prikaz prve stranice dokumenta Procjena performansi usluge YouTube na osnovu analize kriptiranog prometa za 360 video na iOS platformi
Rad nije dostupan
diplomski rad
Procjena performansi usluge YouTube na osnovu analize kriptiranog prometa za 360 video na iOS platformi
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2018. urn:nbn:hr:168:252652
Šašić, Dunja
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Šašić, D. (2018). Procjena performansi usluge YouTube na osnovu analize kriptiranog prometa za 360 video na iOS platformi (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:252652

Šašić, Dunja. "Procjena performansi usluge YouTube na osnovu analize kriptiranog prometa za 360 video na iOS platformi." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2018. https://urn.nsk.hr/urn:nbn:hr:168:252652

Šašić, Dunja. "Procjena performansi usluge YouTube na osnovu analize kriptiranog prometa za 360 video na iOS platformi." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2018. https://urn.nsk.hr/urn:nbn:hr:168:252652

Šašić, D. (2018). 'Procjena performansi usluge YouTube na osnovu analize kriptiranog prometa za 360 video na iOS platformi', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 26.06.2024., https://urn.nsk.hr/urn:nbn:hr:168:252652

Šašić D. Procjena performansi usluge YouTube na osnovu analize kriptiranog prometa za 360 video na iOS platformi [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2018 [pristupljeno 26.06.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:252652

D. Šašić, "Procjena performansi usluge YouTube na osnovu analize kriptiranog prometa za 360 video na iOS platformi", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2018. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:252652

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:252652
Podaci o radu
NaslovProcjena performansi usluge YouTube na osnovu analize kriptiranog prometa za 360 video na iOS platformi
Naslov (engleski)YouTube Performance Estimation Based on the Analysis of Encrypted Network Traffic for 360 Video on the iOS platform
AutorDunja Šašić
MentorLea Skorin-Kapov (mentor)
Član povjerenstvaLea Skorin-Kapov (predsjednik povjerenstva)
Član povjerenstvaOgnjen Dobrijević (član povjerenstva)
Član povjerenstvaMirko Sužnjević (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2018-07-06, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
Cilj ovog rada bilo je istraživanje i opisivanje mehanizama na kojima radi usluga YouTube za prikazivanje 360 stupnjeva videa, provođenje mjerenja u laboratorijskom testnom prostoru za prikupljanje tragova mrežnog prometa i pokazatelja uspješnosti aplikacijskog sloja. Također smo identificirali skup značajki prometa koji su izvučeni iz tragova mrežnog prometa i testirali ih da bismo ih mogli koristiti za procjenu performansi aplikacijskog sloja pomoću strojnog učenja. Skup podataka koji je analiziran sastoji se od 348 primjeraka. Koristili smo alat za strojno učenje pod nazivom WEKA. Korištenjem WEKA-e iz baze podataka smo izvukli relevantne atribute koji bi mogli imati utjecaja prilikom klasifikacije određenog modela. Napravili smo klasifikacijske modele s 4 različita algoritma strojnog učenja: J48, OneR, Naïve Bayse i SMO. Analizirani su dobiveni rezultati klasifikacije i njihova točnost. Najmanja točnost klasifikacije bila je za početno kašnjenje, a najbolja je bila za rezoluciju u slučaju kad instance dijelimo u dvije klase. Nije bilo značajne razlike u učinkovitosti između izabranih algoritama strojnog učenja.
Sažetak (engleski)
In this thesis the focus was on investigating and describing the mechanisms behind the YouTube 360-degree video service, conducting measurements in a laboratory testbed to collect network traffic traces and application-layer performance indicators. We also identified a set of traffic features that was extracted from network traffic traces and tested them to see can they be used to estimate application-layer performance using a machine learning approach. The dataset that was analysed consists of 348 instances. We used the machine learning tool WEKA. Using WEKA we subset a dataset using wrapper methods and trained classification models with 4 different machine learning algorithms: J48, OneR, Naïve Bayse and SMO. Classification accuracy was assessed and discussed. The worst classification accuracy was for target variable initial delay and best one was for resolution that separate instances in two classes. There was no significant difference in efficiency between algorithms.
Ključne riječi
Ključne riječi (engleski)
Jezikengleski
URN:NBNurn:nbn:hr:168:252652
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.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 01:09:51