[论文解读] OCCAM: An Optimization-Based Approach to Network Inference

Anirudh Sabnis, Ramesh K. Sitaraman+1 more|arXiv (Cornell University)|Jun 9, 2018

Software-Defined Networks and 5G参考文献 22被引用 5

一句话总结

OCCAM 提出了一种基于优化的新方法，仅通过网络主机测量的路径度量（距离和共享）来推断完整的网络拓扑和路由路径，无需主动探测或内部节点的协作。在真实 ISP 网络中，该方法实现了 93% 的平均网络相似度和 0.20 的路径编辑距离，表现出高精度和对 20–30% 输入错误的鲁棒性。

ABSTRACT

We study the problem of inferring the structure of a communication network based only on network measurements made from a set of hosts situated at the network periphery. Our novel approach called "OCCAM" is based on the principle of occam's razor and finds the "simplest" network that explains the observed network measurements. OCCAM infers the internal topology of a communication network, including the internal nodes and links of the network that are not amenable to direct measurement. In addition to network topology, OCCAM infers the routing paths that packets take between the hosts. OCCAM uses path metrics measurable from the hosts and expresses the observed measurements as constraints of a mixed-integer bilinear optimization problem that can then be feasibly solved to yield the network topology and the routing paths. We empirically validate OCCAM on a wide variety of real-world ISP networks and show that its inferences agree closely with the ground truth. Specifically, OCCAM infers the topology with an average network similarity score of 93% and infers routing paths with a path edit distance of 0.20. Further, OCCAM is robust to error in its measured path metric inputs, producing high quality inferences even when 20-30% of its inputs are erroneous. Our work is a significant advance in network tomography as it proposes and empirically evaluates the first method that infers the complete network topology, rather than just logical routing trees from sources.

研究动机与目标

• 解决在无法直接观测内部节点和链路的情况下，推断完整网络拓扑和路由路径的挑战。
• 开发一种仅依赖于主机端易于测量的路径度量（路径距离和路径共享）的方法，无需主动探测或网络协作。
• 生成与观测测量结果一致的最简网络拓扑，遵循奥卡姆剃刀原则。
• 即使输入度量部分错误，也能实现准确推断，确保在真实环境中的鲁棒性。

提出的方法

• OCCAM 将网络推断建模为一个混合整数双线性优化问题，在满足由观测路径度量导出的约束条件下最小化网络复杂度。
• 使用主机对之间的路径距离（跳数）和路径共享（相对链路重叠）作为输入测量值。
• 优化过程强制执行约束，以确保推断的路径与观测到的度量一致，包括基于段的路由和链路共享一致性。
• 在树拼接阶段，OCCAM 利用源树和路径度量，通过将段映射到路径、分支点映射到节点，重建一致的全局拓扑。
• 该方法使用二值变量表示链路和段的存在性，通过约束确保无环路由路径和正确的拓扑结构。
• 支持仅从路径共享和距离度量进行完整推断，也支持结合源树与路径度量进行推断。

实验结果

研究问题

• RQ1 是否仅通过主机级路径度量，无需主动探测或内部网络协作，就能推断出完整的网络拓扑和路由路径？
• RQ2 一种基于优化、偏好简洁性（奥卡姆剃刀）的方法，在多大程度上能重建真实网络结构？
• RQ3 当输入路径度量存在错误（如 20–30% 的错误测量）时，推断结果的鲁棒性如何？
• RQ4 能否将从多播探测中获得的源树与路径共享度量互换使用，以推断出相同的全局拓扑？
• RQ5 实现高保真网络推断所需的最少路径共享信息量是多少？

主要发现

• 在真实 ISP 网络中，OCCAM 仅基于路径共享和距离度量推断拓扑时，平均网络相似度达到 93%。
• 推断路径与真实路径之间的路径编辑距离为 0.20，表明路径重建具有高保真度。
• 当使用源树和路径度量时，OCCAM 实现了 92.9% 的平均网络相似度和 0.22 的路径编辑距离，显示出高度一致性。
• 即使输入度量中存在高达 30% 的错误，OCCAM 仍能保持高质量的推断结果，证明其对测量噪声具有鲁棒性。
• 仅使用源树（不依赖路径度量）时，平均网络相似度为 81.5%，路径编辑距离为 0.48，表明源树本身已足够实现合理推断。
• 结果表明，路径共享度量与源树可作为高精度拓扑推断的互换输入，验证了该方法的灵活性。