Dealing with P2P traffic in modern networks: measurement, identification and control - Archive ouverte HAL Access content directly
Theses Year : 2011

Dealing with P2P traffic in modern networks: measurement, identification and control

La gestion du trafic P2P dans les réseaux modernes : mesure, identification et contrôle

(1, 2)
1
2

Abstract

Due to the large diffusion of P2P applications and especially P2P live-streaming, P2P traffic occupies an extremely large portion of overall Internet traffic. In this context, this thesis proposes new instruments to measure, identify and control P2P traffic. Regarding traffic classification, since traditional techniques have a hard time identifying P2P traffic, we propose a new behavioral classifier, Abacus, tailored for P2P live-streaming. Our experiments prove that Abacus, though based on simple counts of packets and bytes exchanged by a host, represents a lightweight and accurate solution for identifying P2P applications. Second, since the huge volume of traffic obliges operators to employ either flow-level monitors (e.g. NetFlow) or packet sampling to cut down the amount of measurement data, we evaluate the impact of data reduction on traffic characterization and classification. We show that Abacus can be adapted to this kind of data, suffering only a minor loss in accuracy and statistical classification remains possible if training and validation data are sampled at the same rate, in spite of the distortion introduced by packet sampling. Finally, we study a new transport protocol for P2P traffic, LEDBAT (Low Extra Delay Background Transport Protocol), the congestion control algorithm of the official BitTorrent client. This delay-based algorithm aims to provide an efficient, lower-than-best-effort service. Though faithful to its goals, the original design of LEDBAT appears affected by a latecomer advantage: we identify the main cause of the unfairness and propose effectives correction that restore the fairness.
Suite à la diffusion des applications P2P et en particulier du video P2P, le trafic P2P représente déjà une portion importante de la totalité du trafic sur Internet. Dans ce contexte cette thèse propose des nouveaux outils pour mesurer, identifier et contrôler le trafic P2P. Concernant la classification de trafic, vue l'inefficacité des techniques traditionnelles, nous proposons un nouveau classificateur comportemental, Abacus, spécifique pour les applications P2P-TV. Nos expériences prouvent que Abacus, bien qu'il soit basé sur la simple mesure du numéro des paquets et octets échanges par un hôte, fourni une solution légère et efficace pour l'identification des applications P2P. En suite, nous évaluons l'impact de la réduction des données, due à l'utilisation très commune de Netflow et de l'échantillonnage à niveau paquet, sur la classification de trafic. Nous montrons que Abacus peut être adapté à utiliser ce type des données, et que même si l'échantillonnage de paquets cause une dégradation importante de la qualité des mesurés, cependant la classification reste possible si l'apprentissage du classificateur est fait avec des données eux même échantillonnées. En fin, nous étudions un nouveau type de protocole de transport pour les applications P2P, LEDBAT, proposé et utilisé par la version officielle de BitTorrent. Ce protocole, basé sur le délai, veut implémenter un transport a basse priorité. Nous montrons que LEDBAT atteinte son objectif, mais qu'il souffre d'un problème d'équité entre flux du même type: nous identifions la cause de ce problème et proposons des solutions efficaces, qui rétablissent l'équité.
Fichier principal
Vignette du fichier
these-silvio.pdf (3.24 Mo) Télécharger le fichier
Vignette du fichier
these_v2.pptx (1.29 Mo) Télécharger le fichier
Format : Other

Dates and versions

pastel-00645263 , version 1 (27-11-2011)

Identifiers

  • HAL Id : pastel-00645263 , version 1

Cite

Silvio Valenti. Dealing with P2P traffic in modern networks: measurement, identification and control. Networking and Internet Architecture [cs.NI]. Télécom ParisTech, 2011. English. ⟨NNT : ⟩. ⟨pastel-00645263⟩
307 View
6356 Download

Share

Gmail Facebook Twitter LinkedIn More