Detekcija neuobičajenih ponašanja u telekomunikacijskim mrežama

undergraduate thesis

• Title (english): Anomaly detection in telecommunications
• Author: Ivan Plazibat
• Mentor: Saša Dešić (mentor)
• Committee member: Saša Dešić (predsjednik povjerenstva)
• Committee member: Mario Kušek (član povjerenstva)
• Committee member: Krunoslav Tržec (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2023-07-13, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Computing

Abstract

U ovom radu istražuje se detekcija anomalija u telekomunikacijskim sustavima pomoću
Apache Kafka, Apache Druid i aplikacije Sherlock. U uvodnom dijelu rada opisana je
važnost detekcije anomalija u telekomunikacijskim sustavima i njihov utjecaj na kvalitetu
usluga, sigurnost i iskustvo korisnika. Također, opisane su i razne metode strojnog učenja
kojima se služe ovakvi sustavi. Zatim je predstavljena Apache Kafka kao ključan alat za
prikupljanje, obradu i pohranu velikih količina podataka generiranih u stvarnom vremenu.
Koristeći strojno učenje, Sherlock analizira podatke prikupljene putem Apache Kafke i
pohranjene u Apache Druidu. Evaluacija performansi Sherlocka na simuliranim podacima
telekomunikacijskih sustava potvrdila je njegovu učinkovitost i sposobnost pružanja
vrijednih informacija o stanju sustava.

Abstract (english)

This paper investigates anomaly detection in telecommunication systems using Apache
Kafka, Apache Druid and the Sherlock application. The introductory part of the paper
describes the importance of anomaly detection in telecommunications systems and their
impact on service quality, security and user experience. Also, various machine learning
methods that serve such systems are described. Next, Apache Kafka was introduced as a
key tool for collecting, processing and storing large amounts of data generated in real time.
Using machine learning, Sherlock analyzes data collected through Apache Kafke and
stored in Apache Druid. The performance evaluation of Sherlock on simulated data of
telecommunication systems confirmed its efficiency and ability to provide valuable
information about the state of the system.

• Keywords: detekcija anomalija; telekomunikacijski sustavi; strojno učenje; Apache Kafka; Apache Druid; Apache Sherlock
• Keywords (english): anomaly detection; telecommunication systems; machine learning; Apache Kafka; Apache Druid; Apache Sherlock
• Language: croatian
• URN:NBN: urn:nbn:hr:168:142502
• Study programme: Title: Computing; Study programme type: university; Study level: undergraduate; Academic / professional title: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2023-10-11 10:10:23