Un essai. Réhan NOORDALLY Université de la Réunion - Laboratoire Informatique & Mathématiques FRANCE rehan.noordally@univ-reunion.fr.

Transcription

1 Un essai Réhan NOORDALLY Université de la Réunion - Laboratoire Informatique & Mathématiques FRANCE rehan.noordally@univ-reunion.fr Résumé La Réunion possède une connexion à Internet particulière, du fait de sa localisation éloignée d un réseau maillé. L internaute local est pénalisé d un temps d accès à l information plus long que celui de son copain métropolitain. La première raison de ce délai est l éloignement du maillage fort, mais est-ce la seule? Je m efforcerais dans ce document de montrer qu il y a d autres paramètres à prendre en compte pour cela. La chaîne de mesure que je présente permet d obtenir des premiers résultats qui permettrons de justifier le temps d accès rallongé. I. Introduction L Île de La Réunion est une île française situé dans l Océan Indien à 800 kilomètres de la cãt te Est de Madagascar. Comme les autres îles de la Zone Océan Indien 1, elle est connecté à Internet par des câbles sous-marins. La figure 1 illustre sa position géographique, mais également sa connexion au réseau internet mondial. La Réunion génère des données en quantité volumineuse, que ça soit par les entreprises dans un but commerciale ou par les particuliers dans un but privée. La distinction entre les deux devient, d après l étude de Popma [1], de plus en plus fine. Chaque individu peut-être connecté soit de son bureau ou de chez lui, soit de façon mobile avec son téléphone portable. Cette connexion mobile lui permet d être joignable par les deux aspects de sa vie que sont le privé et le professionnel, surtout qu une récente étude de Médiamétrie [2] montre que plus de 60% des téléphones mobiles sont des "smartphones" et possède donc une connexion internet mobile haut débit. Cette forte génération de données de sources diverses sera, dans le cadre de notre étude, plus communémment appelé "Big Data" 2. L Internet devient de plus en plus omniprésent à la Réunion comme partout. La Réunion de par sa situation géographique souffre d une latence importante pour ses communications de longue distance. Le débit écoulé par une connexion TCP est inversement proportionnel au facteur de la latence. Par conséquent, un client à la Réunion va souffrir d un débit plus faible qu un client localisé sur le continent. Il y a une limitation protocolaire au débit obtenu à la Réunion. Cette thèse propose de mettre en place une plateforme de mesure du trafic Internet. L objectif est d analyser le trafic afin de déterminer les caractéristiques des flots TCP, les anomalies affectant le transfert. L analyse vise à identifier les particularités réunionnaises du trafic Internet comme une corrélation des événements de congestion, les taux de pertes, la répartition de la taille des flots, les RTT, etc. 1. ZOI 2. Ensemble de données tellement volumineux qu ils en devient difficiles à travailler avec des outils classiques de gestion de base de données ou de gestion de l information. 1

2 Figure 1: Connexion de l île de La Réunion à Internet II. Motivation À la différence des continents, et comme on a pu le voir sur la figure 1, les îles de la ZOI ne possèdent pas de réseaux fortement maillés à proximité. Cette différence, par rapport aux pays continentaux, implique un temps d accès à l information plus long du fait de son arrivée tardive à un noeud maillé. Le site nous permet d avoir l ensemble des câbles sous-marins de la planète. En regardant de plus près ce qui se passe autour de l Île de La Réunion, nous voyons que l un des câble, en l occurence le SAFE, remonte jusqu à Singapour tandis que le LION2 est spécifique à la ZOI. La figure 2, issue des travaux d Anelli [3], illustre la différence de traitement entre la Réunion et Paris. Cette étude révèle une latence plus élevé et un débit plus faible dans la zone étudiée que les mesures relevés à Paris. Cette diffférence n est, pour moi, pas uniquement dãż au temps de transfert de l information à un réseau maillé. III. Evaluation Mon protocole de travail s est basé sur les conseils et les bonnes pratiques dispensées par John[4]. Ces recommandations m ont permis de prendre conscience de certaines législations, outils et méthodologies existants sur la métrologie. Afin de garder une image la plus fidèle possible du trafic transporté sur les câbles SAFE et LION2, j ai séparé mon travail en deux phases. 2

3 Figure 2: Comparatif du RTT et du débit entre La Réunion et Paris I. Écoute Comme nous avons pu le voir à la partie II, nous souffrons d un délai important d accès à l information voulue. Afin de ne pas perturber, plus qu il est nécessaire, le trafic, nous nous orientons vers de la métrologie passive, et à ce titre faire de la capture de paquets. Cela nous permettra également de retravailler sur les fichiers d écoutes en cas de besoin dans le futur. Pour cela, nous nous orientons vers la technique de port-mirroring couplée à une méthode de capture du trafic entrant sur l interface réseau raccordée au SAFE et LION. Cette capture sera basée sur l outil TCPDUMP, qui est l outil développé autour de la librairie PCAP, conçue à l origine pour l écoute, la capture et l analyse du réseau. A l heure actuelle, cette méthode n est pas optimale. En effet, notre capture se fait par un périphérique non conçue pour cela au départ. Nous avons donc des erreurs au niveau de la datation et des paquets non capturés. Sonde passive NRA POP FTTH Internet Routage externe Interconnexion SAFE Fibre Optique Routeur FAI Routage Interne Réseau GAZELLE FTTB Wimax Figure 3: Schéma de connexion au réseau Internet réunionnais Cette méthode d écoute passive, telle qu illustrée sur la figure 3, nous permettra d avoir accès à un grand nombre d informations, même si nous ne faisons pas de mesures bout-à-bout. 3

4 Une fois ces fichiers d écoutes datés et enregistrés, nous devrons, en respect de la loi française et de la réglementation de la vie privée tel qu indiquée dans la Loi Informatique et Libertés de , anonymiser au maximum les traces que nous aurons collectés. Ainsi, nous aurons aucun moyen de retrouver l identité de la personne ayant formulée la requête. Pour cela, nous allons nous appuyer sur les travaux de Xu[5] et qui est, à l heure actuelle, la méthode la plus utilisée dans l anonymisation des données IP dans la recherche scientifique. Pour cela, elle se base sur le principe de "prefix-preserving". Cela signifie que si deux adresses IP partagent un préfixe de k bits, leurs adresses anonymisées partageront également un préfixe de k bits. Le principal problème de cette méthode est le stockage. En effet, les donnés transitant sur le câble sont gigantesques et nous devrons penser à un système de stockage secondaire, sans que cela ne pénalise le réseau. Pour cela, nous pouvons nous orienter vers un serveur de sauvegarde à très grande capacité où nous pourrions y mettre uniquement les en-têtes, sans le payload application pour alléger les traces, mais afin de pouvoir stocker un plus grand nombre de données nous utiliserons des techniques de réductions de données tel que l échantillonnage, troncature de paquets ou l agrégation des flots. II. Traitement 4 En voulant mettre en avant les défauts potentiels du transport des paquets, nous allons traiter les fichiers d écoute selon une méthode bien précise. Cette méthode de traitement comportera six étapes différentes basée sur les logiciels Bro et Scapy, les langages Bash, Python et R, et le générateur de graphes Gnuplot. Scapy associé à des scripts Python permettent le traitement des traces d écoute. Associés à des scripts bash nous pouvons 5. Le logiciel Bro, développé par Vern Paxson[6], nous donnes des informations plus spécifiques sur les protocoles de transports utilisés et la géolocalisation des serveurs[7] par exemple. Le langage R sera utilisé pour des phases de data mining. L ensemble permettra la génération de graphiques au travers du logiciel Gnuplot. Conformément à la ligne directrice que nous nous sommes données, nous orientons nos recherches vers des mesures ayant un impact sur les 3 aspects que nous voulons étudiés dans cette thèse. La figure 4, provenant de Jain[8], illustre les différents scénarios possibles lors de l envoies d une requête. Cette figure permet de nous indiquer quelques métriques, selon la réussite ou non de la requête. On peut donc proposer d étudier les métriques, selon l impact qu elles ont sur les 3 aspects que l on souhaite mettre en avant. IV. Related work situãľ l idãľe que je propose par rapport \ a ce qui se fait normalement ailleurs Actuellement, aucune étude ne travaille sur le problème des zones isolées géographiquement comme la ZOI. Notre travail se veut donc innovant. Il sera donc important de prouver l intérêt d une telle étude auprès des groupes de travail tel que 3. Loi Informatique et Libertés de script Python et bash principalement 5. attention répétition et phrase non finie 4

5 Figure 4: Scénarios possibles avec métriques correspondants Nom de la métrique RTT Duré de la communication Throughput Débit écoulé montant Débit écoulé descendant Paquets perdus Paquets déséquencés Paquets dupliqués Efficacité du support Gigue Évènement de congestion Taille des différentes fenêtres Taille des flots de transport Service de communication Taux de connexion TCP inabouties Geolocalisation des serveurs Aspect /QdE Qds/QdE /QdE / /QdE Table 1: Métriques étudiées Références [1] J. Popma, Technostress et autres revers du travail nomade, ETUI, Ed. ETUI aisbl, [2] I. Lelouche-filliau and L. Osmanian Molinero, L internaute ultra connecté/exposé/engagé, 5

6 MEDIAMETRIE, Tech. Rep., [3] P. Anelli, Des aléas de la communication : de la transmission au transport, Habilitation à diriger des recherches en informatique, Université de La Réunion, [4] W. John, S. Tafvelin, and T. Olovsson, Passive internet measurement : Overview and guidelines based on experiences, Computer Communications, vol. 33, no. 5, pp , [5] J. Xu, J. Fan, M. H. Ammar, and S. B. Moon, Prefix-preserving ip address anonymization : Measurement-based security evaluation and a new cryptography-based scheme, in Network Protocols, Proceedings. 10th IEEE International Conference on. IEEE, 2002, pp [6] V. Paxson, Bro : a system for detecting network intruders in real-time, Computer networks, vol. 31, no. 23, pp , [7] L. MaxMind, City-level geoip database. [Online]. Available : [8] R. Jain, The art of computer systems performance analysis. John Wiley & Sons Chichester, 1991, vol