Fechar menu lateral

Primeira Defesa de Dissertação do PGCC

Defesa de Dissertação de Mestrado em Ciência da Computação

DATA: 25/01/2013

HORÁRIO: 14 Horas

LOCAL: Sala S309 / ICE – Prédio Novo

“Análise e Contra-Ataque à Poluição e Whitewashing em Sistemas P2P de Vídeo ao Vivo

Mestrando: Rafael Barra de Almeida

Orientador: Prof. Alex Borges Vieira

Co-Orientadora: Profa. Ana Paula Couto da Silva

 

Resumo: Aplicações de transmissão de vídeo ao vivo na Internet têm ganhado bastante popularidade nos últimos anos.  A facilidade para se publicar e ter acesso a esse tipo de  conteúdo tem atraído grande atenção. A arquitetura P2P ganhou lugar de destaque neste contexto, principalmente, por ser mais tolerante a falhas e superar os problemas de escalabilidade presentes no modelo cliente-servidor. No entanto, devido às características distribuídas, as redes P2P podem ser mais suscetíveis ataques e comportamentos maliciosos.Este trabalho analisa o impacto causado por ataques de poluição e whitewashing em sistemas P2P de transmissão de vídeo ao vivo. Adicionalmente, para combater estes tipos de ataques, mecanismos simples e descentralizados de reputação são propostos e implementados através de um protótipo de aplicação executado em um ambiente de rede real, configurado no PlanetLab. Os resultados mostram que ataques de poluição são bastante prejudiciais a sistemas P2P de transmissão de vídeo ao vivo. Os participantes do sistema recebem mais de 90% de dados poluídos. Além disso, a sobrecarga média na banda de rede chega a 230% em momentos de pico, forçando os participantes a utilizar 3 vezes mais a largura de banda necessária em um sistema sem ataques de poluição. Os mecanismos de reputação propostos e implementados no ambiente do PlanetLab rapidamente bloqueiam ataques de poluição isoladamente, reduzindo a porcentagem de dados poluídos recebidos a 6% e a sobrecarga a 5%. Para o caso de ataque combinado de poluição e whitewashing, o mecanismo de reputação proposto diminui a sobrecarga no sistema de  20% e a porcentagem de dados poluídos de 70% para 19%.