Mostrar el registro sencillo del ítem
dc.contributor.advisor | Lloret Mauri, Jaime | es_ES |
dc.contributor.author | Liébana Carrascosa, Álvaro Daniel | es_ES |
dc.date.accessioned | 2020-12-22T17:05:27Z | |
dc.date.available | 2020-12-22T17:05:27Z | |
dc.date.created | 2020-12-10 | es_ES |
dc.date.issued | 2020-12-22 | es_ES |
dc.identifier.uri | http://hdl.handle.net/10251/157712 | |
dc.description.abstract | [ES] Con el auge del Big Data, el enfoque hacia el análisis del tráfico de red NTMA supone un gran reto. Cuando se trabaja con redes, es bastante común el uso de software especializado para analizar el tráfico que se genera en internet, el cual nos permite, ente otros, el diagnostico de problemas de red, análisis de protocolos y extracción de información de las tramas donde viajan los datos. Sin embargo, hay información que no se puede ver directamente desde los campos de la trama como por ejemplo la calidad de un video de internet que está reproduciendo un usuario. En este trabajo, obtendremos una forma para identificar y clasificar esta información. | es_ES |
dc.description.abstract | [EN] With the rise of big data, the approach to network traffic analysis NTMA poses a great challenge. When you work with networks, it's fairly common the use of software specialized in analysing the traffic that the internet generates, which allows us, among other things, the diagnosis of network problems, analysis of protocols and extraction of information from the data frames. But nevertheless, there's information that you can't see directly from the fields of the data frame like for example the quality of a video that a user is playing. In this research paper, we will obtain a way of identifying and clasifying this information. | en_EN |
dc.format.extent | 37 | es_ES |
dc.language | Español | es_ES |
dc.publisher | Universitat Politècnica de València | es_ES |
dc.rights | Reserva de todos los derechos | es_ES |
dc.subject | Tags en español: Big Data | es_ES |
dc.subject | NTMA | es_ES |
dc.subject | Optimización | es_ES |
dc.subject | Tráfico de red | es_ES |
dc.subject | Parámetros no caracterizados. | es_ES |
dc.subject | Tags en inglés: Big Data | en_EN |
dc.subject | Optimization | en_EN |
dc.subject | Network traffic | en_EN |
dc.subject | Uncharacterized parameters. | en_EN |
dc.subject.classification | INGENIERIA TELEMATICA | es_ES |
dc.subject.other | Máster Universitario en Tecnologías, Sistemas y Redes de Comunicaciones-Màster Universitari en Tecnologies, Sistemes i Xarxes de Comunicacions | es_ES |
dc.title | Nuevas técnicas para optimizar el tráfico de red utilizando Big Data. | es_ES |
dc.type | Tesis de máster | es_ES |
dc.rights.accessRights | Abierto | es_ES |
dc.contributor.affiliation | Universitat Politècnica de València. Departamento de Comunicaciones - Departament de Comunicacions | es_ES |
dc.contributor.affiliation | Universitat Politècnica de València. Escuela Técnica Superior de Ingenieros de Telecomunicación - Escola Tècnica Superior d'Enginyers de Telecomunicació | es_ES |
dc.description.bibliographicCitation | Liébana Carrascosa, ÁD. (2020). Nuevas técnicas para optimizar el tráfico de red utilizando Big Data. Universitat Politècnia de València. http://hdl.handle.net/10251/157712 | es_ES |
dc.description.accrualMethod | TFGM | es_ES |
dc.relation.pasarela | TFGM\134550 | es_ES |