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

▶
network neutrality inference
SMART_READER_LITE
LIVE PREVIEW

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

Feb 21, 2024 408 likes •1.18k views

Network neutrality inference Zhiyong Zhang, Ovidiu Mara, Katerina Argyraki EPFL, UESTC Neutrality Neutrality viola@on = a link subjects different flows to different

slide-1
SLIDE 1

Network ¡neutrality ¡inference

Zhiyong ¡Zhang, ¡Ovidiu ¡Mara, ¡ Katerina ¡Argyraki EPFL, ¡UESTC

slide-2
SLIDE 2

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

  • Neutrality ¡viola@on ¡= ¡a ¡link ¡subjects ¡

different ¡flows ¡to ¡different ¡policies

Neutrality

2

slide-3
SLIDE 3

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

  • Neutrality ¡viola@on ¡= ¡a ¡link ¡subjects ¡

different ¡flows ¡to ¡different ¡policies

Neutrality

2

slide-4
SLIDE 4

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

  • Neutrality ¡viola@on ¡= ¡a ¡link ¡subjects ¡

different ¡flows ¡to ¡different ¡policies

Neutrality

2

slide-5
SLIDE 5

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

  • Neutrality ¡viola@on ¡= ¡a ¡link ¡subjects ¡

different ¡flows ¡to ¡different ¡policies

Neutrality

2

slide-6
SLIDE 6

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

  • Neutrality ¡viola@on ¡= ¡a ¡link ¡subjects ¡

different ¡flows ¡to ¡different ¡policies

Neutrality

2

slide-7
SLIDE 7

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

  • Neutrality ¡viola@on ¡= ¡a ¡link ¡subjects ¡

different ¡flows ¡to ¡different ¡policies

Neutrality

2

slide-8
SLIDE 8

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

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?

3

slide-9
SLIDE 9

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

Inconsistent ¡observa@ons

  • When ¡the ¡network ¡is ¡non-­‑neutral, ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡

if ¡we ¡make ¡diverse ¡external ¡observa@ons, ¡ these ¡will ¡be ¡inconsistent ¡with ¡each ¡other.

4

slide-10
SLIDE 10

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

Network ¡tomography

  • Input: ¡network ¡topology, ¡

path ¡measurements

  • Output: ¡link ¡proper@es
  • ­‑

average ¡loss ¡rate

  • ­‑

average ¡latency

  • ­‑

congesAon ¡status

  • ­‑

congesAon ¡probability

5

slide-11
SLIDE 11

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

Network ¡tomography

  • Input: ¡network ¡topology, ¡

path ¡measurements

  • Output: ¡link ¡proper@es
  • ­‑

average ¡loss ¡rate

  • ­‑

average ¡latency

  • ­‑

congesAon ¡status

  • ­‑

congesAon ¡probability

5

slide-12
SLIDE 12

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

Network ¡tomography

  • Input: ¡network ¡topology, ¡

path ¡measurements

  • Output: ¡link ¡proper@es
  • ­‑

average ¡loss ¡rate

  • ­‑

average ¡latency

  • ­‑

congesAon ¡status

  • ­‑

congesAon ¡probability

5

slide-13
SLIDE 13

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

Network ¡tomography

6

l1 l2 l3 p1 p2

slide-14
SLIDE 14

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

Network ¡tomography

6

l1 l2 l3 p1 p2

P{p1 ¡good} P{l1 ¡good} P{l2 ¡good} =

*

slide-15
SLIDE 15

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

log(P{p1 ¡good}) ¡= ¡log(P{l1 ¡good}) ¡+ ¡log(P{l2 ¡good})

Network ¡tomography

6

l1 l2 l3 p1 p2

P{p1 ¡good} P{l1 ¡good} P{l2 ¡good} =

*

slide-16
SLIDE 16

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

log(P{p1 ¡good}) ¡= ¡log(P{l1 ¡good}) ¡+ ¡log(P{l2 ¡good})

Network ¡tomography

6

l1 l2 l3 p1 p2 Y1 = X1 + X2

P{p1 ¡good} P{l1 ¡good} P{l2 ¡good} =

*

slide-17
SLIDE 17

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

Network ¡tomography

6

l1 l2 l3 p1 p2 Y1 = X1 + X2

slide-18
SLIDE 18

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

link ¡proper@es ¡(unknowns)

Network ¡tomography

6

l1 l2 l3 p1 p2 Y1 = X1 + X2 Y2 = X1 + X3 e2e ¡path ¡measurements Y12 = X1 + X2 + X3

slide-19
SLIDE 19

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

Tomography ¡and ¡neutrality

  • Tomography ¡fundamentally ¡assumes ¡

network ¡neutrality

  • A ¡link ¡has ¡the ¡same ¡property ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡

for ¡all ¡paths ¡that ¡traverse ¡that ¡link

7

slide-20
SLIDE 20

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

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

8

slide-21
SLIDE 21

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

Outline

  • Observability ¡of ¡neutrality ¡viola@ons
  • Localiza@on ¡of ¡neutrality ¡viola@ons
  • Algorithm ¡+ ¡results

9

slide-22
SLIDE 22

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

Outline

  • Observability ¡of ¡neutrality ¡viola@ons
  • Localiza@on ¡of ¡neutrality ¡viola@ons
  • Algorithm ¡+ ¡results

10

slide-23
SLIDE 23

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 11

p2 p1 p3

slide-24
SLIDE 24

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 12

l1 l2 l3 l4 p2 p3 p1

slide-25
SLIDE 25

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 12

l1 l2 l3 l4 Y1 = X1 + X2 Y2 = X1 + X3 Y3 = X3 + X4 p2 p3 p1

slide-26
SLIDE 26

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 13

0 = X1 + X2 0 ¡> ¡Y2 = X1 + X3 = X3 + X4 l1 l2 l3 l4 p2 p3 p1

slide-27
SLIDE 27

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 13

0 = X1 + X2 0 ¡> ¡Y2 = X1 + X3 = X3 + X4 l1 l2 l3 l4 p2 p3 p1

slide-28
SLIDE 28

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

Observable ¡neutrality ¡viola@on

13

0 = X1 + X2 0 ¡> ¡Y2 = X1 + X3 = X3 + X4 l1 l2 l3 l4 p2 p3 p1

slide-29
SLIDE 29

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 14

p1 p2 l1 l2 l3

slide-30
SLIDE 30

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 14

p1 p2 Y1 = X1 + X2 Y2 = X1 + X3 l1 l2 l3

slide-31
SLIDE 31

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 15

= X1 + X2 0 ¡> ¡Y2 = X1 + X3 p1 p2 l1 l2 l3

slide-32
SLIDE 32

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 15

= X1 + X2 0 ¡> ¡Y2 = X1 + X3 p1 p2 l1 l2 l3

slide-33
SLIDE 33

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

Non-­‑observable ¡neutrality ¡viola@on

15

= X1 + X2 0 ¡> ¡Y2 = X1 + X3 p1 p2 l1 l2 l3

slide-34
SLIDE 34

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

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.

16

slide-35
SLIDE 35

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

Equivalent ¡neutral ¡network

  • A ¡purely ¡theore@cal ¡construct
  • Enables ¡to ¡formally ¡specify ¡which ¡neutrality ¡

viola@ons ¡are ¡externally ¡observable

17

slide-36
SLIDE 36

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

Non-­‑observable ¡neutrality ¡viola@on

18

p1 p2

  • riginal

neutral ¡equivalent

slide-37
SLIDE 37

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

Non-­‑observable ¡neutrality ¡viola@on

18

p1 p2

  • riginal

neutral ¡equivalent p1 p2

slide-38
SLIDE 38

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

Non-­‑observable ¡neutrality ¡viola@on

18

p1 p2

  • riginal

neutral ¡equivalent p1 p2

slide-39
SLIDE 39

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

Non-­‑observable ¡neutrality ¡viola@on

18

v1 v2 p1 p2

  • riginal

neutral ¡equivalent p1 p2

slide-40
SLIDE 40

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

Observable ¡neutrality ¡viola@on

19

  • riginal

neutral ¡equivalent p2 p3 p1 v1 p2 p3 p1 v2

slide-41
SLIDE 41

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

Observability

  • Neutrality ¡viola@on ¡is ¡externally ¡observable, ¡ ¡ ¡ ¡ ¡ ¡

if ¡and ¡only ¡if ¡ there ¡exists ¡at ¡least ¡one ¡ dis@nguishable ¡virtual ¡link ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ in ¡the ¡equivalent ¡neutral ¡network.

20

slide-42
SLIDE 42

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

Outline

  • Observability ¡of ¡neutrality ¡viola@on
  • Localiza@on ¡of ¡neutrality ¡viola@ons
  • Algorithm ¡+ ¡results

21

slide-43
SLIDE 43

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 22

p1 p3 p2

slide-44
SLIDE 44

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 23

l1 l2 l3 l4 p1 p2 p3

slide-45
SLIDE 45

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

l4

24

l1 p1 p2 p3 l2 l3

slide-46
SLIDE 46

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

l4

24

= X1 + X2 ¡0 ¡> ¡Y2 = X1 + X3 l1 p1 p2 p3 l2 l3

slide-47
SLIDE 47

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

l4

24

= X1 + X2 ¡0 ¡> ¡Y2 = X1 + X3 l1 p1 p2 p3 l2 l3

slide-48
SLIDE 48

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 25

= X1 + X2 0 ¡> ¡Y2 = X1 + X3 l1 p1 p2 p3 l2 l3 l4

slide-49
SLIDE 49

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 25

Y3 = X1 + X4 Y2 = X1 + X3 Y23 = X1 + X3 + X4 = X1 + X2 0 ¡> ¡Y2 = X1 + X3 l1 p1 p2 p3 l2 l3 l4

slide-50
SLIDE 50

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 25

Y3 = X1 + X4 Y2 = X1 + X3 Y23 = X1 + X3 + X4 = X1 + X2 0 ¡> ¡Y2 = X1 + X3 l1 p1 p2 p3 l2 l3 l4

slide-51
SLIDE 51

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 26

Y3 = X1 + X4 Y2 = X1 + X3 Y23 = X1 + X3 + X4 l1 p1 p2 p3 l2 l3 l4 = X1 + X2 0 ¡> ¡Y2 = X1 + X3

slide-52
SLIDE 52

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

Localizable ¡viola@on

26

Y3 = X1 + X4 Y2 = X1 + X3 Y23 = X1 + X3 + X4 l1 p1 p2 p3 l2 l3 l4 = X1 + X2 0 ¡> ¡Y2 = X1 + X3

slide-53
SLIDE 53

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

Localizability

  • We ¡can ¡localize ¡a ¡neutrality ¡viola@on ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡

¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ to ¡a ¡par@cular ¡link ¡sequence, if ¡there ¡exist ¡at ¡least ¡two ¡path ¡pairs ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ that ¡intersect ¡exactly ¡at ¡this ¡link ¡sequence ¡(...)

27

slide-54
SLIDE 54

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

Outline

  • Observability ¡of ¡neutrality ¡viola@on
  • Localiza@on ¡of ¡neutrality ¡viola@ons
  • Algorithm ¡+ ¡results

28

slide-55
SLIDE 55

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

Algorithm

  • Considers ¡each ¡link ¡sequence
  • Iden@fies ¡path ¡pairs ¡that ¡intersect ¡ ¡ ¡ ¡ ¡ ¡

exactly ¡at ¡this ¡link ¡sequence

  • Checks ¡whether ¡these ¡form ¡an ¡unsolvable ¡

tomographic ¡system ¡of ¡equa@ons

29

slide-56
SLIDE 56

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

Measurements

  • Divide ¡@me ¡into ¡intervals
  • Measure ¡“conges@on ¡probabili@es”
  • ­‑

count ¡the ¡intervals ¡in ¡which ¡a ¡path ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡

  • r ¡a ¡pair ¡of ¡paths ¡is ¡congesAon-­‑free

30

slide-57
SLIDE 57

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

Output

  • Non-­‑neutral ¡link ¡sequences
  • ­‑

include ¡at ¡least ¡one ¡non-­‑neutral ¡link

  • ­‑

saAsfy ¡our ¡localizaAon ¡condiAon

31

slide-58
SLIDE 58

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

Metrics

  • False ¡posi@ves
  • ­‑

fracAon ¡of ¡neutral ¡links ¡that ¡are ¡in ¡a ¡link ¡sequence ¡ that ¡is ¡misclassified ¡as ¡non-­‑neutral ¡

  • False ¡nega@ves
  • ­‑

fracAon ¡of ¡non-­‑neutral ¡links ¡that ¡are ¡not ¡in ¡a ¡link ¡ sequence ¡that ¡is ¡classified ¡as ¡non-­‑neutral

  • Granularity
  • ­‑

average ¡size ¡of ¡link ¡sequences ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ classified ¡as ¡non-­‑neutral

32

slide-59
SLIDE 59

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

Evalua@on ¡plakorm

  • Network ¡emulator ¡(LINE)
  • ­‑

virtual ¡interface ¡per ¡end-­‑host

  • ­‑

runs ¡in ¡user ¡space

  • Real ¡network ¡stacks, ¡TCP ¡traffic
  • Real ¡packet ¡queues, ¡policers, ¡shapers
  • ­‑

(in ¡soOware)

  • Simulated ¡transfer ¡and ¡propaga@on ¡delay

33

slide-60
SLIDE 60

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

Simplest ¡setup: ¡uniform ¡traffic

  • Two ¡traffic ¡classes: ¡high ¡and ¡low ¡priority
  • All ¡traffic ¡has ¡the ¡same ¡TCP ¡flow ¡proper@es
  • All ¡links ¡implement ¡drop-­‑tail ¡policy
  • Non-­‑neutral ¡links ¡police ¡low-­‑priority ¡at ¡30%

34

slide-61
SLIDE 61

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 35

slide-62
SLIDE 62

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 35

slide-63
SLIDE 63

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 35

high ¡priority

slide-64
SLIDE 64

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 35

high ¡priority low ¡priority

slide-65
SLIDE 65

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 35

background high ¡priority low ¡priority

slide-66
SLIDE 66

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

Results

  • No ¡false ¡posi@ves ¡
  • No ¡false ¡nega@ves
  • Granularity: ¡1.8

36

slide-67
SLIDE 67

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 37

Under ¡the ¡hood

12, 10, 19 2 13, 17 6 19 1 4 3 7, 19 20 20, 8 20, 9, 11 5 18, 14 0.0 0.5 1.0 1.5 2.0 2.5

Link sequence Inferred probability

  • f congestion [%]
slide-68
SLIDE 68

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

1 2 , 1 , 1 9 2 1 3 , 1 7 6 1 9 1 4 3 7 , 1 9 2 2 , 8 2 0.0 0.5 1.0 1.5 2.0

inferred ¡conges@on ¡probability ¡ based ¡on ¡high-­‑priority ¡traffic inferred ¡conges@on ¡probability ¡ based ¡on ¡low-­‑priority ¡traffic

38

slide-69
SLIDE 69

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

1 9 1 4 3 7 , 1 9 2 2 , 8 2 , 9 , 1 1 5 1 8 , 1 4

39

inferred ¡conges@on ¡probability ¡ based ¡on ¡high-­‑priority ¡traffic inferred ¡conges@on ¡probability ¡ based ¡on ¡low-­‑priority ¡traffic

slide-70
SLIDE 70

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 40

Under ¡the ¡hood

12, 10, 19 2 13, 17 6 19 1 4 3 7, 19 20 20, 8 20, 9, 11 5 18, 14 0.0 0.5 1.0 1.5 2.0 2.5

Link sequence Inferred probability

  • f congestion [%]
slide-71
SLIDE 71

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

In ¡the ¡paper

  • Theore@cal ¡assump@ons
  • ­‑

link ¡independence, ¡class ¡correlaAon

  • Solu@ons ¡to ¡prac@cal ¡problems
  • ­‑

TCP ¡cauAousness, ¡loss ¡bursAness

  • Other ¡experimental ¡setups
  • ­‑

varying ¡flow ¡sizes, ¡RTTs, ¡congesAon ¡control ¡ algorithms, ¡policing/shaping ¡rates

41

slide-72
SLIDE 72

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 42

p2 p1 p3

slide-73
SLIDE 73

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014 42

p2

slide-74
SLIDE 74

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

Related ¡work

  • Detec@on ¡of ¡applica@on-­‑layer ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡

¡ ¡ and ¡transport-­‑layer ¡differen@a@on

  • ­‑

DiffProbe, ¡Kanuparthy ¡and ¡Dovrolis, ¡2010 ¡

  • ­‑

Glasnost, ¡Dischinger ¡et ¡al., ¡2010

  • Detec@on ¡of ¡traffic ¡shaping
  • ­‑

ShaperProbe, ¡Kanuparthy ¡and ¡Dovrolis, ¡2011

  • ­‑

Packsen, ¡Weinsberg ¡et ¡al., ¡2011

43

slide-75
SLIDE 75

Katerina ¡Argyraki, ¡Network ¡neutrality ¡inference, ¡SIGCOMM ¡2014

Contribu@ons

  • Detec@on ¡on ¡neutrality ¡viola@ons ¡

independently ¡from ¡differen@a@on ¡criteria

  • ­‑

iff ¡there ¡exists ¡a ¡disAnguishable ¡virtual ¡link ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ in ¡the ¡neutral ¡equivalent

  • Localiza@on ¡of ¡neutrality ¡viola@ons ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡

¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ to ¡specific ¡link ¡sequences

  • ­‑

if ¡there ¡exist ¡two ¡path ¡pairs ¡that ¡intersect ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ ¡ exactly ¡at ¡that ¡link ¡sequence ¡(...)

44