Un nuevo Doctor en Computación se graduó del DCC. Se trata del investigador Diego Madariaga, quien tras defender su trabajo de tesis titulado “Short-term time series analysis and prediction for anticipatory networking”, obtuvo el máximo grado académico otorgado por la Universidad de Chile. Esta investigación fue guiada por los profesores del DCC, Benjamín Bustos y Javier Bustos.

Diego Madariaga es Ingeniero Civil en Computación y Magíster en Ciencias mención Computación de la Universidad de Chile. A finales del año 2018, y previo al inicio del doctorado, realizó una pasantía de investigación en INRIA, Francia, la cual fue parcialmente financiada por la beca "Global Leadership Award" que otorga la FCFM. Sus líneas de investigación se centran en la aplicación de machine learning para redes, y en el análisis y monitoreo de la calidad de servicio en redes móviles.

El investigador explicó que su tesis aborda problemas relacionados con el área de redes de computación, donde dijo “cada día se hace más necesario contar con algoritmos que se ejecuten en tiempo real, y más aún, que realicen predicciones del estado de la red para poder cumplir con los requerimientos de rendimiento exigidos actualmente”. En este contexto, la tesis desarrollada por Diego Madariaga proporciona soluciones a dos problemas específicos:  el de detección de anomalías en tráfico de red, y el problema de predicción de la calidad de servicio en redes móviles.

Comentó, además, que este trabajo fue desarrollado en NIC Labs, laboratorio de investigación de NIC Chile, donde tuvo la oportunidad de participar en múltiples congresos internacionales, “que me permitieron expandir mi red de conocimiento”, afirma. El investigador resalta, además, el trabajo realizado con sus profesores guías, el que definió como “fluido y de mucha importancia tanto para el trabajo más técnico de la tesis como para la formación de investigador”. Como resultado directo del trabajo de tesis, publicó dos artículos de revista y dos artículos presentados en conferencias internacionales.

Tras obtener el grado de Doctor, Diego Madariaga planea seguir una carrera académica. Actualmente se desempeña como investigador postdoctoral en el instituto IMDEA Networks, España, donde trabaja en el análisis y modelamiento de tráfico de redes móviles.

Resumen tesis “Short-term time series analysis and prediction for anticipatory networking”

Analizar y predecir el estado de la red ha sido de gran interés para la comunidad de redes a lo largo de toda su evolución, especialmente en la actualidad, debido a la orientación hacia redes autónomas mediante políticas adaptativas y de autoaprendizaje. Dada la alta periodicidad de los datos relacionados con redes de comunicaciones, múltiples estudios han abordado los problemas de detección de anomalías, detección de cambios de concepto y predicción para el manejo de redes. Sin embargo, estos trabajos se limitan en su mayoría a la teoría y no tienen en cuenta algunos retos primordiales para llevar a cabo implementaciones en el mundo real. En el siguiente trabajo de tesis, estudiamos distintos métodos de anticipación en redes, con el fin de mejorar la predicción de series temporales, manejando correctamente las anomalías presentes en la red. Concretamente, se abordan dos problemas esenciales en la anticipación del estado de la red, relacionados con (1) la detección de anomalías en el tráfico del Sistema de Nombres de Dominio (DNS) y (2) la predicción de la calidad de servicio en redes móviles.

El Sistema de Nombres de Dominio (DNS) es un componente crítico de la infraestructura de Internet, ya que prácticamente todas las actividades en Internet comienzan con una consulta DNS. Dada su importancia, cada vez hay mayor inquietud respecto a su vulnerabilidad ante ataques y fallos, puesto que estos pueden afectar negativamente a todos los recursos basados en Internet. Por ello, la detección de estos eventos es crucial para preservar el correcto funcionamiento de todos los componentes de este sistema, como los grandes Servidores de Nombres para dominios de primer nivel (TLD). Este trabajo presenta un método de detección de anomalías basado en predicciones (AD-BoP) el cual opera próximo al tiempo real y proporciona una metodología útil y fácilmente explicable para detectar anomalías en el tráfico DNS. Nuestro método se basa en la predicción de las estadísticas del tráfico DNS, y podría ser especialmente útil para que los operadores preserven la fiabilidad de sus servicios DNS. Tras un análisis exhaustivo, se demuestra que AD-BoP mejora el estado actual respecto a la detección de anomalías en servidores de nombres TLD autoritativos.

En cuanto a la calidad del servicio móvil, el rendimiento de red (\textit{throughput}) se ha convertido en uno de los principales indicadores de desempeño. De hecho, a medida que las redes móviles evolucionan hacia nuevas tecnologías, el rendimiento de los usuarios se convierte cada vez en un indicador de desempeño más crucial, ya que múltiples aplicaciones de red dependen de su correcta predicción. A diferencia de la teoría, la experimentación empírica revela que, en la práctica, no existe una correlación directa entre el rendimiento del usuario y la calidad del canal. Por tanto, nos centramos en comprender mejor esta relación empírica para mejorar la predicción del rendimiento en redes móviles. En este trabajo, realizamos un estudio exhaustivo sobre el efecto práctico de la Relación señal a interferencia más ruido (SINR) en el rendimiento del usuario. Con este fin, proponemos y validamos un modelo probabilístico dependiente de SINR para estimar la distribución de probabilidad del rendimiento de los usuarios. Luego, presentamos dos métodos para predecir el rendimiento de forma fácilmente explicable, basados en nuestro modelo probabilístico. Estos métodos son de gran valor, ya que logran un desempeño excepcional en una amplia variedad de escenarios, basándose en una sola métrica contextual, la cual es obtenida directamente del dispositivo del usuario.

--
Comunicaciones DCC