La résilience de l’internet repose en grande partie sur la diversité de la connectivité entre ses réseaux. Cette diversité signifie que lorsqu’une route entre vous et le réseau auquel vous essayez d’accéder ne fonctionne pas, vous pouvez emprunter une autre route jusqu’à votre destination.
Les chercheurs et les opérateurs de réseaux surveillent et mesurent constamment ces routes pour comprendre leurs performances, résoudre les problèmes, trouver des itinéraires optimaux pour les clients et cartographier l’internet. Pour ce faire, ils utilisent notamment un traceroute – une commande qui envoie de petits paquets vers une destination cible et mesure la latence des multiples itinéraires qu’ils empruntent.
Si cette méthode éprouvée permet de connaître les performances des routes entre votre réseau et le réseau auquel vous essayez de vous connecter, elle ne prend pas en compte la ou les routes que les paquets empruntent pour revenir vers votre réseau.
C’est pourquoi les chercheurs et les opérateurs de réseaux doivent également utiliser un outil de traçage inverse pour mesurer les routes vers leurs propres hôtes à partir de réseaux arbitraires, sans avoir accès à ces réseaux distants pour exécuter la commande.
Traceroute inverse + outil de diagnostic réseau = meilleure visibilité
revtr 2.0 est un outil de traçage inverse de deuxième génération qui combine de nouvelles approches et études de mesure avec un déploiement à grande échelle pour améliorer le débit, la précision et la couverture, permettant la première exploration des chemins inverses à l’échelle de l’internet.
Récemment, mes collègues et moi-même du LAAS-CNRS, de l’université Columbia, de l’Universidade Federal de Minas Gerais et de la Northeastern University avons collaboré avec M-Lab pour inclure revtr 2.0 dans son outil de diagnostic de réseau (NDT).
NDT permet à un utilisateur de mesurer sa bande passante et son temps de latence par rapport à un serveur M-Lab. Dans le cadre de chaque test NDT, le M-Lab émet un traceroute aller du serveur du M-Lab vers l’utilisateur afin de recueillir des informations sur le chemin aller qu’il met à la disposition de la communauté. Il fournit également des informations sur le chemin retour via un revtr-sidecar, qui déclenche un traceroute retour de l’utilisateur vers le serveur du M-Lab.
Mes collègues et moi-même avons effectué en continu des tracés inversés pour une fraction des essais CND (~500 000 tracés inversés par jour) depuis le 1er novembre 2023.
Sur la base de nos recherches antérieures, nous avons observé comment revtr 2.0 peut:
- Mesurer au moins un chemin inverse à partir de 39 544 destinations de systèmes autonomes (AS), qui hébergent 92,6 % des utilisateurs de l’internet. À titre de comparaison, les points d’observation du RIPE Atlas peuvent mesurer 4 344 destinations AS, ce qui représente 67,1 % de la base des utilisateurs de l’internet.
- Renvoyer des chemins qui sont corrects au niveau AS au moins 98,3 % du temps sur notre ensemble de données d’évaluation.
- Mesurer ≈15M de traceroutes inversées et directes par jour pendant la collecte de notre campagne à grande échelle, soit environ 173 traceroutes inversées par seconde au total. revtr 2.0 envoie 26% de sondes en plus que revtr 1.0, ce qui correspond à un débit 43x (qui est dû à la façon dont nous devons surveiller les paquets usurpés) – voir l’article pour plus de détails.
Amélioration de la visibilité = Amélioration des performances et de la compréhension de l’internet
Une autre partie de notre recherche a consisté à montrer l’aspect pratique de revtr 2.0 pour les opérateurs de réseaux et les chercheurs.
Pour les opérateurs, nous avons montré comment revtr 2.0 pourrait être intégré dans les systèmes d’ingénierie du trafic afin d’aider à identifier la cause d’une mauvaise performance chez un client. Nous avons annoncé nos propres préfixes sur l’internet comme si nous étions un opérateur de réseau avec plusieurs points de présence et nous avons mesuré la latence entre les destinations représentant les clients et nos serveurs. Nous avons ensuite effectué des traceroutes inversées à partir des clients présentant une mauvaise latence pour trouver le réseau sur le chemin responsable et nous avons modifié notre annonce pour les faire passer sur un meilleur chemin, ce qui a amélioré leur latence. Dans une autre expérience, nous avons également montré comment utiliser revtr 2.0 pour effectuer un équilibrage de charge – voir notre article pour plus de détails.
Pour les chercheurs, nous avons réalisé l’étude de symétrie la plus complète sur les chemins d’accès à l’internet, montrant que 47 % des routes de l’internet étaient asymétriques au niveau de l’AS (ne partageant pas le même chemin inverse).
Si vous souhaitez en savoir plus sur notre étude, lisez notre article, Internet Scale Reverse Traceroute, ou rejoignez le système. Toutes nos données collectées avec M-Lab sont accessibles au public sur BigQuery. Vous pouvez également nous envoyer un courriel à [email protected] pour ajouter votre propre source au système.
Kevin Vermeulen, chercheur CNRS à temps plein au LAAS, s’intéresse à la conception et à la mise en œuvre de systèmes de mesure pour construire un meilleur Internet.