Nasze serwisy używają informacji zapisanych w plikach cookies. Korzystając z serwisu wyrażasz zgodę na używanie plików cookies zgodnie z aktualnymi ustawieniami przeglądarki, które możesz zmienić w dowolnej chwili. Więcej informacji odnośnie plików cookies.

Obowiązek informacyjny wynikający z Ustawy z dnia 16 listopada 2012 r. o zmianie ustawy – Prawo telekomunikacyjne oraz niektórych innych ustaw.

Wyłącz komunikat

 
 

Logowanie

Logowanie za pomocą Centralnej Usługi Uwierzytelniania PRz. Po zakończeniu pracy nie zapomnij zamknąć przeglądarki.

Elektrotechnika

Elektrotechnika
36 (3/2017), DOI: 10.7862/re.2017.16

Analiza ruchu w sieci komputerowej w oparciu o modele multifraktalne

Maksymilian BURDACKI, Paweł DYMORA, Mirosław MAZUREK

DOI: 10.7862/re.2017.16

Streszczenie

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.

Pełny tekst (pdf)

Literatura

[1] http://scitechconnect.elsevier.com/wp-content/uploads/2013/09/IntroducingNetwork-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, eISSN 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.

Podsumowanie

TYTUŁ:
Analiza ruchu w sieci komputerowej w oparciu o modele multifraktalne

AUTORZY:
Maksymilian BURDACKI (1)
Paweł DYMORA (2)
Mirosław MAZUREK (3)

AFILIACJE AUTORÓW:
(0) 1. Politechnika Rzeszowska 2. Politechnika Rzeszowska, Zakład Systemów Złożonych 3. Politechnika Rzeszowska, Zakład Systemów Złożonych

WYDAWNICTWO:
Elektrotechnika
36 (3/2017)

SŁOWA KLUCZOWE:
analiza ruchu sieciowego, sniffing, analiza samopodobieństwa, analiza multifraktalna, wykładnik Hursta

PEŁNY TEKST:
http://doi.prz.edu.pl/pl/pdf/elektrotechnika/98

DOI:
10.7862/re.2017.16

URL:
http://dx.doi.org/10.7862/re.2017.16

DATA WPŁYNIĘCIA DO REDAKCJI:
2017-10-10

DATA PRZYJĘCIA DO DRUKU:
2017-10-26

PRAWA AUTORSKIE:
Oficyna Wydawnicza Politechniki Rzeszowskiej, al. Powstańców Warszawy 12, 35-959 Rzeszów

POLITECHNIKA RZESZOWSKA im. Ignacego Łukasiewicza; al. Powstańców Warszawy 12, 35-959 Rzeszów
tel.: +48 17 865 11 00, fax.: +48 17 854 12 60
Administrator serwisu:

Deklaracja dostępności | Polityka prywatności