Network neutrality inference Zhiyong Zhang, Ovidiu Mara, - PowerPoint PPT Presentation

Network ¡neutrality ¡inference Zhiyong ¡Zhang, ¡Ovidiu ¡Mara, ¡ Katerina ¡Argyraki EPFL, ¡UESTC

Neutrality ‣ Neutrality ¡viola@on ¡= ¡a ¡link ¡subjects ¡ different ¡flows ¡to ¡different ¡policies Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 2

Neutrality ‣ Neutrality ¡viola@on ¡= ¡a ¡link ¡subjects ¡ different ¡flows ¡to ¡different ¡policies Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 2

Neutrality ‣ Neutrality ¡viola@on ¡= ¡a ¡link ¡subjects ¡ different ¡flows ¡to ¡different ¡policies Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 2

Neutrality ‣ Neutrality ¡viola@on ¡= ¡a ¡link ¡subjects ¡ different ¡flows ¡to ¡different ¡policies Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 2

Neutrality ‣ Neutrality ¡viola@on ¡= ¡a ¡link ¡subjects ¡ different ¡flows ¡to ¡different ¡policies Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 2

Neutrality ‣ Neutrality ¡viola@on ¡= ¡a ¡link ¡subjects ¡ different ¡flows ¡to ¡different ¡policies Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 2

Transparency ‣ Neutrality ¡viola@on ¡should ¡be ¡transparent ‣ Is ¡it ¡feasible ¡to ¡externally ¡observe ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ neutrality ¡viola@ons? ¡ ‣ Is ¡it ¡feasible ¡to ¡localize ¡them ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ to ¡specific ¡links? Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 3

Inconsistent ¡observa@ons ‣ When ¡the ¡network ¡is ¡non-­‑neutral, ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ if ¡we ¡make ¡diverse ¡external ¡observa@ons, ¡ these ¡will ¡be ¡inconsistent ¡with ¡each ¡other. Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 4

Network ¡tomography ‣ Input: ¡network ¡topology, ¡ path ¡measurements ‣ Output: ¡link ¡proper@es -­‑ average ¡loss ¡rate -­‑ average ¡latency -­‑ congesAon ¡status -­‑ congesAon ¡probability Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 5

Network ¡tomography ‣ Input: ¡network ¡topology, ¡ path ¡measurements ‣ Output: ¡link ¡proper@es -­‑ average ¡loss ¡rate -­‑ average ¡latency -­‑ congesAon ¡status -­‑ congesAon ¡probability Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 5

Network ¡tomography ‣ Input: ¡network ¡topology, ¡ path ¡measurements ‣ Output: ¡link ¡proper@es -­‑ average ¡loss ¡rate -­‑ average ¡latency -­‑ congesAon ¡status -­‑ congesAon ¡probability Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 5

Network ¡tomography l 1 p 2 p 1 l 2 l 3 Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 6

Network ¡tomography = P{l 1 ¡ good} P{p 1 ¡ good} P{l 2 ¡ good} * l 1 p 2 p 1 l 2 l 3 Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 6

Network ¡tomography = P{l 1 ¡ good} P{p 1 ¡ good} P{l 2 ¡ good} * log(P{p 1 ¡ good}) ¡= ¡log(P{l 1 ¡ good}) ¡+ ¡log(P{l 2 ¡ good}) l 1 p 2 p 1 l 2 l 3 Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 6

Network ¡tomography = P{l 1 ¡ good} P{p 1 ¡ good} P{l 2 ¡ good} * log(P{p 1 ¡ good}) ¡= ¡log(P{l 1 ¡ good}) ¡+ ¡log(P{l 2 ¡ good}) Y 1 = X 1 + X 2 l 1 p 2 p 1 l 2 l 3 Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 6

Network ¡tomography Y 1 = X 1 + X 2 l 1 p 2 p 1 l 2 l 3 Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 6

Network ¡tomography link ¡proper@es ¡(unknowns) Y 1 = X 1 + X 2 l 1 X 3 Y 2 = X 1 + p 2 p 1 Y 12 = + X 3 X 1 X 2 + l 2 l 3 e2e ¡path ¡measurements Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 6

Tomography ¡and ¡neutrality ‣ Tomography ¡fundamentally ¡assumes ¡ network ¡neutrality ‣ A ¡link ¡has ¡the ¡same ¡property ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ for ¡all ¡paths ¡that ¡traverse ¡that ¡link Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 7

Neutrality ¡and ¡tomography ‣ In ¡a ¡neutral ¡network, ¡any ¡tomographic ¡ system ¡of ¡equa@ons ¡has ¡a ¡solu@on ‣ If ¡we ¡find ¡an ¡unsolvable ¡system, ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ this ¡indicates ¡neutrality ¡viola@on Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 8

Outline ‣ Observability ¡of ¡neutrality ¡viola@ons ‣ Localiza@on ¡of ¡neutrality ¡viola@ons ‣ Algorithm ¡+ ¡results Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 9

Outline ‣ Observability ¡of ¡neutrality ¡viola@ons ‣ Localiza@on ¡of ¡neutrality ¡viola@ons ‣ Algorithm ¡+ ¡results Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 10

p 2 p 1 p 3 Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 11

p 2 l 4 l 1 p 1 p 3 l 2 l 3 Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 12

p 2 Y 1 = X 1 + X 2 l 4 l 1 Y 2 = X 1 + X 3 Y 3 = X 3 + X 4 p 1 p 3 l 2 l 3 Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 12

p 2 0 = X 1 + X 2 l 4 l 1 0 ¡> ¡Y 2 = X 1 + X 3 0 = X 3 + X 4 p 1 p 3 l 2 l 3 Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 13

0 0 p 2 0 = X 1 + X 2 l 4 0 0 l 1 0 ¡> ¡Y 2 = X 1 + X 3 0 0 0 = X 3 + X 4 p 1 p 3 l 2 l 3 Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 13

Observable ¡neutrality ¡viola@on 0 0 p 2 0 = X 1 + X 2 l 4 0 0 l 1 0 ¡> ¡Y 2 = X 1 + X 3 0 0 0 = X 3 + X 4 p 1 p 3 l 2 l 3 Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 13

l 1 p 1 p 2 l 2 l 3 Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 14

Y 1 = X 1 + X 2 l 1 Y 2 = X 1 + X 3 p 1 p 2 l 2 l 3 Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 14

0 = X 1 + X 2 l 1 0 ¡> ¡Y 2 = X 1 + X 3 p 1 p 2 l 2 l 3 Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 15

0 0 0 = X 1 + X 2 0 l 1 0 ¡> ¡Y 2 = X 1 + X 3 p 1 p 2 l 2 l 3 Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 15

Non-­‑observable ¡neutrality ¡viola@on 0 0 0 = X 1 + X 2 0 l 1 0 ¡> ¡Y 2 = X 1 + X 3 p 1 p 2 l 2 l 3 Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 15

Equivalent ¡neutral ¡network ‣ Any ¡non-­‑neutral ¡network ¡has ¡a ¡neutral ¡equivalent ‣ A ¡neutral ¡network ¡that: given ¡the ¡same ¡traffic ¡input ¡ would ¡produce ¡the ¡same ¡external ¡observaAons as ¡the ¡non-­‑neutral ¡network. Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 16

Equivalent ¡neutral ¡network ‣ A ¡purely ¡theore@cal ¡construct ‣ Enables ¡to ¡formally ¡specify ¡which ¡neutrality ¡ viola@ons ¡are ¡externally ¡observable Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 17

Non-­‑observable ¡neutrality ¡viola@on p 1 p 2 neutral ¡equivalent original Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 18

Non-­‑observable ¡neutrality ¡viola@on p 2 p 1 p 2 p 1 neutral ¡equivalent original Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 18

Non-­‑observable ¡neutrality ¡viola@on p 2 p 1 p 2 p 1 neutral ¡equivalent original Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 18

Non-­‑observable ¡neutrality ¡viola@on v 1 p 2 p 1 p 2 p 1 v 2 neutral ¡equivalent original Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 18