|
Das LRZ setzt im Münchner Wissenschaftsnetz (MWN) ein eigenentwickeltes System (Nyx) ein, um im Rahmen der Abuse-Bearbeitung auffällige Rechner lokalisieren zu können. Das MWN verbindet alle Universitäten, Fachhochschulen und sonstige Forschungseinrichtungen im Großraum München untereinander und mit dem Internet.
Das MWN besteht aus mehr als 2000 Netzkomponenten und versorgt rund 65.000 Endsysteme.
Unter Lokalisierung ist hier der Edge-Switch und der Switch-Port zu verstehen, an dem das auffällige Gerät angeschlossen ist. Nyx sammmelt zu diesem Zweck Daten von Routern und Switches in Echtzeit. Zur Topologieerkennung wird aufgrund der Komplexität des MWNs ein lernender Algorithmus eingesetzt. Dieser muss mit statistischen Daten über den realen Netzverkehr trainiert werden, um Up- bzw. Downlink-Ports von den interessierenden Datenports unterscheiden zu können. Dabei ist die Qualität der Trainingsdaten entscheidend.
Im Rahmen dieser Arbeit soll die Erkennungsrate von Nyx durch geeignete Anwendung des Lernalgorithmuses verbessert werden. Außerdem soll eine systematische Ermittlung der Fehlerraten bei der Topologieerkennung durchgeführt werden.
Ziele der Arbeit:
Erstellung von Trainingdatensätze für das maschinelle Lernen
Evaluation der Ergebnisse der maschinellen Topologiererkennung
Entwicklung einer Methode zur Ermittlung der Fehlerrate sowohl von
False-Positives als auch False-Negatives da keine vollständige
Referenzdokumentation vorhanden ist
Aufgabensteller:
Prof. Dr. H.-G. Hegering
Anforderungen:
Grundkenntnisse in Datennetzen, Datenbanken, Perl und ggf. Java-Kenntnisse
Dauer des Fopras/SEPs: 3 Monate
Anzahl Bearbeiter: 1
Betreuer:
Ralf Kornberger, LRZ, Tel. 35831-8837, kornberger@lrz.de
Claus Wimmer, LRZ, Tel. 35831-8864, wimmer@lrz.de
Helmut Reiser, LRZ, Tel. 35831-7854, reiser@lrz.de
|