Analiza ruchu w sieci komputerowej w oparciu o modele multifraktalne

• Autorzy: Burdacki M. , Dymora P. , Mazurek M.

Identyfikatory

DOI

10.7862/re.2017.16

Warianty tytułu

EN

Computer network traffic analysis based on multifractal models

• Języki publikacji: PL

Abstrakty

PL

Celem badań była analiza ruchu w sieci komputerowej z wykorzystaniem wybranych modeli multifraktalnych. W części teoretycznej omówiono podstawowe zagadnienia związane z oprogramowaniem zbierającym dane w sieci komputerowej, klasyfikacją przebiegów czasowych przy użyciu wykładnika Hurst’a. Opisano metody wykorzystane do wyznaczenia widm multifraktalnych. W części badawczej dokonano analizy przepływu ruchu w sieci komputerowej na podstawie liczby pakietów oraz prędkości przesyłania danych. Wykonano analizę wykładnika Hurst’a wyznaczanego dla poszczególnych przebiegów czasowych. Dokonano analizy widm multifraktalnych utworzonych dla badanych rodzajów ruchu sieciowego.

EN

The aim of this work was computer network traffic analysis. Theoretical part describes issues referring to network traffic capture software, time-series classification using Hurst exponent and multifractal spectrum creating methods. In research part was made an analysis of network traffic based on a number of packets and data transfer speed. It was also made a Hurst exponent analysis and a multifractal spectrum analysis for each type of analyzed network traffic. After the research it was possible to draw conclusions about characteristic of analyzed network traffic.

Słowa kluczowe

PL

analiza ruchu sieciowego; sniffing; analiza samopodobieństwa; analiza multifraktalna; wykładnik Hursta

EN

network traffic analysis; sniffing; self-similarity analysis; multifractal analysis; Hurst exponent

• Wydawca: Oficyna Wydawnicza Politechniki Rzeszowskiej
• Czasopismo: Zeszyty Naukowe Politechniki Rzeszowskiej. Elektrotechnika
• Rocznik: 2017
• Tom: z. 36 [296], nr 3
• Strony: 43--52
• Opis fizyczny: Bibliogr. 8 poz., tab., wykr.

Twórcy

autor

Burdacki M.

• Politechnika Rzeszowska

autor

Dymora P.

• Politechnika Rzeszowska, Zakład Systemów Złożonych

autor

Mazurek M.

• Politechnika Rzeszowska, Zakład Systemów Złożonych

Bibliografia

• [1] http://scitechconnect.elsevier.com/wp-content/uploads/2013/09/Introducing-Network-Analysis.pdf, [Dostęp 18.04.2017].
• [2] Dymora P., Mazurek M., Zelazny K., Operating system efficiency evaluation on the base of measurements analysis with the use of non-extensive statistics elements, Annales UMCS, Informatica. Volume 14, Issue 3, Pages 65-75, ISSN (Online) 2083-3628, 2014.
• [3] Qian B., Rasheed K.: Hurst exponent and financial market predictability, University of Georgia, 2005.
• [4] Dymora P., Mazurek M., Network Anomaly Detection Based on the Statistical Selfsimilarity Factor, Analysis and Simulation of Electrical and Computer Systems Lecture Notes in Electrical Engineering Volume 324, Springer, pp 271-287, 2015.
• [5] Mazurek M., Dymora P., Network anomaly detection based on the statistical selfsimilarity factor for HTTP protocol, Przegląd elektrotechniczny, ISSN 0033-2097, R. 90 NR 1/2014, s.127-130, 2014.
• [6] Brożek B., Dymora P., Mazurek M., Badanie wydajności systemu operacyjnego zainfekowanego złośliwym oprogramowaniem z wykorzystaniem analizy samopodobieństwa, Zeszyty Naukowe Politechniki Rzeszowskiej 294, Elektrotechnika 35 RUTJEE, t. XXIV, z. 35 (2/16), kwiecień-czerwiec 2016, (p-ISSN 0209-2662, e-ISSN 2300-6358).
• [7] http://analytics-magazine.org/the-hurst-exponent-predictability-of-time-series/, [Dostęp 18.04.2017].
• [8] Jędruś S.: Modele multifraktalne natężenia ruchu sieciowego z uwzględnieniem samopodobieństwa statystycznego. Telekomunikacja Cyfrowa: technologie i usługi T.4, 2001/2002.

Uwagi

PL

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).