L’arquitectura de SMARTxAC

Maria Isabel Gandía Carriedo

“Nova versió del Sistema de Monitoratge

de TЯAfic per a l’Anella Científica”

CSUC, Annexus, 24-3-2015

Captura, Anàlisi i Visualització

Captura: llegeix tràfic i agrega els resultats per reduir el

volum de dades

Anàlisi: processa el resultat de captura, computa resultats

d’interès

Visualització: converteix els resultats en gràfiques o

taules

10010110111101

Plataforma MIRA, dos subsistemes:

• Captura: adaptació de OC3MON per a una targeta ATM

• Anàlisi: extracció de resultats

Captura:

• Passiva (splitters òptics)

• Mostrejada (10% del tràfic)

• Total (capçaleres + continguts)

1999-2001: Projecte MIRA

Desenvolupament

@UPC – CCABA

Internet

Anàlisi (Linux)

2003: primera versió de SMARTxAC

Captura:

• Passiva (splitters òptics, targetes 1Gbps)

• No mostrejada

• Només capçaleres

Només mesurava intercanvis entre Anella Científica i RedIRIS

Resultats actualitzats al final del dia (no temps real)

Captura

@CESCA (DAG 4.3GE +

GPS)

Captura

@UPC - CCABA

Splitters òptics

Internet

Anàlisi

(Linux)

Visualització

resultats

Intel Xeon 2.4 GHz + 1 GB

RAM

2 x Endace DAG 4.3GE

GPS (Trimble Acutime 2000)

Pentium IV 2.6 GHz.

+ 1 GB RAM

Pentium III

450 MHz

Xarxa privada

Xarxa gestió

2004-2009: Monitorage RedIRIS-Anella Científica

Tres subsistemes:

• Captura: adaptació de CAIDA Coralreef + desenvolupaments d’UPC

• Anàlisi: classificació de tràfic i generació de resultats

• Visualizació: informes i gràfics sota demanda

Captura

@CESCA (DAG 4.3GE +

GPS)

Captura

@UPC - CCABA

Splitters òptics

Internet

Anàlisi

(Linux) Visualització

resultats

Xarxa privada

Xarxa gestió

Intel Xeon 2.4 GHz

1 GB RAM

2 x Endace DAG 4.3GE

GPS (Trimble Acutime 2000)

Pentium IV 2.6 GHz

1 GB RAM Pentium III

450 MHz

Es capturen les dades d’altres interfícies: RedIRIS, Internet, i CATNIX

2009-2012: més punts de captura

Captura

@CESCA (DAG 4.3GE +

GPS)

Captura

@UPC - CCABA

Splitters òptics

Internet

Anàlisi

(Linux)

Visualització

resultats

Intel Xeon 2.4 GHz

1 GB RAM

2 x Endace DAG 4.3GE

GPS (Trimble Acutime 2000)

Pentium IV 2.6 GHz

1 GB RAM

Pentium III

450 MHz

Xarxa privada

Xarxa gestió

Proveïdors

Institucions

ISP A ISP B

ISP C

@CESCA1 @CESCA2 @REDIRIS

2009-2012: més punts de captura

º REDIRIS VAL ORANGE BCN2

CESCA-T

REDIRIS SAR ORANGE BCN1

Servidors de captura, anàlisi i

visualització

CESCA-CN Splitters òptics

Splitters

Backup

2012-2014: Netflow, nova interfície gràfica

Entrenament

@CESCA (DAG 4.3GE +

GPS)

Splitters òptics

Internet

Captura

(netflow)+Anàlisi

Visualització

resultats

Intel Xeon 2.4 GHz

1 GB RAM

2 x Endace DAG 4.3GE

GPS (Trimble Acutime 2000)

Virtual Ubuntu Server

64 bits,

4 cpus

8 Gb de RAM

30 GB per logs

Virtual

1 GB RAM

1 CPU

Es passa a NetFlow com a principal entrada de dades.

Els splitters s’usen per Deep Packet Inspection (DPI).

DPI per a entrenar un sistema de machine learning que és capaç

d’identificar les aplicacions.

Es mesuren totes les interfícies internes i externes.

Temps real.

Xarxa privada

Xarxa gestió

Proveïdors

Institucions

ISP A ISP B

ISP C

@CESCA1 @CESCA2 @REDIRIS

2012-2014: Netflow, més punts de captura

º REDIRIS ARA ORANGE BCN2

CESCA-T

REDIRIS VAL ORANGE BCN1

Amb netflow

Servidors de captura, anàlisi i

visualització

CESCA-CN

Splitters

Backup

Proveïdors

Institucions

ISP A ISP B

ISP C

@CSUC1 @CSUC2 @REDIRIS

2014-2015: es captura el tràfic a Telvent mostrejat

º REDIRIS ARA ORANGE BCN2

CSUC-T

REDIRIS VAL ORANGE BCN1

Amb netflow

Entrenament + Captura,

anàlisi i visualització

CSUC-CN Splitters òptics

Splitters

Backup

2015: nova versió de SMARTxAC

Entrenament (captura

splitters)

@CSUC(DAG 4.3GE + GPS)

Splitters òptics

Internet

Captura (netflow) +

Anàlisi + Visualització

Intel Xeon 2.4 GHz

1 GB RAM

2 x Endace DAG 4.3GE

GPS (Trimble Acutime 2000)

Node físic

Ubuntu Server 64 bits,

24 cpus

64 Gb de RAM

800 GB disc cabina

NetFlow com a principal entrada de dades.

Els splitters s’usen per Deep Packet Inspection (DPI).

DPI per a entrenar sistema machine learning i identificar aplicacions.

Es mesuren totes les interfícies internes i externes.

Temps real.

Xarxa privada

Xarxa gestió

Gràcies per la vostra atenció!

Preguntes?

mariaisabel.gandia@csuc.cat