LEGATO: Lernen wie man Netzwerk Protokolle verbessert

• Antragsteller: Professor Dr.-Ing. Klaus Wehrle
• Fachliche Zuordnung: Sicherheit und Verlässlichkeit, Betriebs-, Kommunikations- und verteilte Systeme
• Förderung: Förderung seit 2021
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 447391756

Netzwerk Protokolle und ihre Mechanismen werden immer ausgefeilter, um den gestiegenen Anforderungen an Internet Kommunikation, insbesondere in Bezug auf Performance, gerecht zu werden. Damit werden sie allerdings auch komplexer. Selbst scheinbar simple Mechanismen, wie beispielsweise die Ressourcen Priorisierung in HTTP/2, stellen sich dabei als schwierig und mit vielen Wechselwirkungen behaftet heraus. Denn die Performance heutiger Netzwerkprotokolle hängt nicht nur von der jeweiligen Konfiguration auf Client- und Serverseite, sondern auch von der Konfiguration der darunter- und darüberliegenden Netzwerkprotokolle im jeweiligen Netzwerk-Stack ab. Die Anpassung von Protokollen entwickelt sich damit zu einem vertikalen und horizontalen Cross-Layer Optimierungsproblem, in welchem die Einflüsse und Abhängigkeiten traditionell manuell analysiert und entsprechende Optimierungsstrategien entwickelt werden. Die steigende Komplexität lässt allerdings auch den Parameterraum wachsen, sodass es schwieriger wird geeignete Strategien zu finden. Deshalb werden die Parameterräume nur teilweise betrachtet, wodurch allerdings auch Optimierungen nicht mehr ganzheitlich und damit weniger effektiv sein können. Dies zeichnet sich z.B. in der Ressourcen-Priorisierung für HTTP/2 ab. Der Mechanismus wird daher kaum genutzt; Ein Effekt der nicht nur bei HTTP/2, sondern bei vielen ähnlichen Fällen auftritt. Techniken aus dem Bereich des Machine Learning erlauben es große Parameterräume zu verarbeiten. Sie werden bereits für die Protokoll-Optimierung genutzt und die Ansätze, welche auf den Techniken aufbauen, geben bereits wertvolle Informationen, wie man sie anwenden sollte und stellen z.B. heraus, dass ein einfaches Anwenden ohne domänen-spezifische Validierung keinen Erfolg zeigt. In Bezug auf Cross-Layer Optimierung, betrachten die Ansätze Netzwerkprotokolle allerdings agnostisch, d.h. ohne Einbinden von Cross-Layer Infor- mationen. Es ist daher unklar, wie man die Techniken im Bereich von Cross-Layer-Optimierung anwendet. Wir schlagen vor, eine Methodik zu entwickeln, in welcher Cross-Layer-Optimierung und Machine Learning verbunden werden, um zu beantworten, wie man diese Kombination nutzt, um die komplexen Wechselwirkungen der Internet-Protokoll-Landschaft zu erfassen. Unsere Ziele sind dabei nicht nur auf die reine Optimierung der Protokolle beschränkt. Anstattdessen sollen auch Einsichten gegeben werden, welche Ansätze wie nutzbar sind, welche Entscheidungen sie treffen und wie sich diese in das Protokoll-Design zurückführen lassen.

• DFG-Verfahren: Sachbeihilfen