1
0:00:01,434 --> 0:00:06,940
こんにちは、IIJイノベーションインスティテュートのロマンです。

2
0:00:06,940 --> 0:00:12,445
このビデオでは、我々の研究プロジェクトのひとつ、
インターネットヘルスレポート(IHR)、を簡単に紹介します

3
0:00:12,445 --> 0:00:20,020
このプロジェクトでは、広域インターネットのトポロジや
性能を把握するためのツールを作っています。

4
0:00:20,020 --> 0:00:29,295
これらのツールは、
RouteviewsやRIPE Atlasなどのオープンデータを利用していて、
全ての解析結果をIHRのウェブサイトで公開しています。

5
0:00:29,262 --> 0:00:00,000


6
0:00:29,295 --> 0:00:41,341
例えば、BGPデータを利用して、
ネットワークが他のネットワークにどれぐらい依存しているかという、
ネットワーク依存度を測るツールを作っています。

7
0:00:41,341 --> 0:00:49,649
IHRのウェブサイトで東京大学を例に依存度を見てみましょう。

8
0:00:49,649 --> 0:00:56,990
東京大学のASは、
主にSINETとNTTの2つのネットワークに依存しているのが分かります。

9
0:00:56,990 --> 0:01:04,330
これは、東京大学に向かうほとんどのASパス上に、
これら2つのネットワークが存在するという意味です。

10
0:01:04,330 --> 0:01:18,645
下にあるテーブルで詳細を見ると、
BGP的にSINETは東京大学に直接繋がっていますが、NTTは繋がっていません。

11
0:01:18,645 --> 0:01:23,883
つまり、SINETが東京大学のメインのプロバイダです 

12
0:01:23,850 --> 0:00:00,000
さらにSINETの依存度を調べると、NTTはSINETのメインプロバイダであることが分かります。

13
0:01:23,883 --> 0:01:31,458
さらにSINETの依存度を調べると、
NTTはSINETのメインプロバイダであることが分かります。

14
0:01:31,458 --> 0:01:40,233
このように、このツールを使えば任意のネットワークについて、
その主要なアップストリームプロバイダを、
たとえ数ホップ離れていても見つけることができるのです。

15
0:01:40,233 --> 0:01:49,209
このような情報は、
そのネットワークとのピアリングや障害時のレジリエンシを検討する際に役立ちます。

16
0:01:49,209 --> 0:01:57,150
我々の研究では、
このデータをBGPの経路障害や経路リークなどの経路関連イベントを
モニタリングするのに使っています。

17
0:01:57,150 --> 0:02:02,155
他にも、経路以外のネットワーク属性を観測するツールもあります。

18
0:02:02,155 --> 0:02:07,694
そのひとつでは、tracerouteデータからネットワークの遅延を抽出しています。

19
0:02:07,694 --> 0:02:14,134
我々の研究では、これを、インターネット上の多様な出来事について、
その影響を評価するための尺度のひとつにしています。

20
0:02:14,134 --> 0:02:22,008
ここでは、あるクラウドプロバイダの障害により遅延が増加した例を示します。


21
0:02:22,008 --> 0:02:29,782
次に示すのは、
COVID-19による各国のロックダウン中の時間別輻輳状況を観測した例です。

22
0:02:29,883 --> 0:02:34,854
このビデオではインターネットヘルスレポート(IHR)について駆け足で紹介しました。

23
0:02:34,854 --> 0:02:39,859
詳しい事は"ihr.iijlab.net"を見てください。

24
0:02:39,859 --> 0:02:42,695
ご静聴ありがとうございました。