Rilevamento di anomalie del traffico di rete basato su tecniche di elaborazione delle immagini

The ISeeYoo project aims to develop an advanced network traffic anomaly detection system through a two-dimensional representation. The objective of this thesis is to find an optimal representation that allows achieving good results. Images are used to train a convolutional neural network, which is then used to recognize the possible presence of anomalies. The idea is also to demonstrate how, despite the training phase of a neural network playing a crucial role, the initial phase of input data processing and dataset selection is fundamental. In conclusion this study aims to show how a different representation of network traffic leads to significantly different results.

Il progetto ISeeYoo mira a sviluppare un sistema all'avanguardia di riconoscimento di anomalie del traffico di rete tramite rappresentazione bidimensionale di quest ultimo. L'obiettivo di questa tesi è quello di trovare una rappresentazione ottima che permetta di ottenere buoni risultati. Le immagini infatti vengono utilizzate per addestrare una rete neurale convoluzionale utilizzata poi per riconoscere l'eventuale presenza di anomalie. L'idea inoltre è quella di dimostrare come, nonostante la fase di addestramento di una rete neurale ricopra un ruolo molto importante, la fase iniziale di elaborazione dei dati di ingresso e di scelta del dataset sia fondamentale. Infine, in questo studio si vuole mostrare come una diversa rappresentazione del traffico di rete conduca a risultati molto diversi tra loro.