Mining cellular traffic collected by mobile Na@onal - PowerPoint PPT Presentation

School ¡for ¡Advanced ¡ Sciences ¡of ¡Luchon ¡ Luchon, ¡France ¡ July ¡1, ¡2015 ¡ Mining ¡cellular ¡traffic ¡ collected ¡by ¡mobile ¡ Na@onal ¡Research ¡ Council ¡of ¡Italy ¡ operator ¡network ¡probes ¡ M. ¡Fiore , ¡CNR-­‑IEIIT, ¡Italy ¡ ¡ ¡ Ins@tute ¡of ¡ ¡ Electronics ¡ Computer ¡and ¡ Contributors: ¡ Telecommunica@on ¡ D. ¡Naboulsi, ¡A. ¡Furno, ¡R. ¡Stanica, ¡M. ¡Gramaglia ¡ Engineering ¡ ¡

Outline ¡ 1. Introducing ¡mobile ¡traffic ¡data ¡ – Context ¡ – Mobile ¡traffic ¡data ¡collec@on ¡ 2. Overview ¡of ¡the ¡research ¡field ¡ – Literature ¡classifica@on ¡ – Examples ¡of ¡results ¡ 3. Reading ¡list ¡ 2 2 M. ¡Fiore ¡– ¡Mining ¡Cellular ¡Traffic ¡ School ¡of ¡Advanced ¡Sciences ¡of ¡Luchon| ¡Jul ¡1, ¡2015 ¡

1 ¡ Introducing ¡mobile ¡traffic ¡data ¡ Context ¡and ¡data ¡collec@on ¡ 3 3 M. ¡Fiore ¡– ¡Mining ¡Cellular ¡Traffic ¡ School ¡of ¡Advanced ¡Sciences ¡of ¡Luchon| ¡Jul ¡1, ¡2015 ¡

Context ¡(I) ¡ • Mobile ¡communicaJon ¡usage ¡is ¡growing ¡(very) ¡fast ¡ – Compound ¡annual ¡growth ¡rate ¡of ¡ 146% ¡in ¡2006-­‑2012 ¡ – Global ¡mobile ¡data ¡traffic ¡grew ¡ 81% ¡in ¡2013... ¡ – ...and ¡it ¡will ¡increase ¡nearly ¡ 11-­‑fold ¡ by ¡2018 ¡ – Mobile ¡data ¡traffic ¡is ¡growing ¡ faster ¡than ¡Internet ¡traffic ¡ did ¡back ¡at ¡the ¡turn ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ of ¡the ¡millennium! ¡ [source: ¡Cisco ¡Visual ¡ Networking ¡Index] ¡ ! 4 4 M. ¡Fiore ¡– ¡Mining ¡Cellular ¡Traffic ¡ School ¡of ¡Advanced ¡Sciences ¡of ¡Luchon| ¡Jul ¡1, ¡2015 ¡

Context ¡(II) ¡ • The ¡surge ¡of ¡mobile ¡acJvity... ¡ – Mobile ¡devices ¡ popularity ¡rise ¡them ¡to ¡status ¡symbols ¡ – Mobile ¡ apps ¡and ¡services ¡ are ¡driving ¡societal ¡changes ¡ • ...and ¡some ¡collateral ¡effects ¡of ¡our ¡interest ¡ – Digital ¡acJviJes ¡are ¡easily ¡recorded, ¡tracked, ¡transferred ¡ • Apple ¡consolidated.db? ¡ – An ¡unprecedented ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ USA ¡ opportunity ¡to ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ monitor ¡human ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ MS, ¡USA ¡ behavior ¡at ¡very ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ large ¡spa@otemporal ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ 1 ¡month ¡ scales ¡ 5 5 M. ¡Fiore ¡– ¡Mining ¡Cellular ¡Traffic ¡ School ¡of ¡Advanced ¡Sciences ¡of ¡Luchon| ¡Jul ¡1, ¡2015 ¡

US ¡behaviorally ¡targeted ¡ online ¡ad ¡spending ¡(08–14) ¡ Context ¡(III) ¡ • Relevance ¡of ¡mobile ¡traffic ¡data ¡ ¡ – Mobile ¡service ¡providers ¡ • tailoring ¡of ¡services ¡ (and ¡ads) ¡to ¡users ¡ • reselling ¡of ¡(aggregate?) ¡data ¡to ¡third ¡par@es ¡ – Mobile ¡operators ¡ • face ¡a ¡huge ¡challenge ¡in ¡accommoda@ng ¡the ¡mobile ¡demand ¡ • understand ¡subscriber ¡usage ¡for ¡more ¡effec@ve ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ network ¡design ¡and ¡resource ¡management ¡ – Researchers ¡ C-­‑RAN, ¡SDN, ¡NFV ¡ • networking ¡(my ¡background): ¡see ¡above ¡ • plenty ¡of ¡ other ¡disciplines : ¡studies ¡can ¡be ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ huge ¡survey ¡ scaled ¡to ¡very ¡large ¡popula@ons ¡ ¡(impossible ¡to ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ achieve ¡with ¡tradi@onal ¡approaches) ¡ 6 6 M. ¡Fiore ¡– ¡Mining ¡Cellular ¡Traffic ¡ School ¡of ¡Advanced ¡Sciences ¡of ¡Luchon| ¡Jul ¡1, ¡2015 ¡

Mobile ¡traffic ¡data ¡collecJon ¡(I) ¡ client-­‑side ¡ operator-­‑side ¡ 7 7 M. ¡Fiore ¡– ¡Mining ¡Cellular ¡Traffic ¡ School ¡of ¡Advanced ¡Sciences ¡of ¡Luchon| ¡Jul ¡1, ¡2015 ¡

Mobile ¡traffic ¡data ¡collecJon ¡(II) ¡ RNC ¡probes ¡ Monitor ¡signaling ¡related ¡to ¡Radio ¡ Resource ¡Control ¡(RRC) ¡opera@on. ¡ Fine-­‑grained ¡state ¡changes ¡at ¡each ¡ mobile ¡device, ¡e.g. ¡ • a\ach ¡and ¡detach ¡opera@ons ¡ • start ¡and ¡conclusion ¡of ¡sessions ¡ • all ¡HO ¡and ¡LU ¡events ¡ Plus, ¡record ¡key ¡performance ¡ indicators ¡on ¡data ¡transmission, ¡ such ¡as ¡the ¡uplink ¡and ¡downlink ¡ throughput ¡experienced ¡by ¡devices. ¡ J ¡maximum ¡posi@oning ¡precision A A L ¡not ¡supported ¡by ¡all ¡equipment ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡large ¡number ¡of ¡probes ¡ 8 8 M. ¡Fiore ¡– ¡Mining ¡Cellular ¡Traffic ¡ School ¡of ¡Advanced ¡Sciences ¡of ¡Luchon| ¡Jul ¡1, ¡2015 ¡

Mobile ¡traffic ¡data ¡collecJon ¡(III) ¡ MSC ¡probes ¡ Similar ¡to ¡RNC ¡probes, ¡but ¡only ¡in ¡ the ¡circuit-­‑switched ¡(CS) ¡domain. ¡ Same ¡type ¡of ¡informa@on ¡as ¡RNC ¡ probes, ¡but ¡ • limited ¡to ¡voice/tex@ng ¡ • missing ¡informa@on ¡on ¡events ¡ managed ¡locally ¡by ¡RNC, ¡e.g., ¡ B B intra-­‑RNC ¡HO ¡ J ¡fair ¡posi@oning ¡precision ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡fair ¡number ¡of ¡probes ¡ L ¡only ¡voice/tex@ng ¡informa@on ¡ ¡ ¡ ¡ 9 9 M. ¡Fiore ¡– ¡Mining ¡Cellular ¡Traffic ¡ School ¡of ¡Advanced ¡Sciences ¡of ¡Luchon| ¡Jul ¡1, ¡2015 ¡