Detekcija neuobičajenih ponašanja u telekomunikacijskim mrežama

završni rad

• Naslov (engleski): Anomaly detection in telecommunications
• Autor: Ivan Plazibat
• Mentor: Saša Dešić (mentor)
• Član povjerenstva: Saša Dešić (predsjednik povjerenstva)
• Član povjerenstva: Mario Kušek (član povjerenstva)
• Član povjerenstva: Krunoslav Tržec (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2023-07-13, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

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.

Sažetak (engleski)

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.

• Ključne riječi: detekcija anomalija; telekomunikacijski sustavi; strojno učenje; Apache Kafka; Apache Druid; Apache Sherlock
• Ključne riječi (engleski): anomaly detection; telecommunication systems; machine learning; Apache Kafka; Apache Druid; Apache Sherlock
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:142502
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: preddiplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-10-11 10:10:23