Mesures passives sans fil : outil, redondance, mesures et analyses

Wireless passive measurements : tool, redundancy, measurements, and analyses

• Auteur / Autrice : Mohammad Imran Syed
• Direction : Anne Fladenmuller, Marcelo Dias De Amorim
• Type : Thèse de doctorat
• Discipline(s) : Sciences et technologies de l'information et de la communication
• Date : Soutenance le 05/09/2023
• Etablissement(s) : Sorbonne université
• Ecole(s) doctorale(s) : École doctorale Informatique, télécommunications et électronique de Paris (1992-...)
• Partenaire(s) de recherche : Laboratoire : LIP6 (1997-....)
• Jury : Président / Présidente : Olivier Fourmaux
• Jury : Examinateurs / Examinatrices : Lila Boukhatem, Emmanuel Lochin
• Jury : Rapporteurs / Rapporteuses : Thi-Mai-Trang Nguyen, Luís Henrique Maciel Kosmalski Costa

Mots clés

Mots clés contrôlés

Redondance (ingénierie)

Commutation de paquets

Réseaux locaux sans fil

Sniffers (logiciels)

Réseaux ad hoc (informatique)

Mots clés libres

Réseaux sans fil

Mesures passives

Redondance

Complétude de traces

Fusion de traces

Estimation de la distance

Wireless networks

Passive measurements

Redundancy

Trace completeness

Trace merging

Distance estimation

Résumé

La compréhension du trafic sans fil est fondamentale pour améliorer les réseaux et concevoir des algorithmes et des protocoles avancés. Dans ce contexte, les mesures passives ont l'avantage sur les mesures actives, car elles ne dépendent d'aucune modification des équipements réseau existants. Elles sont souvent moins coûteuses et plus faciles à déployer que d'autres méthodes. Cette approche consiste à surveiller le support sans fil et à collecter des données sur divers paramètres de réseau, tels que la force du signal, l'occupation des canaux et la perte de paquets. Elle consiste à déployer plusieurs sniffeurs dans la zone cible (les sniffeurs sont des dispositifs fonctionnant en « monitor mode » qui collectent les paquets sans fil indépendamment de leur nature). Cependant, l'un des principaux défis des mesures passives est d'assurer la complétude de la trace, c'est-à-dire la capacité à collecter un ensemble de données complet et précis. Nous montrons qu'un seul sniffeur ne peut pas capturer tout le trafic en raison des caractéristiques inhérentes du support sans fil, où l'environnement peut être hautement dynamique et imprévisible. Il existe plusieurs facteurs qui peuvent affecter la complétude de la trace dans les mesures passives sans fil. Celles-ci incluent des facteurs environnementaux, tels que les interférences provenant d'autres dispositifs sans fil, les changements dans l'environnement physique (comme les objets en mouvement) et les variations de propagation du signal sans fil dues aux changements des conditions atmosphériques. De plus, des problèmes avec l'équipement de mesure lui-même, tels que des erreurs de calibration ou des problèmes de traitement des données, peuvent également affecter la complétude de la trace. L'importance de la complétude de la trace dans les mesures passives sans fil ne peut être surestimée. Des données inexactes ou incomplètes peuvent conduire à des conclusions incorrectes sur les performances du réseau, ce qui peut avoir des implications significatives pour la planification, l'optimisation et le dépannage du réseau. Par exemple, des données incomplètes peuvent entraîner des opportunités manquées pour identifier et résoudre des problèmes de réseau, ainsi qu'une reconstruction de trajectoire incorrecte ou incomplète. Dans cette thèse, nous étudions la qualité des traces capturées par des sniffeurs et examinons les améliorations résultantes en introduisant de la redondance dans le nombre de sniffeurs. Nous étudions l'impact des deux aspects suivants sur la qualité des traces sans fil : le nombre de sniffeurs et le type de matériel utilisé. Nous étudions la variation de l'indicateur de force du signal reçu (RSSI) et son impact sur l'estimation de la distance. L'analyse est facilitée par le développement d'un outil facilement utilisable et disponible appelé PyPal pour la synchronisation et la fusion de traces Wi-Fi collectées simultanément.

Understanding wireless traffic is fundamental for improving networks and designing advanced algorithms and protocols. In this context, passive measurements have the edge over active measurements, as there is no requirement for any modification in existing network devices. Passive measurements are often less expensive and easier to deploy than other methods. This approach involves monitoring the wireless medium and collecting data on various network parameters, such as signal strength, channel occupancy, and packet loss. It consists of deploying multiple sniffers throughout the target area (sniffers are devices operating in monitor mode that collect the wireless packets regardless of their nature). However, one of the main challenges with passive measurements is ensuring trace completeness, or the ability to collect a complete and accurate dataset. We know that a single sniffer cannot capture all the traffic due to the inherent characteristics of the wireless medium where the environment can be highly dynamic and unpredictable. Several factors can impact trace completeness in wireless passive measurements. These include environmental factors, such as interference from other wireless devices, changes in the physical environment (such as moving objects), and variations in wireless signal propagation due to changes in atmospheric conditions. Additionally, issues with the measurement equipment itself, such as calibration errors or data processing issues, can also impact trace completeness. The importance of trace completeness in wireless passive measurements cannot be overstated. Inaccurate or incomplete data can lead to incorrect conclusions about network performance, which can have significant implications for network planning, optimization, and troubleshooting. For example, incomplete data can result in missed opportunities to identify and address network issues, and incorrect or incomplete trajectory reconstruction. In this thesis, we study the quality of traces captured by a sniffer and investigate the resulting improvements by introducing redundancy in the number of sniffers. We explore the impact of the following two aspects on the quality of wireless traces: the number of sniffing devices and the type of hardware used. We study the variation in the Received Signal Strength Indicator (RSSI) and its impact on distance estimation. The analysis is helped by the development of a readily-usable and easily-available tool, called PyPal, for the synchronization and merging of Wi-Fi traces collected simultaneously.