Estudo de Anomalias no Tráfego Internet

1Estudo de Anomalias no Tráfego Internet

Estudo de Anomalias no Tráfego InternetEstudo de Anomalias no Tráfego Internet
Aluno: Márcio de Freitas MiniczAluno: Márcio de Freitas Minicz
Orientador: Alessandro AnzaloniOrientador: Alessandro Anzaloni
São José dos Campos, 02 de Agosto de 2005.São José dos Campos, 02 de Agosto de 2005.

RoteiroRoteiro
●
Motivação e objetivo
●
O que é qualidade de serviço (QoS)
●
Causas das anomalias
●
Cenários estudados
●
Influência das anomalias em modelamento
de tráfego: um exemplo modelo ARIMA
●
Conclusões
●
Contribuições
●
Futuros trabalhos

Motivação e Objetivo IMotivação e Objetivo I
●
A medida e a caracterização da Qualidade
de Serviço (QoS) na Internet são cada dia
mais importantes pois mais serviços que
exigem características especiais são
oferecidos;
●
A partir da medida e da caracterização é
possível fazer várias análises como, por
exemplo, verificar se um SLA (acordo de
nível de serviço) esta sendo cumprido pelo
provedor de serviço;

Motivação e Objetivo IIMotivação e Objetivo II
●
A caracterização é feita através de
parâmetros que podem sofrer grandes
variações. Essas grandes variações são
vistas como anomalias nas medidas;
●
Estudo das anomalias no tráfego Internet
para:
– Identificar as fontes de anomalias;
– Caracterizar o comportamento ou formato das
anomalias;
– Avaliar a influência das anomalias no
modelamento de tráfego.

Qualidade de Serviço IQualidade de Serviço I
●
“É a capacidade de controlar o mecanismo
de tratamento de tráfego da rede de maneira
que esta proveja as necessidades de serviço
para certa aplicação e usuário em
conformidade com as políticas de rede.” –
Bernet;
●
Não implica na criação de recursos, mas sim
na otimização dos recursos disponíveis;
●
Implica na maximização da utilização da
rede por todas as aplicações e usuários.

Qualidade de Serviço IIQualidade de Serviço II
●
Parâmetros de QoS:
– Atraso (ou retardo);
– Variação de atraso (IPDV);
– Perda de pacotes;
– Largura de banda.
●
Os parâmetros de QoS podem ser aditivos
ou nãoaditivos;
●
As aplicações podem ser elásticas e não
elásticas.

Causas das Anomalias ICausas das Anomalias I
●
Definição:
– Anomalias são valores de um determinado
parâmetro de QoS que mostram desvios
acentuados dos demais valores da série
temporal que caracteriza a medida desse
parâmetro.

Causas das Anomalias IICausas das Anomalias II
●
Por que é importante identificar as
anomalias:
– Possibilidade de identificar as causas a partir da
observação da anomalia;
– Detectar e eliminar as anomalias a fim de
minimizar o seu impacto no modelamento de
tráfego;
– Avaliar o desempenho de algoritmos de controle
e recuperação de falhas observando o intervalo
de duração da anomalia.

Causas das Anomalias IIICausas das Anomalias III
●
Fontes de Anomalias:
– Congestionamento em algum ponto da Internet;
– Falhas de enlaces;
– Instabilidade de roteamento;
– Ataques de hackers (negação de serviço DoS).

Causas das Anomalias IVCausas das Anomalias IV
●
Tipos de Anomalias:
– Vazio:
●
São intervalos de tempo nos quais não existem
valores medidos;
●
Causas: falha de enlace ou instabilidade de
roteamento.
– Valor Extremo:
●
Ocorre quando o valor do parâmetro de QoS
ultrapassa um determinado linear;
●
Causa: congestionamento.

Causas das Anomalias VCausas das Anomalias V
●
Exemplo das Anomalias Vazio e Valor
Extremo:
Vazio
Valor Extremo

Cenários Estudados ICenários Estudados I
●
Simulação:
– Através do software Modeler da Opnet;
– Simulador de eventos discretos;
– Permite especificar: topologia da rede,
protocolos de roteamentos, endereços IP e
número de sistema autônomo, característica dos
tráfegos, etc;
– Mede: largura de banda, atrasos, utilizações de
enlaces, número de pacotes perdidos, variação
de atraso, etc.

Cenários Estudados IICenários Estudados II
Cenário Simulado

Cenários Estudados IIICenários Estudados III
IPDV do Cenário Simulado

Cenários Estudados IVCenários Estudados IV
●
Experimentação:
– Através do framework CMToolSet –
desenvolvido por Salzburg Research (Áustria);
– Permite fazer medidas de QoS na Internet ou
em laboratório;
– Definimos: protocolo de transporte, intervalo
entre pacotes, comprimento dos pacotes,
duração, etc;
– Mede: largura de banda, atrasos, número de
pacotes perdidos, variação de atraso, etc.

Cenários Estudados VCenários Estudados V
Estrutura do CMToolSet

Cenários Estudados VICenários Estudados VI
Estrutura do CMToolSet (Áustria)

Cenários Estudados VIICenários Estudados VII
Estrutura do CMToolSet (Áustria)

Cenários Estudados VIIICenários Estudados VIII
●
Medida Experimental:
– Tráfego unidirecional do ITA para o Salzburg
Research;
– Taxa constante de 6400 bps (pacotes de 60
bytes a cada 75 milisegundos);
– Protocolo de transporte UDP;
– Medida agregada a cada hora;
– Duração 120 horas.

Cenários Estudados IXCenários Estudados IX
IPDV do Cenário Experimental

Influência das Anomalias IInfluência das Anomalias I
●
Etapas para o estudo da influência das
anomalias em modelos de tráfego:
1. Coleta de dados;
2. Detecção e eliminação das anomalias;
3. Avaliação da influência de anomalias no modelo
de tráfego escolhido.

Influência das Anomalias IIInfluência das Anomalias II
1 – Coleta de dados
2 – Detecção e elimi-
nação das anomalias
3 – Avaliação da influência de
anomalias no modelo de
tráfego escolhido

Influência das Anomalias IIIInfluência das Anomalias III
●
Detecção das Anomalias:
– Vazio: pela inexistência de valores;
– Valor Extremo:
●
Calcular o desvio padrão () das medidas até o
instante de análise e verificar se a atual medida está
no intervalo [média2, média+2], senão é um valor
extremo.
●
Eliminação das Anomalias:
– Substituição pelo valor médio considerando as
medidas anteriores.

Influência das Anomalias IVInfluência das Anomalias IV
●
O Modelo ARIMA:
– É um modelo linear para séries temporais;
– A partir do modelo avaliase de uma maneira
quantitativa as propriedades estocásticas e
podese fazer predição;
– Por que usar esse modelo?
●
Com ele é possível fazer uma predição razoável de
curta e média memória;
●
Trata de processos estocásticos (fracamente)
estacionários ou nãoestacionários homogêneos.

Influência das Anomalias VInfluência das Anomalias V
●
ARIMA – Autoregressivo Integrado de
Médias Móveis:
– Médias Móveis – considera a média ponderada
das perturbações aleatórias dos q períodos
anteriores;
– Autoregressivo – considera a média ponderada
das observações dos p períodos anteriores;
– Integrado – através da diferenciação transforma
um processos estocástico nãoestacionário
homogêneo em um processo estocástico
(fracamente) estacionário.

Influência das Anomalias VIInfluência das Anomalias VI
●
Matematicamente:
  p
p BφBφBφ=BΦ  2
211
    tt
d
εBΘ+δ=wBΦ 
onde
  q
q BθBθBθ=BΘ  2
211

Influência das Anomalias VIIInfluência das Anomalias VII
●
Erro Médio Quadrático:
– É uma medida do desvio dos valores estimados
pelo modelo em relação aos valores medidos;
  
2
ˆ
1
tt ww
n
=EMQ
● O melhor modelo (ARIMA1
ou ARIMA2
) é o que
apresenta menor EMQ.

Influência das Anomalias VIIIInfluência das Anomalias VIII
IPDV do Cenário Simulado

Influência das Anomalias IXInfluência das Anomalias IX
Cenário Simulado – EMQ dos últimos 20 pontos do IPDV

Influência das Anomalias XInfluência das Anomalias X
IPDV do Cenário Experimental

Influência das Anomalias XIInfluência das Anomalias XI
Cenário Experimental – EMQ dos últimos 20 pontos do IPDV

ConclusõesConclusões
●
Deste trabalho podemos concluir:
–
– É necessário detectar e eliminar essas
anomalias ao utilizar modelos de tráfegos.
Causa
Anomalia
(Efeito)
Congestionamento Valor Extremo
Falha de Enlace Vazio
Instabilidade de
Roteamento
Vazio

ContribuiçõesContribuições
● As principais contribuições são:
– Estabelecimento de um método para a
caracterização das anomalias no tráfego da
Internet obtido tanto através de simulação como
experimentalmente;
– Introdução de novas funcionalidades no
CMToolSet.

Futuros TrabalhosFuturos Trabalhos
– Caracterizar as fontes das anomalias utilizando
se o modelo ARIMA multivariável;
– Verificar o efeito de longa memória no tráfego
Internet. Ex. FARIMA;
– Técnicas de detecção de anomalias alternativas
como o cumulative sum;
– Análise de desempenho de algoritmos de
controle e recuperação de falhas em redes
óticas através do estudo das anomalias
presentes nos parâmetros de QoS em
conexões TCP.

Obrigado.Obrigado.

Estudo de Anomalias no Tráfego Internet

Empfohlen

Empfohlen

Weitere ähnliche Inhalte

Empfohlen

Empfohlen (20)

Estudo de Anomalias no Tráfego Internet