1.
Supervisor: Seufert, A.: Comparing Video QoE Models Using Subjective QoE Data Sets, (2021).
Contact: anika.seufert@informatik.uni-wuerzburg.de -- Inhalt: Der weltweite Videoverkehr hat in den letzten Jahren dramatisch zugenommen. Mit diesem rasanten Wachstum steigt auch das Interesse am Anwendungsverhalten von Video-Streaming-Diensten und dem daraus resultierenden Benutzererlebnis. Um mit Hilfe von objektiven Parametern (wie z. B. der Anzahl an Stalling Events oder Qualitätswechseln) die Zufriedenheit der Endnutzer (QoE) abzuschätzen, gibt es in der Literatur zahlreiche Modelle. Ziel dieser Arbeit ist es daher, einen Überblick über die Gemeinsamkeiten aber auch Unterschiede dieser QoE-Modelle zu bekommen. Dazu sollen mehrere Modelle implementiert werden und anhand verschiedenener subjektiver Video-Streaming-Datensätze verglichen werden. -- Abstract: Global video traffic has increased dramatically in recent years. With this rapid growth, there is also increasing interest in the application behavior of video streaming services and the resulting user experience (QoE). In order to estimate end-user satisfaction using objective parameters (such as the number of stalling events or quality changes), there are numerous models in the literature which can be used. Therefore, the goal of this thesis is to get an overview of the similarities but also differences of these QoE models. For this purpose, several models will be implemented and compared using different subjective video streaming datasets.
2.
Supervisor: Loh, F.: Studying the Influence of Mobility in an IoT Network with LoRaWAN, (2021).
Ziel der Arbeit ist es eine Methodik zu entwickeln, um Mobilität in einem LoRaNetz zu bestimmen.
3.
Supervisor: Dietz, K.: Performance Prediction of Distributed SDN-Architectures via Simulation and Machine Learning, (2021).
In recent years, Software-Defined Networking (SDN) emerged as an innovative network architecture and gained increasing popularity due to its centralized network management. However, this central point induces a potential bottleneck and possible single-point-of-failure to the network. Therefore, so-called distributed architectures come into play, which keep the logical view centralized, but physically distributed. The goal of this thesis is to evaluate two opposing approaches and predict their performance via Machine Learning (ML). The simulation will be conducted on basis of a preexisting framework based on OMNeT++, which already implements two distributed SDN-architectures, ready for simulation.
4.
Supervisor: Dietz, K.: Application- and Version-Classification via Machine Learning, (2021).
The classification of application-behavior via ML is a well-studied topic. For the most part, however, only the classification of highly-varying applications has been conducted, i.e., applications that differ greatly from each other and thus, are easily differentiable. The goal of this thesis is the generation of a small and manually created data set, containing communication traffic not only from highly-varying applications, but also applications from the same family (e.g., different VoIP applications). In the next step, the classification of these similar applications is evaluated. Another possible subtask may be the classification of different versions of the same application. Especially this last subtask is an interesting aspect for detecting unpatched applications, and thus, possible weak points in a system.
5.
Supervisor: Dietz, K.: Comparison and Evaluation of Compatibility of Existing Data Sets for Intrusion Detection, (2021).
The acquisition of adequate data is a crucial concern for Machine Learning (ML) and especially network security. Throughout the years, many publicly available data sets were released. One of the most cited data sets in this regard are the KDD-CUP-99 data set and its variation NL-KDD. Both suffer from obvious problems, like the age and imbalanced composition of the data. However, newer data sets have been created, e.g., through real-world measurements, simulation or a hybrid form of both. The goal of this thesis is to evaluate a variety of data sets on their own, but also compare them concerning their intercompatibility regarding training and testing for ML. This also includes the analysis of various factors, such as the underlying network structure (e.g., size and type), temporal classification and induced traffic (e.g., type of traffic and attacks or network load).
6.
Supervisor: Seufert, A.: Investigating the Influence of Transmission Delays on the QoE of Mobile Instant Messaging, (2021).
Kontakt/Contact: anika.seufert@informatik.uni-wuerzburg.de -- Inhalt: WhatsApp ist eine der beliebtesten mobilen Instant Messaging (MIM)-Anwendungen. Aufgrund von MIM-Anwendungen hat sich die Art und Weise, wie wir kommunizieren, drastisch verändert. Dennoch gibt es nur sehr wenige Studien über die Quality of Experience (QoE) und deren Einflussfaktoren. Das Ziel dieser Arbeit ist es daher, die QoE von MIM-Anwendungen zu evaluieren. Dazu wird eine Web-MIM-Applikation entworfen, um verschiedene mögliche Einflussfaktoren auf die QoE zu simulieren (z.B. Bildladezeiten). Anschließend wird eine subjektive Nutzerstudie durchgeführt und QoE-Bewertungen zur simulierten Verschlechterung gesammelt und ausgewertet. -- Abstract: WhatsApp is one of the most popular mobile instant messaging (MIM) applications. Due to MIM applications, the way we communicate has changed drastically. Nevertheless, there are very few studies about its Quality of Experience (QoE) and possible influence factors. Thus, the goal of this work is to evaluate the QoE MIM apps. Therefore, a web MIM application will be designed to simulate different possible influence factors on the QoE (e.g., image load times). Afterwards, a subjective user study will be conducted and QoE ratings on the simulated degradation will be collected and evaluated.
7.
Supervisor: Seufert, M.: Comparison of Web and Video QoE Perception, (2021).
Contact/Kontakt: michael.seufert@uni-wuerzburg.de --- Abstract: In this thesis, an existing framework for subjective QoE studies shall be modified. Several QoE study shall be implemented and conducted, which compare and investigate in detail the fundamental perception of web browsing and video streaming. The results of the QoE studies shall be evaluated. --- In dieser Arbeit soll ein existierendes Framework für subjektive Befragungen zur QoE modifiziert werden. Es sollen einige QoE Studien implementiert und durchgeführt werden, die die fundamentale Wahrnehmung von Webbrowsing und Videostreaming vergleichen und im Detail untersuchen. Die Ergebnisse der QoE Studien sollen ausgewertet werden.
8.
Supervisor: Seufert, M.: Performance Evaluation of Transfer Learning Approaches for QoE Estimation, (2021).
Contact/Kontakt: michael.seufert@uni-wuerzburg.de --- Abstract: In this bachelor thesis, transfer learning shall be applied to QoE estimation from monitored encrypted video streaming traffic. Based on an existing data set, several transfer learning methods shall be implemented and their performance shall be compared. --- Inhalt: In dieser Bachelorarbeit soll Transferlernen angewendet werden zur Abschätzung der QoE (Quality of Experience, subjektiv empfundenen Dienstgüte) aus aufgezeichnetem, verschlüsselten Videostreamingverkehr. Basierend auf einem existierenden Datensatz sollen verschiedene Methoden des Transferlernens implementiert werden und ihre Leistungsfähigkeit soll verglichen werden.
9.
Supervisor: Wehner, N.: Flow-based Web QoE Monitoring for Encrypted Network Traffic, (2021).
Contact: nikolas.wehner@uni-wuerzburg.de The goal of this work is to estimate Web QoE KPIs like the Real-User-Monitoring Speed Index (RUMSI) or Page Load Time (PLT) directly from encrypted network traces using flow-based information only. This requires a reasonable feature extraction and engineering process as well as the use of machine learning techniques. Therefore, different feature sets and models shall be tested, e.g., using the response times of flows and modelling the data as time series. These approaches are however subject to change. The data for this work will be provided.
10.
Supervisor: Seufert, A.: Evaluating the Influence of the Measurement Design on Mobile Video Streaming Behavior, (2021).
Contact: anika.seufert@informatik.uni-wuerzburg.de -- Inhalt: Der weltweite Videoverkehr hat in den letzten Jahren dramatisch zugenommen. Mit diesem rasanten Wachstum steigt auch das Interesse am Anwendungsverhalten von Video-Streaming-Diensten und dem daraus resultierenden Benutzererlebnis. Insbesondere besteht die Notwendigkeit, die Auswirkungen der Systemparameter auf die Streaming-Leistung zu verstehen. Daher wurden verschiedene Überwachungsansätze entwickelt, um groß angelegte automatisierte Messungen zu ermöglichen, z. B. Ansätze für Messungen, die direkt auf den Smartphones der Endnutzer laufen, um Einblicke in deren Perspektive auf die Video-Streaming-Qualität zu erhalten. In einigen Fällen liefen die Messungen im Vordergrund und maßen Key Performance Indicators (KPIs), während die Benutzer Videos ansahen. In anderen Fällen wurden die Messungen im Hintergrund durchgeführt, ohne dass der Benutzer dies überhaupt bemerkte. Ziel dieser Arbeit ist es daher, die Frage zu beantworten, ob und inwieweit das Mess-Setup (z. B. Vordergrund oder Hintergrund) das Video-Streaming-Verhalten beeinflusst und ob die Ergebnisse der beiden Methoden vergleichbar sind. -- Abstract: Global video traffic has increased dramatically in recent years. With this rapid growth, there is also increasing interest in the application behavior of video streaming services and the resulting user experience. In particular, there is a need to understand the impact of system parameters on streaming performance. Therefore, various monitoring approaches have been developed to enable large-scale automated measurements, e.g., approaches for measurements running directly on end-users' smartphones to gain insights of their perspective on video streaming quality. In some cases, the measurements ran in the foreground, measuring key performance indicators (KPIs) while users were watching videos. In other cases, the measurements are done in the background without the user even noticing. This work therefore aims to answer the question of whether and to what extent the measurement setup (e.g., foreground or background) affects video streaming behavior and whether the results of the two methods are comparable.
11.
Supervisor: Wamser, F.: Analyse von neuen Video Streaming-Konzepten, (2021).
In dieser Arbeit sollen neue Ideen und Konzepte für das HTTP Adaptive Video Streaming à la YouTube und Netflix analysiert und umgesetzt werden. Es sollen Streaming-Plattformen praktisch gemessen werden. Die neuen Konzepte haben zum Ziel das Streaming-Erlebnis zu verbessern und höhere Qualitäten zu liefern. Weitere Details auf Anfrage. Bitte direkt bei mir melden! Florian
12.
Supervisor: Wamser, F.: Blockchain in communication networks, (2021).
Das Ziel der Arbeit ist der Entwurf einer Methodik für die Ressourcenvergabe mittels Distributed Ledger-Verfahren (DLV) (Blockchain) im Netzwerk- und Anwendungsumfeld von Internetdiensten. Ein Beispiel für eine solche Ressourcenvergabe ergibt sich für aktuelle Webdienste wie Netflix. Netflix stellt seinen Dienst aus zahlreichen Einzelkomponenten zusammen: beispielsweise dem Videoplayer und den Videoinhalten. Diese Elemente liegen und werden in verschiedenen Clouds ausgeführt. Netflix muss sich Ressourcen bei verschiedenen Anbietern "zusammenkaufen". Solch ein zusammengestellter Dienst braucht einen Verteilungsalgorithmus, der Komponenten auf Clouds zuordnet. Die Idee in der Arbeit ist zu prüfen in wie fern man Blockchain hierfür nutzen kann, um Ressourcen zu buchen. Aufgaben in der Arbeit wären Konzepte und Ideen abzuleiten, die für die Ressourcenvergabe mittels Blockchain nötig sind. Eine weitere Aufgabe ist eine Literaturrecherche im Umfeld Blockchain.
13.
Supervisor: Grigorjew, A.: Investigation of Timed Gates for Predictable Latency in Dynamic Networks, (2021).
Kontakt: alexej.grigorjew@uni-wuerzburg.de -- Moderne Systeme enthalten immer mehr Machine-to-Machine (M2M) Kommunikation, welche traditionell durch Bus-Systeme wie CAN und PROFIBUS unterstützt wurden. Neuere Systeme haben jedoch höhere Anforderungen an Bandbreite, Latenz und Zuverlässigkeit, weshalb langsam ein Übergang in Richtung Ethernet-Technologien stattfindet. Daraus entstanden sehr viele verschiedene Technologien, die im Grunde die gleichen Ziele verfolgen, aber untereinander nicht kompatibel sind. Die IEEE Standardisierungsgruppe Time-Sensitive Networking (TSN) versucht, durch diverse Erweiterungen der Ethernet-Standards eine einheitliche Definition der Mechanismen zu bilden. Ein bekannter Mechanismus zur Umsetzung von Echtzeitanforderungen sind Timed Gates. Dabei werden Gate Control Lists konfiguriert, die genau steuern, welcher Port im Netzwerk zu welcher Zeit senden darf, ähnlich wie bei Zugfahrplänen an Bahnhöfen. Oftmals erfolgt diese Konfiguration als globale Netzwerk-weite Optimierung, welche alle Switches genau auf einander abstimmt. Die dazu notwendige Rechenzeit erlaubt die Nutzung aber nur für statische Anwendungszwecke. In dynamischen Szenarien ändern sich die Verkehrsanforderungen regelmäßig, und entscheidungen müssen schneller getroffen werden. Stattdessen können Zeitfenster auch länger geöffnet bleiben, um eine ganze Reihe von Paketen übertragen zu können. Neue Verkehrsströme können dann dynamisch zu diesen Gruppen hinzugefügt werden, solange das Zeitfenster groß genug ist, ohne die Gate Control Lists neu zu berechnen. Sobald das Zeitfenster nicht mehr ausreicht, werden neue Verkehrsanfragen abgelehnt. Je länger ein Zeitfenster aber ist, desto mehr verzögert es jedoch die anderen Gruppen. Die Frage ist also, wie die Effizienz eines gegebenen Netzwerks von den Zeitfenstern abhängt. In dieser Arbeit soll ein kleines Framework geschrieben werden, das für ein gegebenes Netzwerk und für eine gegebene Zeitfensterkonfiguration berechnet, wie viele der Echtzeit-Verkehrsströme darin platziert werden können. In einer Parameterstudie soll damit empirisch ermittelt werden, wie die Effizienz einer Konfiguration von diesen Parametern abhängt.
14.
Supervisor: Grigorjew, A.: Investigation of Stream Aggregates for Asynchronous Traffic Shaping, (2021).
Kontakt: alexej.grigorjew@uni-wuerzburg.de -- Moderne Systeme enthalten immer mehr Machine-to-Machine (M2M) Kommunikation, welche traditionell durch Bus-Systeme wie CAN und PROFIBUS unterstützt wurden. Neuere Systeme haben jedoch höhere Anforderungen an Bandbreite, Latenz und Zuverlässigkeit, weshalb langsam ein Übergang in Richtung Ethernet-Technologien stattfindet. Daraus entstanden sehr viele verschiedene Technologien, die im Grunde die gleichen Ziele verfolgen, aber untereinander nicht kompatibel sind. Die IEEE Standardisierungsgruppe Time-Sensitive Networking (TSN) versucht, durch diverse Erweiterungen der Ethernet-Standards eine einheitliche Definition der Mechanismen zu bilden. Ein solcher Mechanismus, der Echtzeit-Garantien ermöglicht, lautet Asynchronous Traffic Shaping (ATS). Zur Einhaltung der Garantien sind außerdem Reservierungsprotokolle im Einsatz. Ein neuer Echtzeit-Datenstrom sendet seine Anforderungen an das Netzwerk und wird entweder angenommen oder abgelehnt, je nach vorhandenen Ressourcen. Dabei geht es nicht nur um Bandbreite, sondern z.B. auch um Warteschlangenlängen und Prioritäten. Formeln zur Berechnung der Latenz existieren bereits in der Literatur. Diese sind jedoch von Natur aus ineffizient bei Datenströmen, die sehr selten senden (~ 1 Mal pro Sekunde). Sie verbrauchen ähnlich viele Warteschlangen-Ressourcen wie häufig sendende Ströme (~ 1 Mal pro Millisekunde), benötigen aber natürlich viel weniger Bandbreite. So kann eine Ablehnung schon dann erfolgen, wenn eigentlich kaum Verkehr fließt. Hier soll Stream Aggregation ansetzen. Viele sehr kleine Datenströme werden zu einem größeren Strom mit etwas höherer Bandbreite zusammengefasst, um die Ressourcen effizienter einsetzen zu können. Für ATS auf der Data-Plane erscheint das Aggregat wie ein einziger Strom. In dieser Arbeit soll ein kleines Framework zur Berechnung der Latenzgarantien in einem gegebenen Netzwerk geschrieben werden. Außerdem soll eine Möglichkeit zur Aggregation mehrerer Ströme eingebaut werden. In der Evaluation soll dann dieses Framework benutzt werden, um für einige Netzwerke exemplarisch die Effizienz mit und ohne Aggregation zu vergleichen.
15.
Supervisor: Metzger, F.: Profiling the E2E Delays of Streamed Video Games with the Camera Method, (2020).
Determining the E2E lag of actions in video games is not trivial since there is no built-in way to grasp the full lag, including that contributed by the input and output. A standardized method is to record both input and output with a high framerate camera and count the frames from a visible input event to the result on screen. Your job is to perform these measurements for different actions in a series of games, and examine the overhead game streaming generates for them. Note: It might currently not be possible to perform these experiments, as they rely on a physical testbench.