Afferenza

A. A. 2015 / 2016
Secondo Semestre
SSD: INF/01
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
A. A. 2016 / 2017
Secondo Semestre
SSD: I
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
A. A. 2017 / 2018
Secondo Semestre
SSD: I
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
A. A. 2018 / 2019
Secondo Semestre
SSD: I
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
A. A. 2019 / 2020
Secondo Semestre
SSD: I
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica
A. A. 2020 / 2021
Secondo Semestre
SSD: I
CFU: 6
Dipartimento: Dipartimento di Scienze e Innovazione Tecnologica

Ricerca

Una componente importante nella gestione delle attuali reti di telecomunicazione e di Internet è costituita dalla capacità degli operatori di conoscere le esigenze dei propri utenti, valutando il tipo di utilizzo che fanno dei servizi loro offerti ed identificando gli eventuali servizi emergenti per poterli includere nelle future strategie aziendali. L’approccio tradizionale per far ciò è quello di effettuare un monitoraggio della rete tramite delle sonde di misura passiva, aggregando i dati ottenuti, ed elaborandoli per estrarre le informazioni di interesse. Lo spostamento del traffico di rete verso connessioni cifrate riduce l’efficacia del puro monitoraggio passivo, e richiede l’adozione di tecniche alternative, che correlando dati provenienti da diverse fonti (handshake TLS, traffico DNS, ecc.), siano in grado di rivelare quali siano i servizi effettivamente usati e secondo quali dinamiche. La mole di dati eventualmente necessari per l’analisi e la volontà di ottenere risposte pronte ad eventuali trend emergenti rende le moderne tecniche di analisi basate sui BigData (map-reduce, Spark) gli strumenti ottimali per l’elaborazione delle informazioni raccolte.

----------------------------

Traffic measurements and user characterization in the current Internet 

An important part in the management of the Internet and the current telecommunication networks is represented by the will of ISP operators to know the customer needs, monitoring the usage of currently offered services and identifying new trending services that might be included in the future business strategy. The traditionally adopted approach for this target is based on passive network monitoring using suitably placed probes, aggregating the collected data, and processing them to extract all the needed information. The current shift of network traffic toward encrypted connections reduces the effectiveness of the simple passive monitoring, and it requires the adoption of alternative techniques that, correlating data from several sources (TLS handshake, DNS traffic, etc.), can reveal the actually used services and the dynamics in their adoption. The large amount of data needed for the analysis, and the wish for quick answers to emerging trends, make the modern BigData analytic tools (map-reduce, Spark) optimal tools for the processing of the collected information.