Zusammenfassung

  • Das WIDE-Archiv machte ausgewählte Backbone-Mitschnitte besser wiederverwendbar, indem es Datenschutz und wiederholbare Veröffentlichung in den Messprozess einbaute.
  • Akira Kato verfasste grundlegende Arbeiten zum Repository und zum Verkehrsprofiler gemeinsam mit Kollegen. Die Quellen belegen Teamarbeit, nicht seine heutige Kontrolle über MAWI.
  • Jeder Mitschnitt betrifft eine bestimmte Verbindung, Zeitspanne, Erfassungskette und Anonymisierungsmethode. Er bildet weder das gesamte Netz ab noch begründet er uneingeschränkten Zugriff.

Ein zusätzlicher Messpunkt verändert die Vergleichsgrundlage

Der MAWI-Index berichtet, dass Samplepoint-F nach einer Veränderung des Transitverkehrs im August 2023 um Verkehr von BBIX erweitert wurde. Seitdem enthält die Messstelle Daten aus zwei Verbindungen. Eine Vorher-Nachher-Analyse muss deshalb fragen, ob sie tatsächlich dieselbe Verkehrsmischung vergleicht. Die Reihe ist nicht wertlos geworden; ihre Beobachtungsbedingungen haben sich geändert.

Weitere Einträge zeigen, wie wichtig diese Unterscheidung ist. Vom 4. November bis zum 15. Dezember 2022 fehlen Daten, nachdem während einer Point-of-Presence-Migration Hardware ausgefallen war. Zwischen Mai und September 2015 wurden Pakete wegen einer falsch konfigurierten VLAN am beobachteten Router dupliziert. Ein fehlender Zeitraum ist kein Nachweis für weniger Verkehr; doppelte Pakete beweisen keine plötzliche Zunahme.

Auch aktuelle Erfassungstechnik setzt Grenzen. Die MAWI-FAQ erklärt, dass Portspiegelung, ein handelsüblicher Server und eine Netzwerkkarte nicht alle Pakete aufnehmen müssen. Zeitstempel liegen gewöhnlich unter einer Millisekunde Genauigkeit, können bei Überlastung aber schlechter sein. Das Team priorisiert einen langfristig tragbaren Betrieb mit begrenztem Budget statt maximaler Präzision.

Ein Mitschnitt beschreibt daher, was eine konkrete Verbindung während eines bestimmten Fensters durchlief und was die Erfassungskette speichern konnte. Er zeigt nicht das ganze Internet. Universitäten mit Zugang über WIDE und SINET nutzen nicht zwangsläufig denselben Pfad; asymmetrisches Routing kann dazu führen, dass nur eine Richtung eines Flusses am Messpunkt erscheint.

Datenschutz wurde zu einem Schritt im Veröffentlichungsprozess

Die Datenschutzrichtlinie von WIDE und MAWI vom 14. Oktober 1999 unterschied zwei Gefahren: Protokolldaten können private Nutzdaten enthalten, und IP-Adressen können Nutzer oder Organisationen identifizierbar machen. Die Richtlinie schlug vor, sensible TCP- und UDP-Nutzdaten zu entfernen und IP-Adressen vor einer öffentlichen Verteilung zu verschleiern. Die Verwendung sollte Forschungszwecken dienen; Eingriffe in die Privatsphäre waren untersagt.

Eine präfixerhaltende Verschleierung bewahrt Struktur, die für Routinganalysen nützlich ist. Sie beseitigt das Risiko aber nicht: bekannte Server können Hinweise für eine Rückführung liefern. Eine über längere Zeit stabile Zuordnung erleichtert manche Analysen und zugleich die Verknüpfung verschiedener Datensätze. Anonymisierung senkt Risiken, sie beweist nicht, dass eine Identifizierung unmöglich wäre.

Im Jahr 2000 beschrieben Akira Kato, Kenjiro Cho und Koushirou Mitsuya gemeinsam das WIDE-Verkehrsrepository. Die Autoren behandelten Datenschutz und Automatisierung als zusammengehörige Gestaltungsfragen. Skripte übertrugen Daten von Messpunkten, führten tcpdpriv aus, erstellten Zusammenfassungen und Webseiten, aktualisierten den Index und bereiteten die Dateien für die Verteilung vor. Datenschutz wurde dadurch zu einer wiederholbaren Veröffentlichungspraxis statt zu einer spontanen Prüfung kurz vor dem Teilen.

Die Automatisierung löste außerdem ein Dauerproblem. Eine Sammlung, die über Jahre nützlich sein soll, kann nicht von ständig wiederholten manuellen Aufgaben abhängen. Erfassung, Zusammenfassung und Visualisierung sollten weitgehend automatisiert werden, damit der laufende Betrieb Forschenden regelmäßig Rückmeldung gibt. Das macht die Datenkette nachvollziehbarer, erkennt aber nicht automatisch jede Fehlkonfiguration oder Änderung der beobachteten Route.

Aguri macht den Preis der Verdichtung sichtbar

Kato entwickelte Aguri zusammen mit Kenjiro Cho und Ryo Kaizaki. Der adaptive Verkehrsprofiler bündelt Daten anhand von Adresspräfixen und fasst Muster zusammen. Für den quasi Echtzeitbetrieb begrenzt die beschriebene Variante den Speicherbedarf und nimmt eine geringere Auflösung in Kauf.

Eine solche Zusammenfassung kann Trends sichtbar machen. Sie ersetzt keinen Paketmitschnitt, wenn eine Untersuchung von Details abhängt, die bei der Aggregation verloren gingen. Aguri ist kein Anonymisierungsverfahren. Seine Ausgabe ist eine analytische Schicht über dem Verkehr, nicht die vollständige Aufzeichnung aller Ereignisse, aus denen der Gesamtwert entstand.

Das gilt auch für Diagramme und komprimierte Traces. Jede Darstellung bewahrt andere Unterscheidungen und verwirft weitere. Eine saubere Grafik wird nicht dadurch zur vollständigen Beobachtung, dass ihre Verarbeitungsschritte unsichtbar bleiben. Der Weg vom Paket zum Ergebnis gehört zur Aussage.

Die aktuelle MAWI-Reihe hat eine eigene Geschichte

Heute wird das Archiv von der MAWI Working Group des WIDE Project gepflegt. Die FAQ beschreibt den Backbone-Verkehr als Mischung aus gewöhnlichem Datenverkehr und Forschungsexperimenten. MAWI weist beispielsweise auf ICMP-Sondierungen hin. Ohne diesen Kontext könnte ein Forschungsversuch fälschlich als plötzliche Veränderung des Nutzerverhaltens erscheinen.

Auch die Adressanonymisierung hat eine zeitliche Grenze. Laut FAQ bleibt die Zuordnung innerhalb eines täglichen Mitschnitts oder des jeweiligen Day-in-the-Life-of-the-Internet-Datensatzes konsistent, nicht notwendigerweise über alle Tage hinweg. Im August 2015 wechselte das Verfahren von tcpdpriv zu Crypto-PAn. Ein verschleierter Bezeichner ist daher nicht automatisch eine dauerhafte Identität über die gesamte Archivgeschichte.

Diese heutigen Abläufe dürfen nicht Kato persönlich zugeschrieben werden. Die historischen Texte zeigen seine Mitwirkung an gemeinschaftlicher Infrastrukturarbeit; die aktuelle Pflege liegt bei der MAWI Working Group. Auch die Keio-Universität ordnet Kato den Bereichen Rechnernetze, Internetinfrastruktur und Messtechnik sowie WIDE und dem Betrieb von M-Root zu. Daraus folgt keine individuelle Kontrolle über jede heutige Freigabeentscheidung.

Öffentlich zugängliche Traces sind keine Rohdatenfreigabe

Sanitisierte Messdaten ermöglichen anderen Forschenden, Analysen zu prüfen und neue Fragen zu stellen. Die Richtlinie von 1999 sah darin eine Möglichkeit, Forschung zu verbreitern, ohne jeder Person Zugriff auf unveränderte Rohdaten zu geben. Anfragen nach konkreten Adressen sollten im Einzelfall behandelt werden. Die heutige MAWI-FAQ beschränkt nicht anonymisierte Daten ebenfalls auf Forschungszwecke und verlangt eine Begründung; Studierende benötigen unter Umständen eine Bestätigung ihrer Betreuung.

Diese Trennung gehört zum Beweisvertrag. Öffentliche Daten wurden verändert, um Datenschutzrisiken zu senken und ausgewählte Analysemerkmale zu erhalten. Eine besondere Rohdatenanfrage hat einen anderen Zweck und ein anderes Risiko. Beides einfach „offen“ zu nennen, würde die menschliche Entscheidung unsichtbar machen, die den Schutz der betroffenen Personen aufrechterhält.

Der Wert des Archivs liegt auch in seinen Grenzen

Das WIDE-Repository schafft eine gemeinsam nutzbare Messgrundlage. Seine Aussagekraft hängt von einer erkennbaren Kette ab: Messpunkt wählen, Zeitfenster erfassen, sensible Felder verändern, Mitschnitt oder Zusammenfassung veröffentlichen und die bekannten Einschränkungen festhalten.

Ein Archivname macht eine Verbindung nicht zum gesamten Internet. Ein Anonymisierungsverfahren beseitigt nicht jedes Rückschlussrisiko. Eine Uhr oder Netzwerkkarte garantiert keine Genauigkeit. Eine Aggregation erhält keine Details, die sie bewusst zusammenfasst. Das sind keine Gründe gegen offene Messdaten, sondern Gründe, Herkunft und Unsicherheit gemeinsam mit ihnen zu speichern.

Heng Lus Notizen dienen hier nur als analytische Linse: Maßgeblich sind der laufende Mechanismus und die dazugehörigen Belege, nicht ein institutionelles Etikett. Bei einem Trace heißt das: Wo stand der Sensor? Wie gelangte die Datei vom Router ins Archiv? Welche Felder wurden verändert? Was ging in einer Zusammenfassung verloren? Wer genehmigte einen Sonderzugriff? Verlässliche Koordination setzt voraus, dass die nächste Forschungsgruppe diese Entscheidungen nachvollziehen kann.

Quellen