Arya, Vijay
- Turletti, Thierry
Titre français : MINC et Fraude
Abstract : Network tomography tools such as MINC can be used to infer important internal properties of a network underlying a multicast tree. This inference is made by analyzing receiver feedbacks to the measurement probes sent from the source and can be utilized to make significant decisions concerning the network. However, certain misbehaving receivers can return incorrect feedback and mislead the MINC inference resulting in an erroneous decision. Hence it is required to verify if the feedbacks collected from the receivers can be utilized to make a trustworthy MINC inference. In this report, the MINC inference procedure which computes the loss probabilities of various paths in the multicast tree is investigated. Firstly, it is shown how the loss probabilities computed by MINC change when receivers alter their feedback. Then, a statistical detection procedure is presented, which searches for loss probability inconsistencies in the feedback data. Some preliminary results b! ased on old mbone loss traces are presented.
Résumé : Les outils de tomographie de type MINC sont utiles pour inférer les caractéristiques du réseau sous-jacent correspondant à un arbre de transmission multipoint. Ces mécanismes d'inférence se font en analysant les rapports de réception de paquets de contrôle (appelés sondes) envoyés par la source; ils peuvent être utilisés pour prendre des mesures importantes concernant le réseau ou pour modifier la politique de transmission. Cependant, la mauvaise conduite (ou fraude) de certains récepteurs en renvoyant des rapports incorrects peut induire de mauvaises décisions. Il est donc important de pouvoir vérifier la validité des différents rapports de réception. Dans ce rapport de recherche, on étudie le mécanisme d'inférence de MINC qui calcule les probabilités de perte de paquets sur les différentes branches de l'arbre de transmission multipoint. On montre de quelle manière la probabilité de perte de paquets calculée par MINC est modifiée lorsque les récepteurs trichent. On décrit un mécanisme de détection statistique qui recherche les inconsistences de probabilité de perte de paquets au sein de l'ensemble des rapports de réception. Des résultats préliminaires effectués sur des traces de perte de paquets sur MBone sont présentés
Key-Words : MINC / MISBEHAVIOR / NETWORK TOMOGRAPHY / STATISTICS / MULTICAST
Mots-clés : FRAUDES / TOMOGRAPHIE DE RÉSEAU / MBONE / MINC / MULTICAST / STATISTIQUE
