KR101389670B1 - 향상된 라우팅을 위한 방법 및 시스템 - Google Patents

Abstract

본 발명의 목적은 신뢰할만한 방식으로 라우팅 컨버젼스 시간 감소를 가능하게 하는 방법 및 시스템을 제공하는 것이다. 구체적으로는, 복수의 라우터 중 하나의 라우터의 라우팅 테이블을 업데이트하는 방법에 있어서, 상기 라우팅 테이블은 적어도 하나의 목적지를 위하여 사용되는 라우트를 포함하고, 전형적으로 BGP 라우터들인 상기 복수의 라우터들 사이에 라우팅 정보를 갖는 업데이트 메시지가 송신되며, 라우터에서 목적지를 향한 경로 또는 경로의 취소를 포함하는 업데이트 메시지를 수신하는 단계; 상기 (철회된) 경로가 경로 탐색 사건과 연관되어 있는지 판정하는 단계; 상기 판정의 결과를 고려하여 상기 라우팅 테이블의 상기 업데이트를 결정하는 단계를 실행하는 방법이 제공된다.

Description

향상된 라우팅을 위한 방법 및 시스템{METHOD AND SYSTEM FOR IMPROVED ROUTING}

본 발명은 라우팅 시스템 컨버젼스를 향상시키기 위하여 복수의 라우터들 중 하나의 라우터의 라우팅 테이블을 업데이트하기 위한 방법에 관한 것이다. 또한, 이 발명은 라우터, 일반적으로 BGP 라우터에 관한 것이다.

경로 탐색은 경로-벡터 라우팅 프로토콜과 연관된 본질적인 현상이다. 지난 10년간 이 현상의 해로운 영향을 수량화하고 경감하기 위하여 많은 노력을 해왔다. 이 영향을 경감하기 위한 접근 방식으로 기본적으로는 3 가지 클래스가 있다:

- 알려진 AS-Path 선택을 수행하거나 AS-Path에 추가적인 "경로 의존" 정보의 설명을 덧붙이는 근본 원인 통보 (root cause notification)

- 컨버젼스를 가속화하기 위한 짧아진 MRAI 시간: 그러나 특정 임계값 하에서 MRAI를 줄이는 것은 컨버젼스 시간의 조건 및 BGP 업데이트 횟수에 해로운 영향을 가져오며, 따라서 경로 탐색 현상을 악화시킨다.

- 백업/멀티 AS-Path (AS-Path의 다양성 증가): 이 해결방법은 유지되는 RIB 상태의 수에 영향을 미치며 따라서 라우팅 확장성에 해로운 영향을 끼친다.

본 발명의 목적은 신뢰할만한 방식으로 라우팅 컨버젼스 시간 감소를 가능하게 하는 방법 및 시스템을 제공하는 것이다.

본 발명의 일 실시예에 따르면, 복수의 라우터 중 하나의 라우터의 라우팅 테이블을 업데이트하는 방법에 있어서, 상기 라우팅 테이블은 적어도 하나의 목적지를 위하여 사용되는 라우트를 포함하고, 전형적으로 BGP 라우터들인 상기 복수의 라우터들 사이에 라우팅 정보를 갖는 업데이트 메시지가 송신되며, 라우터에서 목적지를 향한 경로 또는 경로의 취소를 포함하는 업데이트 메시지를 수신하는 단계; 상기 (철회된) 경로가 경로 탐색 사건과 연관되어 있는지 판정하는 단계; 상기 판정의 결과를 고려하여 상기 라우팅 테이블의 상기 업데이트를 결정하는 단계를 실행하며, 나아가 상기 판정의 결과를 고려하여 다른 라우터에 송신될 업데이트 메시지에 포함된 라우팅 정보를 결정하는 단계도 실행하는 방법이 제공된다.

탐색 프로세스의 일부에 해당하는, 수신한 업데이트 메시지가 새로운 경로 또는 경로의 철회를 포함하고 있는지 탐지하는 단계 및 이 탐지 결과에 의존하여 결정 프로세스를 만드는 단계는 컨버젼스 시간을 확실히 줄여준다.

본 출원에서는 경로 탐색이 목적지가 처음으로 광고되었거나 목적지가 네트워크에서 철회된 경우 일반적으로 나타나는 하나의 현상으로 정의된다. 이는 노드 토폴로지 간의 상이한 전달/처리 딜레이에 기인한 것으로 이에 의하여 다음 최선책이 선택될 때까지 일시적인 경로의 차선책이 선택되게 된다. 철회의 경우 목적지로의 경로가 더 이상 존재하지 않게 되는 경우도 발생한다.

본 발명의 다른 실시예에 따르면, BGP 업데이트 시퀀스에서 경로 탐색 현상을 탐지하고 BGP 선택 프로세스를 가속화하여 BGP 컨버젼스 시간에 경로 탐색이 끼치는 좋지 않은 영향을 감소시키는 기술이 제공된다.

바람직한 실시예에 따르면 상기 경로 탐색 사건은 비최적 일시적 경로들과 연관되어 있으며, 상기 일시적 경로들 중 가장 긴 인접한 경로 시퀀스가 식별된다. 상기 라우팅 테이블의 업데이트를 결정하는 단계는 업데이트 메시지에 포함된 경로가 선택되어야 하는지 여부의 판정을 위하여 식별된 시퀀스도 고려한다.

바람직한 실시예에 따르면, 상기 업데이트 메시지가 새로운 경로를 광고하고, 상기 새로운 경로가 경로 탐색 사건과 관련된 것으로 판정되면, 상기 결정하는 단계는 상기 새로운 경로를 상기 라우팅 테이블에 포함시키지 않는 단계를 포함하며, 상기 판정의 결과를 고려하여 다른 라우터에 송신될 업데이트 메시지에 포함된 라우팅 정보를 결정하는 단계도 포함하고, 상기 새로운 경로가 경로 탐색 사건과 관련되어 있다고 판정되면 새로운 경로는 다른 라우터들에 송신된 업데이트 메시지에 포함되지 않는다.

바람직한 실시예에 따르면, 상기 판정하는 단계는 생성 확률 신호 모델(generative stochastic signal model)을 사용하며, 바람직하게는 히든 마르코프 모델(Hidden Markov Model: HMM)을 사용한다. 생성 확률 모델은 관측을 이용하도록 허용한다는 장점이 있으며, 본 발명의 경우 관측은 업데이트 메시지에서 도출되는 정보와 같은 토폴로지 정보를 포함한다. 조건부 무작위 필드 (Conditional Random Field: CRF)라고 불리는 HMM 변별 등가(HMM discriminative equivalent)도 사용가능하다. 그러나 분류되지 않은 데이터를 병합하는 것이 어렵고, 좋은 성능 정확도를 얻기 위하여 일반적으로 많은 양의 학습 데이터가 필요하기 때문에 CRF가 적합하다고 보기는 어렵다.

본 발명의 다른 실시예에 따르면, 상기 모델은 복수의 통신 채널을 모델링하기위하여 복수의 상태를 사용하며, 상기 복수의 통신 채널은 목적지를 위하여 사용될 경로의 선택에 사용되는 출력을 포함하고, 상기 수신된 업데이트 메시지 및 상기 라우팅 테이블 내의 정보는 상기 상태상의 확률 데이터를 제공하는데 사용된다. HMM 모델이 사용된다면 HMM 모델은 바람직하게는
1≤i≤N 일 때 바람직하게는 적어도 4 개 이상인 숨겨진 상태 S_i의 개수 N -상기 숨겨진 상태의 개수는 상기 라우터의 업스트림 라우터 그룹의 라우팅 상태를 특정함-;

숨겨진 상태별 관측 심볼 O의 개수 M -상기관측 심볼은 상기 업데이트 메시지 내에 수신된 상기 경로 시퀀스에 대응함-;

상태 전환 확률 분포 a_ij= p(q_{j , t+1}｜q_{i , t}), 1 <= i, j <= N - p(q_{j , t+1}｜q_{i , t})는 시간 t+1에서 실제 상태가 S_j와 동일하며, 이에 선행하는 시간 t에서의 실제 상태는 S_i이었을 확률임-;

상태 j에서의 관측 확률 분포

, 1≤i≤N - p(O_t｜q_{j ,t})는 시간 t에 실제 상태 q_j인 경우 시간 t에서 관측 O를 도출할 확률임-;

초기 상태 분포 π_i= P(q_{i ,1}), 1≤i≤N - P(q_{i ,1})은 초기 상태 S_i를 가질 확률임-을 포함한다. 가능한 상태들과 관측 심볼은 수치의 자세한 설명에서 더 논의될 것이다.

상기 라우터가 복수의 피어들 및 라우팅 정보 베이스(Routing Information Base: RIB)를 갖는 BGP 라우터인 경우, 상기 라우팅 정보 베이스는 인바운드 업데이트 메시지로부터 라우팅 정보를 저장하는 Adj-RIB-In(Adjacency-Routing Information Base-Input) 부분;

라우팅 테이블, 즉 상기 선택된 라우트를 저장하는 Loc-RIB (Local-Routing Information Base) 부분; 및 BGP 피어들로 송신될 업데이트 메시지에 포함되는 상기 라우팅 정보를 저장하는 Adj-RIB-Out(Adjacency-Routing Information Base-Output) 부분을 포함하고, 상기 수신된 업데이트 메시지의 상기 경로 시퀀스는 상기 Adj-RIB-In 부분에 저장되며, 상기 Loc-RIB 부분 및 상기 Adj-Rib-Out 부분은 상기 판정 결과를 고려하여 업데이트된다.

나아가, 본 발명은 전형적으로 BGP 라우터인, 적어도 하나의 목적지를 위하여 사용되는 라우트를 포함하는 라우팅 테이블을 갖는 라우터로서, 상기 라우터는 라우팅 정보를 가진 업데이트 메시지를 송신 및 수신하도록 맞추어져 있으며, 상기 라우터는

- 목적지에 대한, 경로 또는 경로 철회를 포함하는 업데이트 메시지를 수신하는 수신 수단;

- 상기 경로 또는 경로 철회가 경로 탐색 사건과 연관되는지 여부를 판정하는 판정 수단;

- 상기 판정 수단과 통신하여, 상기 판정 결과를 고려하여 상기 라우팅 테이블의 업데이트를 결정하는 결정 수단을 포함한다.

바람직한 실시예에 따르면, 상기 판정 수단은 확률 모델링 수단을 포함하며, 바람직하게는 상기 기재된 실시예 중 하나에 따른 함수에 맞춰진 HMM 모델링 수단을 포함한다.

본 발명의 응용예에 따르면 상기 라우팅 테이블(Loc-RIB)이 RIB의 일부분이며, 상기 RIB는 수신한 목적지로의 (철회된) 경로를 저장하는 Adj-RIB-In 및 Adj-RIB-Out을 포함하고, 상기 결정 수단은 새로운 경로 또는 경로의 철회가 경로 탐색 사건과 연관되어 있으면, 상기 새로운 경로 또는 철회를 Loc-RIB 및 Adj-RIB-Out에 저장하지 않는다.

첨부 도면은 바람직한 본원 발명의 예시적인 일 실시예를 도시하기 위하여 사용되었으나 본원 발명을 제한하는 것은 아니며, 본 발명의 상기 특징들 및 다른 특징은 첨부 도면 및 이하의 상세한 설명으로부터 더 명백해질 것이다.

도 1(a)-1(c)는 종래 기술의 라우팅 시스템에서의 경로 탐색을 도시한 토폴로지 그래프.
도 2는 종래 기술을 사용하였을 때, 도 1(a)-1(c)의 예시를 위한 라우팅 정보 베이스(Routing Information Base: RIB)의 콘텐츠.
도 3은 본 발명의 방법의 일 실시예를 사용하였을 때, 도 1(a)-1(c)의 예시를 위한 라우팅 정보 베이스(Routing Information Base: RIB)의 콘텐츠.
도 4(a)-4(c)는 도 4(a)에 도시된 제 2 예시적 토폴로지를 네트워크에 적용한 본원 발명의 방법의 일 실시예.
도 5는 경로 탐색 사건을 탐지하기 위하여 사용되는 HMM의 일 실시예.
도 6은 본원 발명의 라우터의 실시예의 스키마틱 뷰.

본 발명의 바람직한 일 실시예에 따르면, 라우터에서 경계 경로 프로토콜(Border Gateway Protocol: BGP)을 사용하여 라우팅 정보를 업데이트한다. BGP는 RFC (Request for Comments) 4271에 규정되어 있다. (http://www.ietf.org/rfc/rfc4271 참고) BGP는 인터넷의 라우팅 프로토콜이며, 자율 시스템(Autonomous System: AS) 사이의 네트워크 접근성을 나타내는 프리픽스 또는 IP 네트워크의 테이블을 포함한다. BGP는 인터넷 도메인, AS 상호간의 라우팅 프로토콜이다. 라우트는 목적지 집합을 이들 목적지들로의 경로의 속성과 묶은 정보의 단위로 정의된다. 라우트(네트워크 접근성 정보)는 BGP 라우터들 사이에 업데이트 메시지로 광고된다. 이 네트워크 접근성 정보는 접근성 정보가 통과하는 자율 시스템(Autonomous System)의 리스트의 정보를 포함한다. 특히, 목적지 집합으로의 실제 경로는 AS_Path 특성에 보고된 정보이며, AS_Path 특성은 접근성 정보가 BGP 업데이트 메시지를 통하여 전달된 AS 숫자들의 시퀀스를 열거한 것이다. 이 정보는 AS 연결성을 나타내는 그래프, 즉 라우팅 루프를 찾아내고 제거하는 AS 라우팅 토폴로지를 구성하기에 충분할 것이다.

라우트는 라우팅 정보 베이스(Routing Information Base: RIB)에 저장되며 RIB는 주로 Adj-RIBs-In, Loc-RIB, Adj-RIBs-Out으로 구성된다. Adj-RIBs-In은 다른 BGP 스피커로부터 수신한 인바운드 업데이트 메시지로부터 습득한 라우팅 정보를 저장한다. 이것의 컨텐츠는 결정 프로세스로 입력 가능한 라우트를 나타낸다. Loc-RIB는 Adj-RIBs-In의 라우팅 정보에 라우트 선택 규칙 및 로컬 폴리시를 적용하여 BGP 스피커가 선택한 로컬 라우팅 정보를 포함한다. 이들이 로컬 BGP 스피커가 사용할 라우트들이다. Adj-RIBs-Out은 로컬 BGP 스피커가 피어들에게 알리기 위하여 선택한 정보를 저장한다. Adj-RIBs-Out에 저장된 라우팅 정보는 업데이트 메시지를 통하여 피어들에게 알려진다. 업데이트 메시지가 비공의 철회된 라우트 필드(non-empty WITHDRAWN ROUTES field)를 포함한다면, 이미 알려진 라우트 중에서 목적지가 이 필드에 포함된 라우트들은 Adj-RIB-In에서 삭제되어야 한다. 이미 알려진 라우트가 더 이상 사용 가능하지 않으므로, BGP 스피커는 결정 프로세스를 실행한다. 업데이트 메시지가 실현 가능한 라우트를 포함한다면, Adj-RIB-In에 이 라우트가 업데이트될 것이며, 이 업데이트는 아직 Adj-RIB-In에 저장되지 않은 새로운 라우트의 경우 추가 또는 대체가 될 것이다. BGP 스피커가 Adj-RIB-In을 업데이트하면, 스피커는 결정 프로세스를 실행하여야 하며, 결정 프로세스는 로컬 폴리시 정보 베이스(local Policy Information Base: local PIB)의 폴리시를 Adj-RIBs-In에 저장된 라우트에 적용하여 이후의 광고를 위한 라우트를 선택하는 과정을 포함한다. 피어들에게 광고하기로 선택된 라우트는 Adj-RIBs-Out에 저장된다.

다시 말해서, BGP는 폴리시 기반 최단거리 AS_Path 벡터 라우팅 프로토콜로, BGP UPDATE 메시지에 포함된 AS_Path 정보를 사용한 탐지를 통하여 루프 방지를 제공한다. 그러나, 이러한 AS (또는 AS_Path)의 벡터 교환은 경로 탐색 현상을 야기한다. 이 현상은 BGP 컨버젼스 시간의 지연의 근본 원인이다.

이 경로 탐색 현상은 도 1(a)-1(c)를 통하여 설명된다. 도 1(a)에 도식화되어 있듯이, 시간 t0에 목적지 D는 노드 2를 통하여 도달 가능하다. 시간 t1에 노드 2는 노드 2를 거치는 경로를 사용하여 목적지 D에 도달 가능하다는 것을 나타내는 광고 UPDATE 메시지 A:[2;D]를 피어들에게 보낸다. 노드 1이 이 광고를 수신하고, 이에 따라 시간 t2에 노드 1은 경로 [2;D]가 포함되도록 자신의 라우팅 목록을 갱신한다. 또한, 시간 t3에는 노드 1이 피어들에게 A:[1,2;D]라는 추가 광고를 송신할 것이다.

도 1(b)를 보면, 시간 t4에는 더이상 노드 2를 거쳐서 목적지 D에 도달할 수 없음을 알 수 있다. 따라서, 노드 2는 시간 t5에 철회 UPDATE 메시지 W:[2;D]를 피어들(노드 1 및 노드 3)에 송신한다. 그러나 노드 3은 아직 노드 2와 목적지의 연결 중단 사실을 통지받지 못하였으므로, 노드 1에게 광고 UPDATE 메시지 A:[3,2;D]를 송신한다. 따라서, 노드 1은 라우팅 테이블에서 [2;D]를 삭제하면서, [3,2;D]는 추가하게 된다. 또한, 노드 1은 시간 t7에 피어들에게 추가 광고 A:[1,3,2;D]를 송신할 것이다.

이와 유사하게, 도 1(c)에 나타난 바와 같이 노드 3은 시간 t7'에 피어들에게 철회 메시지 W:[3,2;D]를 송신할 것이다. 그러나 노드 4는 연결 중단을 아직 통지 못받았으므로, 대략적으로 시간 t7''에 노드 1에 광고 A:[4,3,2;D]를 송신할 것이다. 이에 따라, 노드 1은 시간 t8에 자신의 라우팅 테이블에서 라우트 [3, 2; D]를 삭제하고 라우트 [4, 3, 2; D]를 추가한다. 나아가 시간 t9에 노드 1은 광고 UPDATE 메시지 A:[1,4,3,2;D]을 피어들에게 송신할 것이다. 이러한 경로 탐색의 컨버젼스가 매우 늦음은 자명하다.

다시 말해서, 특정 목적지 프리픽스를 향한 AS_Path에 포함된 노드들이 서로 연결되어 있다는 사실에도 불구하고 BGP 업데이트는 공간상에서 편성된 것이 아니다. 동일한 목적지를 향한 상이한 AS_Path 사이의 노드들의 조건간의 토폴로지 상관관계는 전형적 인터넷 AS 토폴로지의 메시(meshedness)에서 비롯한다. 서로 상이한 경로 사이의 토폴로지 상관관계와 결합된 공간 레벨에서의 조직화 부족 현상은 토폴로지 변경된 경우 동일한 목적지로의 각각의 경로가 탐색되는 동안 과도기적 모습을 나타내도록 한다.

경로 탐색은 목적지가 처음 광고된 경우 및 목적지가 철회된 경우에도 발생된다:

-목적지 광고 시, 노드 토폴로지에 있어서 차등 전파/처리 지연 때문에 최선의 경로가 찾아질 때까지 차선책이 제시된다.

-목적지 철회 시, 도 1(a)-1(c)에 나타난 바와 같이, 과도 경로(transient path)가 존재하는 동안 BGP 철회 UPDATE 메시지를 만드는 BGP 라우터와 로컬 BGP 라우터 사이에서 몇 개의 과도 경로가 선택된다.

목적지가 주어지는 두 가지 경우 모두, 시간 t(i)에서의 첫 번째 광고/철회와 시간 t(i+j) (j>0)에서 동일한 목적지에 도달하는 새롭게 선택된 경로 사이의 의존성은, 다음 최적 경로를 도출할 때까지 모든 중간 경로를 과도기적으로 탐색하는 결과를 야기한다.

아래에서 구체적으로 설명하는 바와 같이, 본 발명의 방법의 일 실시예는, 라우팅 시스템 컨버젼스에 해로운 도메인 간 BGP 라우팅 업데이트의 시퀀스를 억제하기 위한 경로 탐색 시퀀스 탐지 기술을 제시한다. 더 구체적으로는, 본원의 일 실시예에 따르면 로컬 BGP 컨버젼스 시간이 t_convergence에서 확률적 시간 t_prob으로 줄어드며, 이 때,

t_convergence=(Max_AS-Path - Min_AS-Path) x MRAI

(MRAI는 라우터 광고 간격의 최소값으로, 즉 노드에서 송신한 광고 UPDATE 메시지사이의 간격임)이고,

t_prob=탐지 시간 + 대체 최적 경로 선택 시간이다.

본 발명의 일 실시예에 따르면, BGP UPDATE 시퀀스에서의 경로 탐색 현상이 탐지된다. 더 구체적으로는, 인커밍 AS_Path 시퀀스가 경로 탐색 사건과 연관되는지 여부가 결정된다. 본 발명의 방법의 실시예의 더욱 바람직한 단계는 이 사건과 연관된 근접한 AS_Path 결과 중 가장 긴 서브시퀀스를 경로 탐색 사건이 끝나기 전에 식별해서, 후속 노드들로의 해당 BGP 업데이트의 예상되는 영향을 최소화하는 학습 단계를 실행하는 것이다. 도 1(a)의 예시적인 토폴로지에서, 학습 시기 동안 각각의 중간 상태에서 철회가 관측되는“최단 경로” [2;D] 및 “최장 경로” [4,3,2;D]가 결정된다. 최장 차등 서브시퀀스는 [4,3]이다. 학습 시기 이후 실행되는 동안 서브시퀀스 [4,3]의 첫 번째 요소가 관측될 때, 라우트 선택 프로세스는 목적지 D에 도달하기 위한 시퀀스에 연관된 모든 경로를 삭제할 것이다. 또한, 실행되는 동안 학습이 계속될 수 있으며, 선택 프로세스도 좀 더 최적화될 수 있다.

본 방법의 실시예의 응용예에 의하면, 라우트 선택 프로세스의 BGP 결정은 경로 탐색 사건 탐지 및 식별 (특성화)에 의하여 예상된다. 이는 전형적으로 BGP 피어에게 광고된 대체 최적 AS_Path를 선택하는 등의 후속 노드들에서의 변경을 줄이기 위한 액션을 포함할 것이다.

본 발명의 중요 아이디어 중 하나는 경로 탐색 사건이 일어나는 동안, 서로 다른 상태 간의 BGP 라우팅 시스템 전환의 구현에 있으며, 이는 마르코프 체인에 의하여 관리된다. 그러나, 이 마르코프 체인은 통지되지 않은 BGP 업데이트 처리에 따른 경로 탐색 사건과 같이 직접 관찰 가능한 것이 아니며, 즉 숨겨진 것이다. 그럼에도 불구하고, AS_Path의 수신된 시퀀스는 BGP 라우팅 시스템의 현 상태, 또는 적어도 관련된 네트워크의 상위 부분에 대한 확률 정보를 제공한다.

본 발명의 일 실시예에 따르면, 히든 마르코프 모델(Hidden Markov Model: HMM)은 인커밍 BGP 통신 채널 및 로컬 BGP 결정 프로세스 상에서의 모든 BGP UPDATE 메시지 교환의 결과를 나타내는 BGP 라우팅 시스템 상태에 이용된다. 로컬 라우터 결정 프로세스는 글로벌 라우팅 시스템 상태에 직접적인 액세스를 갖지 않으며, 이에 대한 정보도 갖고 있지 않으므로, 라우팅 시스템 상태 모델은 숨겨진 변수다. 이 숨겨진 변수는 로컬 라우터에 의한 BGP 통신 채널에 의하여 생성된 시퀀스 관찰에 의해서만 얻어지며, BGP 통신 채널의 순차적인 출력은 인커밍 BGP UPDATE 메시지로부터 로컬 라우트 선택 프로세스에 의하여 수신된 AS_Path의 시퀀스를 나타낸다.

관찰이 현 상태의 확률 함수인 경우를 포함하는, 즉 결과 모델이 이중 내장된 확률론 프로세스이며, 근본 확률 프로세스가 관찰되지 않으나 (숨겨져 있으나), 관찰 시퀀스를 생성하는 다른 확률 프로세스의 조합을 통하여만 관찰되는 것인 경우, 히든 마르코프 모델에 해당한다. 이러한 모델은 상태가 직접 관찰되지는 않으나 확률 분포 함수(pdf)와 연관되어 있는 마르코프 체인의 확률 시퀀스는 나타낸다.

랜덤 시퀀스의 생성은 체인에서의 랜덤 워크의 결과이다. (즉, 상태의 랜덤 시퀀스 및 상태의 각 방문에서의 드로우(방출이라 불림)의 브라우징) 상태 시퀀스는 각각의 상태에 대하여 정의된 확률 프로세스를 통하여 관찰될 수 있는 관심의 양이다(즉, 전형적으로 각각의 상태의 pdf의 파라미터들은 상태 Q의 시퀀스를 관찰 O의 시퀀스에 결합하는 것이 가능하게 되기 전에 알려져있어야 한다). 따라서, 상태의 실제 시퀀스는 확률 프로세스의 첫 번째 레이어에 의하여 숨겨져 있다.

본 발명의 바람직한 실시예에 따르면, 히든 마르코프 모델(HMM)은 경로 탐색 사건의 탐지에 사용된다. HMM이 본 발명에서 어떻게 사용되는지를 구체적으로 설명하기에 앞서, 본 발명의 이해를 돕기 위하여 이산 마르코프 체인 이론에 대하여 간단히 언급하도록 하겠다.

나아가 참고 자료로는 R.Rabiner의 “A Tutorial on Hidden Markov Models and Selected Applications in Speech Recognition" (Proceedings of the IEEE, Vol. 77, No. 2, 1989. 2월)이 있다.

이산 마르코프 체인

어느 시점에서든지 N 개의 서로 다른 상태 (S₁,S₂, ..., S_N)의 집합 중 하나에 해당하는 시스템에 대해서 고려한다. 일정하게 나눠진 서로 상이한 시간들에서 이 시스템은 상태와 관련된 확률 집합에 따라 상태의 변화가 이루어진다. 전형적으로, 이러한 시스템은 상태 전환 확률의 집합으로 특정된다.

(수식 1)

이 때, 1 <= i, j <= N 이며 따라서,

이고,

시간 t+1에서 q_j 라는 것은 실제 상태가 시간 t+1에서 S_j와 같다는 것을 의미하며, 시간 t에서 q_i라는 것은 진행하고 있는 실제 상태는 시간 t에서 S_i라는 것을 의미한다.

이 확률 프로세스는 각 상태가 물리적 (관측 가능한) 사건에 대응될 때 프로세스의 출력이 각각의 순간에서의 상태의 집합이므로, 관측 가능한 마르코프 모델이라고 불릴 수 있다.

히든 마르코프 모델

N 개의 숨겨진 상태와 상태마다 모델링된 시스템의 물리적 출력에 대응하는 M 개의 상이한 관측 심볼을 갖는 히든 마르코프 모델(HMM)은 세 개의 확률 분포로 정의된다.

- (상태) 전환 확률 분포 A={a_ij} 이 때, a_ij는 상태 i(q_i)로부터 상태 j(q_j)로 갈 확률을 의미하며, 이는 1 <= i, j <= N 인 경우

에 의하여 주어진다.

-관측 확률 분포 B = {b_j(O)}, 이때

, 즉 b_j는 상태 j에서 관측 벡터 O를 도출할 확률 분포다. 이산 케이스에는 각각의 관측 O_t는 모델링된 시스템의 물리적 출력에 대응하는 M 개의 관측 심볼들의 라이브러리로부터 그 값을 갖는다. 방출 확률은 각각의 상태 q_j에 특정된 pdf에 해당한다.

- 초기 상태 분포 Π={πi}, 이때, π_i= P(q_i at t=1) = P(q_{i ,1})이 초기 확률을 제공한다.

모델

이 실제 어플리케이션에 사용되기 위해서 해결되어야 하는 세 가지 문제가 있다.

문제 1: 첫 번째 문제는 관측 시퀀스

과 모델

이 주어졌을 때, 주어진 모델에서 상기 관측 시퀀스 O의 확률인 P(O｜λ)를 계산하는 것이다. 이 문제는 일반적으로 전향 및 후향 알고리즘 (Forward and Backward algorithm)에 의하여 해결된다.

문제 2: 두 번째 문제는 관측 시퀀스

와 모델

이 주어졌을 때, 주어진 관측 시퀀스와 연관된 최적의 상태 시퀀스

를 찾는 것이다. 하나의 최적 상태 시퀀스 (주어진 모델 λ에 있어서 P(Q｜O)을 극대화)를 찾는 정규 기술은 Viterbi 알고리즘이라고 불리는 동적 프로그래밍 방법에 기반한다.

문제 3: 세 번째 문제는 주어진 모델에서 관측 시퀀스 O의 가능성을 극대화하도록 모델 파라미터 A, B 및 Π를 조정하는 방법을 정하는 것이다. 분석학적으로 관측 시퀀스의 확률을 극대화하는 모델을 찾는 방법을 아직 알려져있지 않다. 사실 교육 데이터와 같은 한정된 관측 시퀀스가 주어진다고 하여도, 모델 파라미터를 예측하는 최적의 방법은 존재하지 않는다. 그러나,

을 선택하고 Baum-welch 방법과 같은 반복적 프로시저를 사용하여 P(O｜λ)을 국부적으로 극대화할 수는 있다.

본 발명의 일 실시예에서의 HMM 사용

라우팅 시스템 사건 Q 및 HMM은 관측 O의 연속적인 발생 확률을 모델링하며, 이는 결합 분포 P(O,Q)으로 나타난다. 문제는 경로 탐색 시퀀스의 탐지를 가속화하고, 그 후에 최소한의 경로 탐색 히트가 이루어진 후 적절한 AS_Path의 선택 (또는 생성)을 위하여 관측된 AS_Path 시퀀스를 분류하는 것으로 이루어진다.

BGP 라우팅 시스템의 각 상태는 HMM 상태로 모델링된다. HMM에서 4 개 또는 5 개의 숨겨진 상태가 정의된다. HMM의 출력은 Loc-RIB에 채워진다. 모델은 목적지 프리픽스 또는 프리픽스의 집단에 의하여 적용됨을 주의한다.

관측 O는 BGP 라우트 선택 프로세스의 실행 전에 BGP 라우트 선택 프로세스에 의하여 수신된 AS-Path로 모델링된다. AS-Path 특징 정보는 목적지별 프리픽스를 근거로 추출된다. 아래와 같이 정의된다.

- A: 프리픽스의 공표 (AS-Path 또는 특성에 변화 없음)

- A⁺: 증가한 AS-Path 길이의 프리픽스 공표 (더 긴 AS-Path에 업데이트)

- A^*: AS-Path는 동일하나 특성이 상이한 프리픽스의 공표 (특성 업데이트)

- A⁰: 동일한 길이나 경로가 상이한 프리픽스 공표 (동일한 길이의 상이한 AS-Path 업데이트)

- W(A): 주어진 프리픽스를 위한 AS-Path A의 철회

경로 탐색의 일반적인 양식은 (이미 공표된 프리픽스를 위하여) 늘어난 AS-Path 길이의 시퀀스에 철회 W가 뒤따르는 것으로, 이러한 관측은 시간 A, {A⁺, A⁰, A^*}, W와 밀접하게 연관되어 있다. A⁺, A⁰, A^* 업데이트는 과도 라우팅 상태를 나타내는 중간 업데이트에 해당한다. 관심의 공표/철회의 일반적인 시퀀스, 즉 경로 탐색 사건의 특성은 다음과 같이 나타낼 수 있다.

일반적으로, 이 시퀀스는 철회 또는 새롭게 선호되는 A, {A⁺, A⁰, A^*}^c로 정의되는 최적 경로로의 안정화로 종료하며, c는 상기 집합 {A⁺, A⁰, A^*}로부터 일어난 사건중 하나의 반복을 나타내는 양의 정수값이며, c의 최소값은 1이고, c의 최대값은 n-1이다. 더욱이 경로 탐색 현상 중에 로컬 AS는 길이 C₂(Min_AS-Path)에서 C_n-1 (Max_AS-Path)까지 모든 상태를 탐색할 수 있다.

이 때, 이러한 AS-Path의 시퀀스는 Loc-RIB를 채우는 BGP 라우트 선택 프로세스의 결과에 해당한다. Adj-RIB-In에 유지되는 새로운 BGP 라우팅 업데이트의 실제 시퀀스는 즉 아래의 형식이다.

도 1(a)-1(c)의 예에서, 시간이 연속될 때, 후속 관찰은 도 2 및 3에 도시되어 있듯이 목적지 D의 Adj-RIB-In에 들어간다.

종래 기술에 따라 BGP 라우트 선택 프로세스에 의하여 선택된 대응하는 AS-Path는 다음과 같다.

도 1(a)-1(c)의 예에서 시간이 계속될 때 목적지 D로 가는 선택된 경로는 도 2에 도시되어 있다.

로컬 BGP 라우터에 의하여 후속 이웃들에게 광고된 공표/철회의 시퀀스는 다음과 같다. ( 이때 A₁= {A⁺, A⁰, A^*}₁,..., A_m= {A⁺, A⁰, A^*}_m 임)

도 1(a)-1(c)의 예에서, 목적지 D를 위한 광고된 경로는 도 2에 도시되어 있다.

본 발명의 일 실시예에 따르면, Adj-RIB-In 패턴이 알려진 후에는 인커밍 BGP UPDATE의 흐름의 일부로서, 아웃고잉 BGP UPDATE의 이러한 패턴을 이끄는 AS-Path (시퀀스)를 탐지하는 것이 목적이다. 달리 말하면, 특정 관측 시퀀스 O: p(q｜O)가 주어졌을 때 “경로 탐색 히트”에 도달하는 가장 적합한 상태 시퀀스를 알아내는 것이 바람직하다. 대응하는 관측 시퀀스가 BGP 라우트 선택 프로세스로부터 삭제되어 과도 로컬 결정을 드러내지 않는 BGP UPDATE에 직접 연결된다.

Adj-RIB-In에 유지되어 있는 인커밍 BGP 라우팅 업데이트의 실제 시퀀스는 다음과 같이 종래기술과 동일할 수 있다.

종래 기술: A₀, {A⁺, A⁰, A^*}₁,..., {A⁺, A⁰, A^*}_m, W(A₀), W(A₁), ..., W(A_{m -1}), W(A_m)

관측 서브시퀀스 {A⁺, A⁰, A^*}₁,..., {A⁺, A⁰, A^*}_m, W(A₀),..., W(A_m)가 탐색 시퀀스의 일부라는 것을 탐지함에 의하여, BGP 라우트 선택 프로세스에 의하여 선택된 대응되는 AS-Path는 다음과 같은 공표 시퀀스가 된다.

도 1(a)-1(c)의 예에 있어서 본 발명의 방법의 일 실시예를 사용할 때, 연이은 시기에서 목적지 D로의 선택된 경로는 도 3에 도시된다.

로컬 BGP 라우터에 의하여 후속 노드들에 광고된 공표/철회의 시퀀스는 다음과 같다.

도 1(a)-1(c)의 예에 있어서, 본 발명의 방법의 일 실시예를 사용할 때, 목적지 D로의 광고된 경로는 도 2에 도시된다:

도 4(a)는 도 1(a)-1(c)의 예와 비교할 때 몇 개의 추가 노드 (노드 5-9)를 포함하는 예시적인 토포그라피를 보여준다. 이 예에서 도 4(b)에 도시된 학습 단계 동안에 서브시퀀스 [5, 4, 3]이 식별된다. 도 4(c)에 도시된 정상 실행 기간 동안에 다음 경로들이 삽입되도록 선택된다.

경로 [3, 2]가 도 3에 도시된 예시와 다르게 즉각 철회되지 않음을 주시한다. 학습 단계에 따라, 잘못된 판단을 줄이기 위하여, 탐색 사건이 일어날 때, 즉시 확정되지 않는다(이러한 조건은 일반적으로 토폴로지 변경과 연관되어 있지 않은 정책 변경의 결과로 발생한다). 이러한 경우, 도 4(a)-4(c)의 예에서 경로 [3, 2]와 같은 경로는 비록 이 경로가 더 이상 사용될 수 없음에도 불구하고 선택된다. 그러나 경로 탐색에 안좋은 영향은 [4, 3, 2] 및 [5, 4, 3, 2]가 삭제되고 즉시 [6, 7, 8, 9]로 집중된다는 사실이 분명하기 때문에 크게 문제되지 않는다.

라우팅 시스템 모델링하는 HMM 실시예

본 발명의 일 실시예에 따르면, 목적지 프리픽스마다, 또는 동일한 상태 전환을 겪은 목적지 프리픽스의 집합마다 라우팅 시스템 상태를 모델링하도록 제시된 HMM은 아래와 같이 특징지어진다.

-N (모델의 숨겨진 상태의 수): 4 또는 5

이 4 가지 상태는 다음과 같이 정의되며, 도 5에도 도시되어 있다:

State-1 (S1): AS-Path 변경 없음

State-2 (S2): 다시 초기화됨

State-3 (S3): AS-Path 증가

State-4 (S4): 경로 탐색 히트

이러한 상태는 실제로 숨겨진 로컬 BGP 라우터에서 직접 관측할 수 없는 글로벌 라우팅 상태를 특정한다. 여기서 “글로벌”이라는 용어는 라우팅 시스템의 일부분으로서, 경로 탐색 사건에 관여한 AS에 대한 로컬 라우터에 “upstream"인 부분으로 이해된다.

모델을 더 개선하기 위하여 “적은 탐색” 철회를 나타내는 다섯 번째 상태 S5가 추가될 수 있다: 일반적으로 모든 철회가 경로 탐색 히트를 유발하는 상태 시퀀스의 일부분으로 간주되지는 않는다. 더욱이 HMM은 W(A_o)만이 탐색 히트를 위한 트리거에 해당한다고 간주하여야 하며, W(A_o)이전에 일어나는 공표 A₁,..., A_m과 연관된 중간 단계의 철회가 탐색 시퀀스의 일부로 여겨지면 안 된다. 이러한 영향을 고려하면 제 5 상태를 모델에 추가하게 된다.

-M (상태마다 구별되는 관찰 심볼의 수): 이러한 심볼은 BGP UPDATE 메시지로부터 수신되고, Adj-RIB-In에 저장되며, Loc-RIB에 채워진 BGP 라우트 선택 프로세스에 의하여 처리된 AS 시퀀스에 대응한다.

-A: 상태 전환 확률 분포 a_ij= p(q_{j , t+1}｜q_{i , t}), 1 <= i, j <= N, 라우팅 시스템 상태 각각의 상태 전환에 대응.

-B: 상태 j에서의 관찰 확률 분포,

.

-Π: 초기 상태 분포.

A, B 및 Π의 초기 파라미터는 당업자에게 자명한 기술들을 이용하여 결정될 수 있다. A 및 Π은 일반적으로 균일하게 선택되며, B에 대해서는 최대 우도 및 k-평균 기술이 가장 많이 사용된다.

모델 학습 및 AS - Path 시퀀스 분류

분류자는 관측된 AS-Path (0)를 BGP 상태 사건 클래스로 맵핑하는 함수 h다. 학습 프로세스의 목표는 새로운 AS-Path (s)의 클래스 h(0)를 정확하게 예측하는 함수 h를 찾는 것이다.

이러한 학습 프로세스의 트레이닝 예시로 (0,q) (이때 q는 상태를 나타내며 라벨과 결합되어 있다)를 보자. 이러한 N 개의 예시들의 집합이 트레이닝 데이터로 레퍼런스를 구성할 수 있다. 트레이닝 데이터는 실질적으로 (0,q) 쌍들의 시퀀스로 구성된다. 이러한 시퀀스는 경로 탐색 현상의 특성인 시퀀스 상관관계를 보여준다. 이는 근처의 O 및 q 값들은 서로 연관되어 있음을 보여준다. 예컨대, 위상의 변화가 발생하기 이전에, 모든 q 라벨 값들은 “AS-Path 변경 없음”에 해당한다. 결국, 모든 q 라벨 값들이 "AS-Path 증가"가 될 것이다. 이러한 패턴은 분류기의 예측의 정확도를 향상시키기 위하여 이용된다. 이 경우 전형적 (적당한) 시퀀스의 분포를 관측하여 시퀀스를 탐색하고, BGP 라우팅 상태가 변한 때에 분포 변화를 보는 것이 가능하다. 목표는 입력 시퀀스 O가 주어졌을 때 새로운 라벨 시퀀스 q=h(0)를 정확하게 예측하는 분류기 h를 구축하는 것이다.

비용 함수 L(i, j)가 상태 라벨 값 i에 실제 라벨이 j인 예시의 할당 비용을 나타낸다고 가정하자. 이때 최저 예상 비용의 분류기 h를 찾는 것이 목표다. 비용 함수는 경로 탐색 시퀀스(의 일부)를 포함하는 BGP 라우트의 선택과 연관된 패널티를 가늠한다: 놓친 경로 탐색 사건, 잘못된 긍정 탐지 (분류가 실제로는 아무것도 없던 경로 탐색 사건을 신고한 경우로, 이러한 오류는 보통 결정이 너무 성급하게 이루어졌을 때 발생함) 및 잘못된 부정 탐지 (분류가 실제로 존재하는 경로 탐색 사건을 사건으로 신고하지 않은 경우로, 이러한 오류는 결정이 너무 늦게 이루어진 경우 발생함).

HMM이 결합 확률 밀도 추정량 P(O,Q)을 나타내므로, 조건부 확률 밀도 추정량 P(Q｜O)을 사용하여 특정 관측 시퀀스 O가 주어졌을 때 특정 상태의 확률을 도출할 수 있다. 새로운 관측 시퀀스 O의 식별은 관측 O가 주어졌을 때 최적값 q'를 예측하는 식 (아래 수식 및 상기 HMM에 관하여 기술한 섹션에 정의된 문제 2를 참조)에 의하여 도출된 최소 예측 비용을 사용하여 클래스를 선택함에 의하여 이루어진다.

AS-Path 시퀀스의 식별 작업으로 비용 함수를 병합하는 것은 출력 시퀀스 내의 모든 (상태) 라벨의 (조건부) 결합 분포: P(q_j｜O) 의 예측으로 이루어진다. 이 결합 분포가 정확하게 예측된다면, 비용 함수도 평가되고, 나아가 관측 시퀀스 O에서 최적 결정이 선택된다.

실제로는 시퀀스의 길이 T가 매우 길어서, 이 수식의 값을 직접 구하려면 O(N^T)의 확률 계산이 수행되어야 하고 (이 때 N은 라벨의 수임) 이는 실현 불가능하다. 그러나, 비용 함수가 전체 시퀀스에 의해 결정되므로, 즉 비용 함수는 전체 시퀀스의 식별에만 연관되어 있으며, 이 계산은 O(N²L) 시간 내에 실행가능하다. (이 때 L은 관측 시퀀스 O의 길이임) 이 경우 가장 높은 가능성을 갖는 q'는 아래 계산에 의하여 찾아진다.

이 수식은 HMM의 두 번째 문제를 해결하는 Viterbi 알고리즘의 방법에 의하여 계산 가능하다. (Bellman의 동적 프로그래밍 알고리즘의 어플리케이션에 의한) 계산은 클래스 각각, 시간 간격 [0, t]의 시간 단계 각각에 최빈 가능 상태 전환 시퀀스의 확률을 할당하여 이루어진다. 알고리즘이 시퀀스의 마지막에 도달하면, 시간 0에서 시간 t의 최빈 가능 경로 및 이의 확률이 도출된다. 달리 말하면, 특정 관측 시퀀스 O가 주어졌을 때 가장 가능성 높은 상태 시퀀스를 결정함에 따라, “경로 탐색 히트”에 대응하는 관측 시퀀스를 분리할 수 있으며 BGP 라우트 선택 프로세서와의 차이를 없앨 수 있다.

본 발명의 라우터 시스템의 단순화된 실시예

마지막으로 도 6은 본 발명에 따른 라우터 시스템의 일 실시예를 도시하는 것으로, 본 발명과 관련된 일부분만 도시되어있다. 이 라우터 시스템은 상태 데이터 베이스 14 및 정책 정보 베이스 15의 정보들을 사용하여 처리 수단 12에 의하여 업데이트되는 RIB 11을 사용한다. 처리 수단 12는 Loc-RIB 및 Adj-RIB-Out에 위치한 경로들을 적절히 선택할 수 있도록 경로가 경로 탐색 사건과 연관되어 있는 지를 결정하기 위한 HMM 함수 13을 포함한다. 이는 선택 함수를 포함하는 결정 수단 16에 의하여 이루어진다.

여기에서 특정 실시예와 연관하여 본 발명의 기본 원리가 기술되었으나, 상기 설명은 단지 예시적인 기재에 지나지 않으며, 본 발명의 첨부된 청구 범위에 의하여 결정된 보호 범위를 제한하는 것은 아니다.

Claims (13)

1. 복수의 라우터 중 하나의 라우터의 라우팅 테이블을 업데이트하는 데 사용하기 위한 방법에 있어서,
   상기 라우팅 테이블은 적어도 하나의 목적지를 위하여 사용될 라우트(route)를 포함하고, 라우팅 정보를 갖는 업데이트 메시지가 전형적으로 BGP 라우터들인 상기 복수의 라우터들 사이에서 송신되며,
   상기 방법은 상기 라우터에서,
   목적지에 대해 경로 또는 경로 철회를 포함하는 업데이트 메시지를 수신하는 단계와,
   상기 경로 또는 경로 철회가 경로 탐색 사건(path exploration event)과 연관되어 있는지 판정하는 단계와,
   상기 판정의 결과에 기초하여 상기 라우팅 테이블의 업데이트를 결정하는 단계와,
   상기 판정의 결과에 기초하여 다른 라우터에 송신될 업데이트 메시지에 포함될 라우팅 정보를 결정하는 단계를 포함하는
   방법.
   
2. 제1항에 있어서,
   상기 판정하는 단계는 생성 확률 신호 모델(generative stochastic signal model)을 사용하는
   방법.
   
3. 제2항에 있어서,
   상기 판정하는 단계는 히든 마르코프 모델(Hidden Markov Model: HMM)을 사용하는
   방법.
   
4. 제1항에 있어서,
   상기 경로 탐색 사건은 복수의 비최적 과도 경로들(non-optimal transient paths)과 연관되어 있으며,
   상기 과도 경로들 중 가장 긴 인접한 경로 시퀀스가 식별되며,
   상기 라우팅 테이블의 업데이트를 결정하는 단계는 상기 식별된 경로 시퀀스에 기초하여 업데이트 메시지에 포함된 경로가 선택되어야 하는지 여부를 판정하는
   방법.
   
5. 제1항에 있어서,
   상기 업데이트 메시지가 새로운 경로를 광고하고, 상기 새로운 경로가 경로 탐색 사건과 연관된 것으로 판정되면, 상기 결정하는 단계는 상기 새로운 경로를 상기 라우팅 테이블에 포함시키지 않는 단계를 포함하는
   방법.
   
6. 제1항 또는 제5항에 있어서,
   상기 결정하는 단계는 상기 새로운 경로를 다른 라우터에 송신될 업데이트 메시지에 포함시키지 않는 단계를 포함하는
   방법.
   
7. 제2항에 있어서,
   상기 모델은 복수의 통신 채널을 모델링하기 위하여 복수의 상태를 사용 - 상기 복수의 통신 채널은 상기 목적지를 위하여 사용될 경로의 선택에 사용되는 출력을 가짐 - 하고,
   상기 수신되는 업데이트 메시지 및 상기 라우팅 테이블 내의 정보는 상기 상태에 관한 확률 데이터를 제공하는 데 사용되는
   방법.
   
8. 제1항에 있어서,
   상기 라우터는 복수의 피어들 및 라우팅 정보 베이스(Routing Information Base: RIB)를 갖는 BGP 라우터이며, 상기 라우팅 정보 베이스는
   인바운드 업데이트 메시지로부터 라우팅 정보를 저장하는 Adj-RIBs-In(Adjacency-Routing Information Base-Input) 부분과,
   상기 라우팅 테이블을 저장하는 Loc-RIB (Local-Routing Information Base) 부분과,
   BGP 피어들로 송신될 업데이트 메시지에 포함될 라우팅 정보를 저장하는 Adj-RIBs-Out(Adjacency-Routing Information Base-Output) 부분을 포함하고,
   상기 수신되는 업데이트 메시지의 상기 경로 시퀀스는 상기 Adj-RIBs-In 부분에 저장되며,
   상기 Loc-RIB 부분 및 상기 Adj-RIBs-Out 부분은 상기 판정 결과에 기초하여 업데이트되는
   방법
   
9. 제3항에 있어서,
   상기 HMM은
   1≤i≤N 인 적어도 4 개인 숨겨진 상태 (hidden state) S_i의 개수 N - 상기 숨겨진 상태의 개수는 상기 라우터의 업스트림(upstream) 라우터 그룹의 라우팅 상태를 특정하고, 상기 그룹은 경로 탐색 사건과 연관됨 - 과,
   숨겨진 상태별 관측 심볼 O의 개수 M - 상기 관측 심볼은 상기 업데이트 메시지 내에서 수신되는 상기 경로 시퀀스에 대응함 - 과,
   1 <= i, j <= N인 상태 전환 확률 분포 a_ij= p(q_{j, t+1}｜q_{i, t}) - 단, p(q_{j, t+1}｜q_{i, t})는, 시간 t+1에서 실제 상태가 S_j와 동일하며 시간 t에서의 선행하는 실제 상태는 S_i이었을 확률임 - 와,
   1≤j≤N인 상태 j에서의 관측 확률 분포

   

   - 단, p(O_t｜q_j,t)는 시간 t에서 실제 상태 q_j인 경우 시간 t에서 관측 O를 나오게 할 확률임 - 와,
   1≤i≤N인 초기 상태 분포 π_i= P(q_i,1) - 단, P(q_i,1)는 초기 상태 S_i를 가질 확률임 - 를 사용하는
   방법.
   
10. 제9항에 있어서,
    상기 복수의 상태들은
    - 상기 경로에 변화가 없음을 나타내는 제 1 상태 S₁와,
    - 재초기화를 나타내는 제 2 상태 S₂와,
    - 상기 경로 길이의 증가를 나타내는 제 3 상태 S₃와,
    - 경로 탐색 사건의 존재를 나타내는 제 4 상태 S₄와,
    - 경로 탐색 사건을 유도하지 않는 경로 철회를 나타내는 선택적인 제 5 상태를 포함하는
    방법.
    
    
11. 제9항에 있어서,
    업데이트 메시지는 복수의 경로 특성을 포함하는 경로의 공표 및/또는 경로철회를 포함하며,
    상기 관측 심볼은
    - 경로 또는 경로 특성에 변경이 없는 목적지의 공표 A와,
    - 경로 길이가 증가된 경로를 갖는 목적지의 공표 A⁺와,
    - 경로는 동일하나 경로 특성이 상이한 목적지의 공표 A^*와,
    - 길이는 동일하나 상이한 경로를 갖는 목적지의 공표 A^o와,
    - 주어진 목적지로의 경로 A의 철회 W(A)를 포함하는
    방법.
    
12. 적어도 하나의 목적지를 위하여 사용될 라우트를 포함하는 라우팅 테이블을 갖는, 전형적으로 BGP 라우터인 라우터로서,
    상기 라우터는 라우팅 정보를 가진 업데이트 메시지를 송신 및 수신하도록 구성되고,
    상기 라우터는
    - 목적지에 대해, 경로 또는 경로 철회를 포함하는 업데이트 메시지를 수신하는 수신 수단과,
    - 상기 경로 또는 경로 철회가 경로 탐색 사건과 연관되는지 여부를 판정하는 판정 수단과,
    - 상기 판정 수단과 통신하고, 상기 판정 결과에 기초하여 상기 라우팅 테이블의 업데이트를 결정하는 결정 수단을 포함하며,
    상기 라우팅 테이블(Loc-RIB)이 RIB의 일부분이며, 상기 RIB는 상기 목적지에 대해 수신되는 경로 또는 경로 철회를 저장하는 Adj-RIB-In 및 Adj-RIB-Out을 포함하고,
    상기 결정 수단은, 새로운 경로 또는 경로 철회가 경로 탐색 사건과 연관되어 있으면, 상기 새로운 경로 또는 경로 철회를 Loc-RIB 및 Adj-RIB-Out에 저장하지 않도록 구성되는
    라우터.
    
13. 제12항에 있어서,
    상기 판정 수단은, 청구항 제 9 항 내지 제 11 항 중 어느 한 항의 방법에 따라 기능하도록 구성된 HMM 모델링 수단을 포함하는
    라우터.

Images