haku: @instructor Riikonen, Antti / yhteensä: 7
viite: 4 / 7
Tekijä:Adhikari, Aashish
Työn nimi:Mobile Device Identification from Network Traffic Measurements - A HTTP User Agent Based Method
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:2012
Sivut:ix + 72      Kieli:   eng
Koulu/Laitos/Osasto:Tietoliikenne- ja tietoverkkotekniikan laitos
Oppiaine:Tietoverkkotekniikka   (S-38)
Valvoja:Hämmäinen, Heikki
Ohjaaja:Riikonen, Antti
Elektroninen julkaisu: http://urn.fi/URN:NBN:fi:aalto-201211243396
OEVS:
Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje

Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossa

Oppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa.

Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/

Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.

Kirjautuminen asiakaskoneille

  • Aalto-yliopistolaiset kirjautuvat asiakaskoneille Aalto-tunnuksella ja salasanalla.
  • Muut asiakkaat kirjautuvat asiakaskoneille yhteistunnuksilla.

Opinnäytteen avaaminen

  • Asiakaskoneiden työpöydältä löytyy kuvake:

    Aalto Thesis Database

  • Kuvaketta klikkaamalla pääset hakemaan ja avaamaan etsimäsi opinnäytteen Aaltodoc-tietokannasta. Opinnäytetiedosto löytyy klikkaamalla viitetietojen OEV- tai OEVS-kentän linkkiä.

Opinnäytteen lukeminen

  • Opinnäytettä voi lukea asiakaskoneen ruudulta tai sen voi tulostaa paperille.
  • Opinnäytetiedostoa ei voi tallentaa muistitikulle tai lähettää sähköpostilla.
  • Opinnäytetiedoston sisältöä ei voi kopioida.
  • Opinnäytetiedostoa ei voi muokata.

Opinnäytteen tulostus

  • Opinnäytteen voi tulostaa itselleen henkilökohtaiseen opiskelu- ja tutkimuskäyttöön.
  • Aalto-yliopiston opiskelijat ja henkilökunta voivat tulostaa mustavalkotulosteita Oppimiskeskuksen SecurePrint-laitteille, kun tietokoneelle kirjaudutaan omilla Aalto-tunnuksilla. Väritulostus on mahdollista asiakaspalvelupisteen tulostimelle u90203-psc3. Väritulostaminen on maksullista Aalto-yliopiston opiskelijoille ja henkilökunnalle.
  • Ulkopuoliset asiakkaat voivat tulostaa mustavalko- ja väritulosteita Oppimiskeskuksen asiakaspalvelupisteen tulostimelle u90203-psc3. Tulostaminen on maksullista.
Sijainti:P1 Ark Aalto  609   | Arkisto
Avainsanat:network traffic measurements
mobile internet
device identification
HTTP user agent
DDR
WURFL
Java API
Tiivistelmä (eng): The proliferation of mobile Internet in recent years has created an increasing need to understand the usage of the mobile services.
With widespread adoption of the Internet capable mobile handheld devices, knowledge about mobile Internet usage is beneficial from different aspects of the stakeholders.

A key challenge is that the factual information available on User Agent (UA) based device identification from IP traffic measurements is limited.
The objective of our research is two folded; to develop a tool to identify mobile devices based on the HTTP UA obtained from the network traffic measurements and to profile mobile Internet usage in Finland.
We observe that the tool can be developed by using a device description repository (DDR) and its API to interact with the repository and extract device related information.
Moreover, the results from the DDR implementation can be improved by enhancing its original output.
With the identification results, we provide descriptive statistics to aid in profiling the usage of the mobile Internet in Finnish mobile networks.

Wireless Universal Resource File (WURFL) DDR based tool produced accurate identification of the devices from the HTTP UA strings.
However, identification of the devices from the UA strings generated by the applications other than the web browsers required additional programming.
The resulting enhanced WURFL tool was able to improve the device identification results roughly by 15% points with our dataset.
Based on the assessment of the enhanced WURFL tool, we observe that roughly 94% of the total UA strings subjected to the analysis were identified correctly.
The share of incorrectly identified UA strings was about 0.5%.

The data analysis results indicate that the majority of mobile handset traffic is generated by handsets with advanced capabilities such as 3G and the touchscreen, manufactured by numerous brands of mobile devices with different operating systems.
The results from the identification of these devices and device features could be utilized by the operators to support the pricing and business development.
ED:2012-11-20
INSSI tietueen numero: 45417
+ lisää koriin
INSSI