Short-term time series analysis and prediction for anticipatory networking

Abstract

Analizar y predecir el estado de la red ha sido de gran inter´es para la comunidad de redes a lo largo de toda su evoluci´on, especialmente en la actualidad, debido a la orientaci´on hacia redes aut´onomas mediante pol´ıticas adaptativas y de autoaprendizaje. Dada la alta periodicidad de los datos relacionados con redes de comunicaciones, m´ultiples estudios han abordado los problemas de detecci´on de anomal´ıas, detecci´on de cambios de concepto y predicci´on para el manejo de redes. Sin embargo, estos trabajos se limitan en su mayor´ıa a la teor´ıa y no tienen en cuenta algunos retos primordiales para llevar a cabo implementaciones en el mundo real. En el siguiente trabajo de tesis, estudiamos distintos m´etodos de anticipaci´on en redes, con el fin de mejorar la predicci´on de series temporales, manejando correctamente las anomal´ıas presentes en la red. Concretamente, se abordan dos problemas esenciales en la anticipaci´on del estado de la red, relacionados con (1) la detecci´on de anomal´ıas en el tr´afico del Sistema de Nombres de Dominio (DNS) y (2) la predicci´on de la calidad de servicio en redes m´oviles. El Sistema de Nombres de Dominio (DNS) es un componente cr´ıtico de la infraestructura de Internet, ya que pr´acticamente todas las actividades en Internet comienzan con una consulta DNS. Dada su importancia, cada vez hay mayor inquietud respecto a su vulnerabilidad ante ataques y fallos, puesto que estos pueden afectar negativamente a todos los recursos basados en Internet. Por ello, la detecci´on de estos eventos es crucial para preservar el correcto funcionamiento de todos los componentes de este sistema, como los grandes Servidores de Nombres para dominios de primer nivel (TLD). Este trabajo presenta un m´etodo de detecci ´on de anomal´ıas basado en predicciones (AD-BoP) el cual opera pr´oximo al tiempo real y proporciona una metodolog´ıa ´util y f´acilmente explicable para detectar anomal´ıas en el tr´afico DNS. Nuestro m´etodo se basa en la predicci´on de las estad´ısticas del tr´afico DNS, y podr´ıa ser especialmente ´util para que los operadores preserven la fiabilidad de sus servicios DNS. Tras un an´alisis exhaustivo, se demuestra que AD-BoP mejora el estado actual respecto a la detecci´on de anomal´ıas en servidores de nombres TLD autoritativos. En cuanto a la calidad del servicio m´ovil, el rendimiento de red (throughput) se ha convertido en uno de los principales indicadores de desempe˜no. De hecho, a medida que las redes m´oviles evolucionan hacia nuevas tecnolog´ıas, el rendimiento de los usuarios se convierte cada vez en un indicador de desempe˜no m´as crucial, ya que m´ultiples aplicaciones de red dependen de su correcta predicci´on. A diferencia de la teor´ıa, la experimentaci´on emp´ırica revela que, en la pr´actica, no existe una correlaci´on directa entre el rendimiento del usuario y la calidad del canal. Por tanto, nos centramos en comprender mejor esta relaci´on emp´ırica para mejorar la predicci´on del rendimiento en redes m´oviles. En este trabajo, realizamos un estudio exhaustivo sobre el efecto pr´actico de la Relaci´on se˜nal a interferencia m´as ruido (SINR) en el rendimiento del usuario. Con este fin, proponemos y validamos un modelo probabil´ıstico dependiente de SINR para estimar la distribuci´on de probabilidad del rendimiento de los usuarios. Luego, presentamos dos m´etodos para predecir el rendimiento de forma f´acilmente explicable, basados en nuestro modelo probabil´ıstico. Estos m´etodos son de gran valor, ya que logran un desempe˜no excepcional en una amplia variedad de escenarios, bas´andose en una sola m´etrica contextual, la cual es obtenida directamente del dispositivo del usuario

Analyzing and predicting the network state has been of great interest to the networking community throughout all network evolution, especially nowadays, due to the calling to autonomous networks through adaptive and self-learning policies and self-evolution. Given the high periodicity present in network-related data, several works have addressed the problems of anomaly detection, concept drift detection, and prediction for networking. Nevertheless, these works are mostly confined to theory and do not consider some critical challenges for real-world implementations. In the following thesis work, we seek to study anticipatory networking methods to improve time series prediction, handling network anomalies correctly. Concretely, this thesis addresses two essential anticipatory networking problems related to (1) anomaly detection in Domain Name System (DNS) traffic and (2) prediction of mobile network Quality of Service (QoS). The Domain Name System (DNS) is a critical component of Internet infrastructure, as almost every activity on the Internet starts with a DNS query. Given its importance, there is increasing concern over its vulnerability to attacks and failures, as they can negatively affect all Internet-based resources. Thus, detecting these events is crucial to preserve the correct functioning of all DNS components, such as high-volume name servers for top-level domains (TLD). This work presents a near real-time Anomaly Detection Based on Prediction (ADBoP) method, providing a useful and easily explainable methodology to effectively detect DNS anomalies. AD-BoP is based on the prediction of expected DNS traffic statistics, and could be especially helpful for TLD registry operators to preserve their services’ reliability. After an exhaustive analysis, AD-BoP is shown to improve the current state-of-the-art for anomaly detection in authoritative TLD name servers. Regarding mobile QoS, user throughput has gained attention as one of the most relevant key performance indicators. Indeed, as mobile networks evolve towards newer technologies, user throughput becomes a more crucial performance indicator as a number of networking applications rely on its prediction. Different from theory, empirical experimentation reveals that, in practice, there is no direct correlation between user throughput and channel quality. Therefore, we focus on further understanding this empirical relationship in order to improve throughput prediction in mobile networks. In this work, we conduct a comprehensive study on the practical effect of the signal-to-interference-plus-noise ratio (SINR) on user throughput. We proposed and validated a novel SINR-dependent probabilistic mixture model for estimating the probability distribution of user throughput. Then, we present two easily explainable throughput prediction approaches based on our developed probabilistic mixture model. These approaches are valuable as they achieve outstanding performance in a wide range of scenarios, relying on a unique contextual metric obtained from the user equipment