Maxime Mouchet soutient sa thèse de doctorat le 27/11/2020

Titre : Modélisation robuste du délai Internet et schémas de mesure intelligents pour l'automatisation des réseaux overlay

Mots-clés : Métrologie Parcimonieuse ; Réseaux Informatiques ; Mesure d’Internet ; Modèles Bayésiens Non-Paramétriques ;
Processus de Décision Markoviens

Texte

 Le jury est composé de :
- M. Thierry CHONAVEL- Professeur IMT Atlantique
- M. Emmanuel HYON -Maître de conférences Sorbonne Université - LIP6
- Mme Cristel PELSSER - Professeur Université de Strasbourg (ICube)
- M. Jean-Louis ROUGIER- Professeur Télécom Paris
- Mme Sandrine VATON - Professeur IMT Atlantique
- Mme Hind CASTEL-TALEB - Professeur Télécom SudParis
- M. Kavé SALAMATIAN - Professeur  Université Savoie Mont Blanc

Invité :
- M. Olivier BRUN - Directeur de recherche - LAAS/CNRS

Soutenance le vendredi 27 novembre 2020 à  09h00 à IMT Atlantique (campus de Brest) en Visio-conférence totale (dispositions exceptionnelles durant la crise sanitaire liée au Covid19)

Résumé: La mesure de la performance des réseaux informatiques est un élément crucial pour l’administration, la sécurisation et l’optimisation des réseaux. Des changements inattendus de la performance peuvent indiquer des incidents matériels, ou des attaques informatiques. De plus, une bonne connaissance de la performance des différents éléments du réseau permet de choisir intelligemment le chemin entre deux hôtes afin d’optimiser la performance de bout en bout (par exemple, le délai d’acheminement des paquets). Dans cette thèse nous considérons le réseau Internet, et en particulier la mesure du délai aller-retour (RTT ou Round-Trip-Time). Notre contribution est double. Nous proposons d’abord un modèle statistique pour le délai sur Internet, basé sur les modèles de Markov cachés infinis (HDP-HMM ou Hierarchical Dirichlet Process Hidden Markov Model), qui permet d’identifier les changements significatifs de délai et de prédire les valeurs futures du délai. Ce modèle est testé sur plusieurs dizaines de milliers de séries temporelles de mesures de délai provenant de l’infrastructure de mesure à l’échelle d’Internet RIPE Atlas, et sur un jeu de données labélisé d’instants de changements. Nous montrons que ce modèle est mieux adapté aux mesures de délai sur Internet que les modèles précédemment utilisés dans la littérature, tels que les modèles de Markov cachés ou les modèles de mélange. Nous montrons également que le modèle permet de détecter des incidents sur des infrastructures centrales d’Internet, tels que les points d’échange (IX ou Internet Exchange). Finalement, le modèle est déployé au sein de l’infrastructure de mesure RIPE Atlas, où une API HTTP publique permet la segmentation à la demande de séries de mesures de délai. Notre seconde contribution est la conception d’un schéma de mesure intelligent pour la mesure du délai dans les réseaux overlays. Les réseaux overlays sont un type particulier de réseau où les noeuds établissent des liens virtuels entre eux, dans une topologie de graphe complet. Chaque noeud peut relayer les paquets d’un autre noeud, permettant ainsi d’influencer le chemin physique emprunté par les paquets. L’objectif est alors de choisir à tout instant le chemin virtuel (suite de noeuds relais) qui permet de minimiser une certaine métrique (par exemple, le délai aller-retour). Nous proposons une méthode qui permet d’atteindre cet objectif sans avoir besoin de mesurer en permanence la performance entre chacun des liens virtuels. En effet, le nombre de liens augmente de façon quadratique avec le nombre de noeuds dans un overlay de routage, et le surcoût lié à la mesure peut impacter la performance du réseau lorsque le nombre de noeuds est grand. Notre méthode exploite les modèles de Markov cachés infinis et les processus de décision Markoviens (MDP ou Markov Decision Process) afin de fournir une politique de mesure qui effectue le compromis optimal entre nombre de mesures et performance du routage. Nous montrons sur une topologie de 30 noeuds que notre méthode permet d’obtenir un routage quasi optimal en ne mesurant que 10% du temps. Finalement, nous proposons des heuristiques permettant d’obtenir des politiques de mesures parcimonieuses en un temps raisonnable

 

Publié le 23.11.2020

par Pascale MÉNARD