Towards Flexible and Resilient Next Generation Time Sensitive Networks

Abstract

Mission-critical communication requires delivering data in real-time, reliably, and securely. Over the past few years, mission-critical networks have become more complex due to cheap commercial off-the-shelf equipment and increasing convergence with other networks like the Internet. They have to cope with more diverse and dynamic traffic with ultra-high reliability and various QoS requirements. Time-sensitive networking (TSN) has been introduced to address these issues by unifying diverse networking equipment and protocols to facilitate the transmission of convergent data flows over cost-effective and easily deployable standard Ethernet technologies. Moreover, the redundancy mechanisms offered by TSN enhance the network reliability and ensure seamless communication during single link or node failures. However, configuring these networks and ensuring resilience against attacks while maintaining the desired QoS remains challenging and thus needs further investigation.

Accordingly, this cumulative thesis presents contributions to support the self-adaptive and efficient configuration of time-sensitive networks and methods for increasing their resilience against DoS attacks.

To bring self-adaptation to time-sensitive networks and make them more efficient, we present a framework that makes them fully transparent to end hosts and eliminates the need for their involvement. Furthermore, we propose reconfiguration heuristics to improve the network utilization and to accommodate more flows in the network without sacrificing the QoS. Lastly, we explore the potential of machine learning as a low-cost alternative to optimize flow reservations within time-sensitive networks.

To increase the resilience of time-sensitive networks against DoS attacks and maintain the QoS, we propose different admission control strategies via in-network filtering to enforce flow reservations. Moreover, we investigate the impacts of calibrated attacks in time-sensitive networks and discuss a few countermeasures to prevent them. Lastly, we present a DDoS attack detection and collaborative filtering approach that operates at the network layer and protects time-sensitive hybrid networks that carry time-triggered and best-effort traffic at the same time.

By integrating the flexible configuration strategies and resilience aspects presented, we contribute to advancing next-generation time-sensitive networks. While these enhancements are significant steps forward, they do not address all challenges in the TSN domain, indicating that further research and development efforts remain essential.

Bei der unternehmenskritischen Kommunikation müssen Daten in Echtzeit, zuverlässig und schnell übermittelt werden. In den letzten Jahren sind unternehmenskritische Netzwerke aufgrund günstiger kommerzieller Standardgeräte und der zunehmenden Konvergenz mit anderen Netzwerken wie dem Internet immer komplexer geworden. Sie müssen einen vielfältigeren und dynamischeren Datenverkehr mit besonders hoher Zuverlässigkeit und verschiedenen Anforderungen an die Dienstqualität (QoS) bewältigen. Time Sensitive Networking (TSN) wurde eingeführt, um diese Probleme zu bewältigen, indem es verschiedene Netzwerkkomponenten und -protokolle vereinheitlicht, um die Übertragung von konvergenten Datenströmen über kostengünstige und leicht zu implementierende Standard-Ethernet-Technologien zu erleichtern. Darüber hinaus erhöhen die von TSN angebotenen Redundanzmechanismen die Zuverlässigkeit des Netzwerkes und stellen eine nahtlose Kommunikation bei Ausfällen einzelner Verbindungen oder Knoten sicher. Der Aufbau dieser Netzwerke und die Sicherstellung der Widerstandsfähigkeit gegen Angriffe bei gleichzeitiger Aufrechterhaltung der gewünschten Dienstgüte bleibt jedoch eine Herausforderung und bedarf daher weiterer Untersuchungen.

Dementsprechend werden in dieser kumulativen Dissertation Beiträge zur Unterstützung der selbstanpassenden und effizienten Konfiguration zeitempfindlicher Netzwerke und Methoden zur Erhöhung ihrer Widerstandsfähigkeit gegen Denial-of-Service-Angriffe (DoS) vorgestellt.

Um die Selbstanpassung in zeitkritischen Netzwerken zu ermöglichen und sie effizienter zu machen, stellen wir ein Framework vor, der sie für die Endhosts völlig transparent macht und ihre Beteiligung überflüssig macht. Darüber hinaus schlagen wir Rekonfigurationsheuristiken vor, um die Netzwerkauslastung zu verbessern und mehr Datenströme im Netzwerk unterzubringen, ohne die Dienstgüte zu beeinträchtigen. Anschließend untersuchen wir, wie maschinelles Lernen als kostengünstige Alternative zur Optimierung von Flussreservierungen in zeitabhängigen Netzwerken vorteilhaft eingesetzt werden kann.

Um die Widerstandsfähigkeit zeitempfindlicher Netze gegen DoS-Angriffe zu erhöhen und die Dienstgüte aufrechtzuerhalten, schlagen wir verschiedene Zulassungskontrollstrategien mittels netzinterner Filterung vor, um Flussreservierungen durchzusetzen. Darüber hinaus untersuchen wir die Auswirkungen kalibrierter Angriffe in zeitkritischen Netzwerken und diskutieren einige Gegenmaßnahmen, um diese zu verhindern. Schließlich stellen wir einen Ansatz zur Erkennung von verteilten Denial-of-Service-Angriffen (DDoS) und zur kollaborativen Filterung vor, der auf der Netzwerkebene arbeitet und zeitempfindliche hybride Netzwerke schützt, die gleichzeitig zeitgesteuerten und Best-Effort-Verkehr übertragen.

Durch die Integration der vorgestellten flexiblen Konfigurationsstrategien und Ausfallsicherheitsaspekte tragen wir dazu bei, zeitempfindliche Netzwerke der nächsten Generation voranzubringen. Obwohl diese Verbesserungen einen bedeutenden Fortschritt darstellen, können sie nicht alle Herausforderungen im TSN-Bereich bewältigen, was zeigt, dass weitere Forschung und Entwicklung auf diesem Bereich weiterhin nötig sein wird.