Les avancées technologiques et l’évolution rapide d’Internet et des réseaux informatiques, y compris les réseaux d’entreprises, rendent nécessaire l’implémentation d’une stratégie de gestion de réseau afin de pouvoir optimiser l’utilisation des ressources, planifier le dimensionnement des infrastructures et opérer les systèmes de qualité de service et les mécanismes de sécurité. Ainsi, et pour atteindre cet objectif, il est indispensable de connaître le trafic véhiculant à travers le réseau. Cependant, une telle évolution a engendré une augmentation continue dans le volume de trafic et par conséquent la quantité de données à traiter.
L’utilisation de la métrologie et des outils traditionnels, tels que l’analyse les journaux de données, des tableaux ou encore des outils qui listent les paquets échangés entre les hôtes, ne répondent plus aux besoins actuels en termes d’exploration de données et ne permettent pas aux utilisateurs d’en tirer de l’information pertinente pour la prise de décision.
Dans ce mémoire, l’objectif est de concevoir et développer une plateforme de visualization qui permet de résoudre la problématique d’exploration des données réseau ou trafics IP pour la surveillance des réseaux. Ceci nécessite de faire ressortir l’information disponible dans les données multidimensionnelles, et de grande taille de manière à rapporter à l’utilisateur l’état du réseau surveillé en temps réels. Pour y parvenir, il est proposé de concevoir un ensemble de méthodes pour le traitement, le filtrage, la classification et la visualisation de l’information. La visualisation nécessite un processus de traitement de données dont la finalité est la production de représentations graphiques de l’information utile dans des graphes simples et expressifs.
La plateforme de visualisation de trafic étudié dans ce document est conçue de manière à offrir trois niveaux complémentaires d’information. Le premier niveau est dédié à décrire le réseau de manière générale à travers l’analyse des volumes de trafic, les connexions établies et la distribution de la taille des paquets en temps réel. Le deuxième niveau permet d’analyser du trafic au niveau transport; il offre une carte de répartition de flux entre les différents hôtes (interne et externe) et une analyse de flux de point de vue des activités des ports dans l’objectif de détecter les flux malicieux. Un troisième niveau permet d’identifier et classifier les applications en temps réel en utilisant l’apprentissage machine. Des méthodes d’échantillonnage de données ont été développées afin de réduire le coût de traitement et assurer l’analyse en temps réel.
Un test de fonctionnement a été effectué afin de valider les différentes fonctionnalités d’analyse offertes par la plateforme proposé. De la même façon, un ensemble de mesures de performance ont été examinées et les résultats démontrent que la solution est plus performante en termes de taux de mémoire et de CPU utilisé en comparaison avec d’autres applications de visualisation telles que TNV. En outre, la présente plateforme de visualization permet de rapporter l’état du réseau en temps réel, ce qui permet une surveillance des systèmes de qualité de service et de sécurité en temps réel.
| Date | 15 juin 2017 |
|---|
| langue originale | Français |
|---|
| Établissement diplômant | - École de technologie supérieure
|
|---|
| Superviseur | Mohamed Cheriet (Directeur(-trice)) |
|---|
- Réseaux d'ordinateurs Trafic. Flux de données (Informatique) Visualisation de l'information Logiciels. Temps réel (Informatique) Données volumineuses. Exploration de données (Informatique) Classification (Exploration de données) Apprentissage automatique. apprentissage machine
- classification du trafic
- échantillonnage de trafic
- visualisation du trafic
Elbaham, M. (Auteur(e)),
Cheriet (Directeur(-trice)),
15 juin 2017Thèses et mémoires: Mémoire de maîtrise › Maîtrise en ingénierie: Génie