Jun 2, 2018

Topological and Geometric Data Analysis参考文献 51被引用 3

一句话总结

本文提出了一种几何监控框架，用于在动态大规模图中实时检测主要拓扑变化，利用Ollivier-Ricci曲率识别AS级互联网图中的全局结构变化。通过使用Metropolis-Hastings随机游走选择多样化的地标，并通过非相交最短路径追踪至Tier-1/Tier-2节点的曲率变化，该方法以高精度和低计算成本检测出显著的BGP级事件。

ABSTRACT

The monitoring of large dynamic networks is a major chal- lenge for a wide range of application. The complexity stems from properties of the underlying graphs, in which slight local changes can lead to sizable variations of global prop- erties, e.g., under certain conditions, a single link cut that may be overlooked during monitoring can result in splitting the graph into two disconnected components. Moreover, it is often difficult to determine whether a change will propagate globally or remain local. Traditional graph theory measure such as the centrality or the assortativity of the graph are not satisfying to characterize global properties of the graph. In this paper, we tackle the problem of real-time monitoring of dynamic large scale graphs by developing a geometric approach that leverages notions of geometric curvature and recent development in graph embeddings using Ollivier-Ricci curvature [47]. We illustrate the use of our method by consid- ering the practical case of monitoring dynamic variations of global Internet using topology changes information provided by combining several BGP feeds. In particular, we use our method to detect major events and changes via the geometry of the embedding of the graph.

研究动机与目标

• 为解决在动态大规模图（如互联网）中检测主要且全局传播的拓扑变化的挑战，此类变化可能因局部变动引发全局性影响。
• 克服传统图度量（如中心性或度数相关性）的局限性，这些度量无法捕捉全局结构变化。
• 开发一种实时监控系统，能够利用几何曲率区分AS级图中的局部与全局变化。
• 使单个AS运营商及第三方机构能够检测并评估重大BGP级事件（如劫持或路由泄漏）的影响范围。
• 提供一种可扩展且高效的机制，识别导致图中协调性大规模几何变化的网络节点。

提出的方法

• 将Ollivier-Ricci曲率适配于AS级图的几何结构建模，实现对全局拓扑变化的检测。
• 采用Metropolis-Hastings马尔可夫链蒙特卡洛（MCMC）算法，选择在图不同区域中分布良好的多样化地标。
• 基于地标到Tier-1和Tier-2 AS的非相交最短路径集合的大小，设计一个质量评分函数，优先选择具有高正曲率的地标。
• 利用几何直觉：高正曲率会导致测地线发散，从而确保地标不会聚集在图的同一区域。
• 通过基于地标估计的曲率变化，追踪连续图快照之间的曲率变化，以检测显著的几何改变。
• 引入异常追踪机制，将曲率变化标记为重大BGP级事件，表明大规模网络中断。

实验结果

研究问题

• RQ1 如何利用几何曲率检测动态大规模图（如互联网）中主要且全局传播的拓扑变化？
• RQ2 如何高效且可扩展地选择能捕捉大规模AS级图全局几何结构的代表性地标？
• RQ3 如何测量并利用连续图快照之间的曲率变化，以识别显著的BGP级事件？
• RQ4 基于曲率的检测方法在多大程度上能够区分网络拓扑中的局部与全局变化？
• RQ5 该方法能否识别出导致图中协调性大规模几何变化的网络元素？

主要发现

• 所提方法通过识别AS级图中显著的曲率变化，成功检测出重大BGP级事件（如2017年Google BGP泄漏事件）。
• 采用MCMC与曲率感知评分函数的地标选择机制，确保地标在图中分布多样且均匀，提升了检测精度。
• 通过聚焦于快照间曲率变化而非对所有顶点进行完整曲率计算，系统实现了实时监控能力。
• 使用到Tier-1和Tier-2 AS的非相交最短路径作为曲率的有效代理，实现了可扩展且高效的评分机制。
• 通过分析曲率异常的空间分布，该方法能够定位引发大规模几何变化的网络元素。
• 在实际运行环境中的评估验证了系统在真实场景下的性能，证明其在检测大规模中断方面的有效性。