Diplomová práce

Detecting user actions from encrypted traffic using machine learning

Bc. Tomáš Babej, učo 396515
Anotace

Zámerom tejto práce je preskúmať použitie techník strojového učenia pre detekciu a identifikáciu užívateľských akcií (generovaných v Android aplikáciách) zo šifrovaného sieťového trafficu. Ako súčasť tejto práce sme vyvinuli robustný full-stack toolkit pre detekciu užívateľských akcií, schopný plnenia všetkých potrebných úloh od generovania dát automatickou interakciou s Android zariadeniami po tréning …více

Abstract

The aim of this thesis is to investigate usage of machine learning techniques for detection and identification of user actions (generated in Android applications) from encrypted traffic streams. As part of this work, a robust full-stack User Action Detection Toolkit has been developed, capable of performing all the necessary tasks from generating the dataset by automating interaction with Android devices …více

Klíčová slova
machine learning encrypted traffic user actions detection and identification android Appium Signal uadt strojové učenie šifrovaný traffic užívateľské akcie detekcia a identifikácia
Zadání práce
Mobile applications cover a wide range of areas and often handle privacy-sensitive data (messaging, banking,..). Recently, machine learning has been shown to effectively reveal user actions in encrypted traffic [2].

The student will extend this work to selected messaging applications with double-layered encryption and/or banking applications, in particular:
* Create a generic automation framework for the Android platform and generate training data
* Investigate features suitable for the produced data set
* Create a model capable of detecting user actions from unseen data
* Evaluate the performance of the selected model


Literature:
[1] Muehlstein et al., Analyzing HTTPS Encrypted Traffic to Identify User’s Operating System, Browser and Application, 2016
[2] Conti et al., Analyzing Android Encrypted Network Traffic to Identify User Actions, IEEE TIFS 2016
Administrativní informace
Práce zkontrolována:
15. 12. 2017 10:46, RNDr. Martin Stehlík, Ph.D.
Plný text práce
1,2 MB / soubor PDF
Přílohy (1)
Jazyk práce
angličtina angličtina
Termín obhajoby
9. 2. 2018
Práce byla úspěšně obhájena

Vedoucí

RNDr. Martin Stehlík, Ph.D.
KPSK FI MU

Oponent

doc. RNDr. Petr Švenda, Ph.D., učo 4085
KPSK FI MU
Citovat tuto práci
Masarykova univerzita Fakulta informatiky
Studijní program
Informatika
Obor

Práce na příbuzné téma

Seznam prací, které mají shodná klíčová slova.

Podobné práce

  • Přidání souboru

    Soubor nebo složku lze nahrát pomocí tlačítka Přidat.

  • Další operace se soubory

    Podrobnosti lze zjistit označením příslušného řádku.

  • Pohled pro experty

    Pro častou práci je možné zvolit režim Více možností.

  • Vyhledávání souborů

    Vyhledávaný výraz můžete zadat přímo do adresního řádku.

  • Rychlý přístup k souborům

    Pomocí funkce Nedávné je možné se rychle vrátit k právě prohlíženým souborům. Oblíbené soubory je také možné označit Hvězdičkou.