Detailansicht
Identification of communication patterns in network flow data using social network analysis
Alexandra Madalina Tamas
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Informatik
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Wirtschaftsinformatik
Betreuer*in
Stefanie Rinderle-Ma
DOI
10.25365/thesis.53994
URN
urn:nbn:at:at-ubw:1-24287.27291.566771-8
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
NetFlow Daten werden normalerweise zur Netzwerküberwachung und -verwaltung sowie zur Sicherheitsanalyse erfasst. Durch den Einsatz von kommerziellen oder Open-Source-Tools können sowohl Abweichungen von traditionellen Netzwerkverkehrskriterien, als auch die Kommunikation mit bekannten verdächtigen Hosts identifiziert werden. Es wird zwar empfohlen, vorhandene Tools zur Lösung von Problemen zu verwenden, ihre Wartung bringt jedoch eine neue Komplexitätsebene mit sich. Der Grund hierfür ist, dass sie nicht die netzwerkweite Dimensionalität darstellen, die ein Unternehmen benötigt. Ressourcen werden daher für die Analyse einzelner Netzwerkelemente aufgewendet, anstatt um zu verstehen, wie das Netzwerk als Ganzes optimiert und auch vor Angreifern geschützt werden soll. Die Analyse von sozialen Netzwerken verwendet Graphentheorie um soziale Strukturen zu untersuchen und basiert auf den Beziehungen und ihren zugrundeliegenden Mustern. Obwohl die Analyse von sozialen Netzwerken keine Prämissen vorgibt, von denen Hypothesen oder Vorhersagen abgeleitet werden können, wie Netzwerkanalysetools es tun, bietet sie eine Anleitung an, wonach man weiter nach Antworten suchen kann. Diese Masterarbeit bietet die erste Netzwerkstruktur- und Verhaltensanalyse auf Basis von Graphentheorie. Ein Top-down-Ansatz wird verwendet, die darauf abzielt, die gesamte Grundgesamtheit durch die Kommunikationsmuster zu charakterisieren, die ihre Akteure einschränken.
Abstract
(Englisch)
Network flow data is usually gathered for network monitoring and administration, as well as for security analysis. By using commercial or open source tools variations from traditional traffic criterions and communications with acknowledged bad hosts can be identified. While it is recommended to use existing tools to address and solve issues, the maintenance of these tools brings a new layer of complexity because they do not support all network’s dimensions that a business needs. Resources are therefore spent on analyzing separate network elements rather than on understanding how the network as a whole needs to be optimized and also secured against intruders. Social Network Analysis uses graph theory for exploring social structures and focuses on the relations and the patterns they form and although it does not provide a set of premises from which hypothesis or predictions can be derived as network analysis tools do, it provides guidance on where to look further for the answers. This thesis provides the first-of-its-kind network structure and behavior analysis based on graph theory. A top-down perspective is adopted, which aims to characterize the whole population by the relations patterns that constrain its actors.
Schlagwörter
Schlagwörter
(Englisch)
Social Network Analysis Graph Theory Network Theory Network Flow Data Communication Patterns Network Profiling
Schlagwörter
(Deutsch)
Soziale Netzwerkanalyse Graphentheorie Netzwerktheorie Netzwerkflussdaten Kommunikationsmuster Netzwerk-Profilbildung
Autor*innen
Alexandra Madalina Tamas
Haupttitel (Englisch)
Identification of communication patterns in network flow data using social network analysis
Paralleltitel (Deutsch)
Identifikation von Kommunikationsmustern im Netzwerkflussdaten mittels sozialer Netzwerkanalyse
Publikationsjahr
2018
Umfangsangabe
xiii, 130 Seiten : Illustrationen, Diagramme
Sprache
Englisch
Beurteiler*in
Stefanie Rinderle-Ma
AC Nummer
AC15488729
Utheses ID
47704
Studienkennzahl
UA | 066 | 926 | |