Bilgisayar ağlarında veri trafik akışının analizi

Abstract

Büyük kurumsal firmalar gelişimlerini teknolojiye bağlı kalmalarıyla açıklamaktadırlar. Her dönemde bir önceki dönemin teknolojisi kullanılıp bir sonraki dönemde yeni atılımlar içinde olmaları, firmaların büyümelerinin önünü açmaktadır. Şuan dünyanın en büyük firmaları/yapıları, büyümelerinin sebebini insanların kullandıkları bilgileri öğrenmeleri ile açıklamaktadırlar. Bunun en iyi örneği her bireyin bilgisayarındaki tarayıcılardaki arama motorlarıdır. Bu tarayıcılarda insanların ilgi,istek,tutumlarının ve düşüncelerinin neler olduğu tespit edilerek,sürekli bu veriler saklanmaktadır. Bu verilerle elde edilen bilginin önemi ve özellikle ileride bu bilgilerin hangi yapılara dönüşeceği önceden bilinmesi, teknolojiyi kullanan firmaların/yapıların önem verdiği alanlardandır. Burada bilginin ileride neye dönüşeceğini,insanlar arasındaki ağın ne şekilde olduğunu ve zamanla ihtiyaçların belirlenmesi için verilerin arasındaki ilişkinin tespiti daha da önem kazanacaktır. Tespit edilen verilerle insanlar teknolojiyi tahmin edip gerekli durumlarda önlemler alabilecek ve kendilerini ileride ki değişime göre güncelleme fırsatı bulacaklardır.Yapılan tezde İstanbul Ayvansaray Üniversitesi, İnternet ve Ağ Teknolojileri 01.03.2018 ile 10.05.2018 tarihleri arasında (9 hafta) öğrencinin kullandığı laboratuvarda ders içeriğinde kullanılan verilerin akışı kontrol edilmiştir. Öğrencilerin kullandıkları bilgisayarların bir dönem boyunca haftanın aynı gününde ve aynı saatinde kullanımlarının analizi yapılmıştır. Yapılan analiz sonucunda öğrencilerin gittikleri web siteleri ayıklanıp belli sonuçlara ulaşılmıştır.Ağ üzerinden geçen data trafiği izlenmiş ve öğrenci bazlı gidilen websitelerinin hangi oranda gittiklerini birliktelik kurallarını kullanarak tespit edilmiştir. Kullanılan birliktelik kurallarına en uygun veri olması sebebiyle Apriori algoritması ile incelenmiştir. Eclat algoritmasıyla karşılaştırılmış ve Anaconda derleyicisiyle analizi yapılmıştır. R studio ile görselleştirilmiştir. Öğrencilerin yaş, not, cinsiyet gibi değişkenlerinin de analize dahil edilerek sonuçlara etkisi gözlenmiştir. Bu veri kümesiyle gidilen websitelerin birbiriyle ilişkileri ele alınmış ve izlenen ağın analizi yapılarak, kullanılan yöntemin sonuçları belirtilmiştir.

Large companies explain their development with technology. The use of the technology of the previous period in each period and the new breakthroughs for the next period pave the way for companies to grow. The biggest companies / structures of the world are explaining the reason of their growth by learning the information that people use. The best example of this is the search engines in browsers on each individual's computer. In these scanners, it is determined that people's interests, wishes, attitudes and thoughts are determined and these data are kept constantly. The importance of the information obtained with these data and the fact that it is known in advance that this information will be transformed into the structures, is one of the top where the companies / structures using technology are important. Here, it will become even more important to determine what the information will turn into in the future, how the network is between people and the relationship between the data to determine the needs over time. With the data identified, people will be able to estimate technology and take measures where necessary, and they will have the opportunity to update themselves according to future changes.In the thesis, the flow of data used in the course content was checked in the laboratory used by the student between the dates of 01.03.2018 and 10.05.2018 (9 weeks). The computers used by the students were analyzed during the same day of the week and at the same time. As a result of the analysis, the websites that students went to were detected and certain results were reached.The data traffic over the network was monitored and the frequency at which web sites were visited was determined by using the association rules. Because it is the most suitable data for the association rules, it has been examined with Apriori algorithm, compared with Eclat algorithm and analyzed with Anaconda compiler and visualized with R studio. The effect of variables such as age, grade and gender on the results were also included in the analysis. The relationships of the websites visited with this data set were discussed and the monitored network was analyzed and the results of the method used were specified.