prikaz prve stranice dokumenta Procjena performansi usluga strujanja igara uživo na osnovu analize kriptiranog prometa uporabom metoda strojnog učenja
Rad nije dostupan
završni rad
Procjena performansi usluga strujanja igara uživo na osnovu analize kriptiranog prometa uporabom metoda strojnog učenja
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2018. urn:nbn:hr:168:375012
Planinić, Blaž
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Planinić, B. (2018). Procjena performansi usluga strujanja igara uživo na osnovu analize kriptiranog prometa uporabom metoda strojnog učenja (Završni rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:375012

Planinić, Blaž. "Procjena performansi usluga strujanja igara uživo na osnovu analize kriptiranog prometa uporabom metoda strojnog učenja." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2018. https://urn.nsk.hr/urn:nbn:hr:168:375012

Planinić, Blaž. "Procjena performansi usluga strujanja igara uživo na osnovu analize kriptiranog prometa uporabom metoda strojnog učenja." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2018. https://urn.nsk.hr/urn:nbn:hr:168:375012

Planinić, B. (2018). 'Procjena performansi usluga strujanja igara uživo na osnovu analize kriptiranog prometa uporabom metoda strojnog učenja', Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 26.06.2024., https://urn.nsk.hr/urn:nbn:hr:168:375012

Planinić B. Procjena performansi usluga strujanja igara uživo na osnovu analize kriptiranog prometa uporabom metoda strojnog učenja [Završni rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2018 [pristupljeno 26.06.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:375012

B. Planinić, "Procjena performansi usluga strujanja igara uživo na osnovu analize kriptiranog prometa uporabom metoda strojnog učenja", Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2018. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:375012

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:375012
Podaci o radu
NaslovProcjena performansi usluga strujanja igara uživo na osnovu analize kriptiranog prometa uporabom metoda strojnog učenja
Naslov (engleski)A Machine Learning Approach for Performance Estimation of Live Game Streaming Based on the Analysis of Encrypted Network Traffic
AutorBlaž Planinić
MentorLea Skorin-Kapov (mentor)
Član povjerenstvaLea Skorin-Kapov (predsjednik povjerenstva)
Član povjerenstvaIvan Slivar (član povjerenstva)
Član povjerenstvaIrena Oršolić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2018-07-13, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Strujanje video igara uživo putem platforme Twitch.tv jedna je od najpopularnijih aktivnosti na Internetu danas. Stoga je bitno da ta aktivnost i usluga budu što bolji. Često se zna dogoditi da te usluge imaju problema, odnosno da je iskustvena kvaliteta korisnika koji gleda video zapis uživo loša. Ti podaci koji utječu na iskustvenu kvalitetu su u mrežnom prometu kripitirani, te ne postoji mogućnost njihovog pregleda u mreži, već samo na aplikacijskoj razini. Stoga, u ovom radu je u laboratorijskom okruženju ispitano do koje je mjere podatke s aplikacijske razine moguće procijeniti na temelju podataka s mrežne razine pomoću metoda strojnog učenja. Dobiveni rezultati govore da je podatke s aplikacijske razine moguće procijeniti u relativno velikoj točnosti pomoću određenih mrežnih atributa generiranjem modela strojnog učenja.
Sažetak (engleski)
Nowadays, watching live video gaming using the Twitch.tv platform is one of the most popular activities on the Internet. For that reason, it is important that services on this platform are delivered on a high professional level. Often these services experience difficulties. In other words, the Quality of Experience (QoE) of the user watching live video can be low. Since traffic is encrypted, it is not possible to directly detect problems related to KPIs by inspecting application-level packet headers. The aim of this study was to investigate whether it is possible to estimate KPIs only from analyzing encrypted traffic using machine learning techniques. As a result of the analysis, classification accuracy was found to be about 70%.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:375012
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2019-03-14 00:01:29