CLASSIFICAZIONE DEL TRAFFICO DI RETE FINE-GRAINED PER APPLICAZIONI MOBILI:L' ARCHITETTURA MULTIMODALE MIMETIC

In the digital age in which we live, the exponential expansion in the use of mobile applications has generated a significant increase in network traffic. Traffic encryption and the diversity of applications make it more difficult to understand and effectively manage this traffic. This thesis project involves implementing in MATLAB and comparing multimodal deep learning architectures to perform AppxAct type classification, classifying the APPs that generate encrypted network traffic and also the activity associated with them.

Nell'era digitale in cui viviamo, l'aumento esponenziale dell'utilizzo delle applicazioni mobili ha generato un notevole incremento di traffico di rete. La crittografia del traffico e la diversità delle applicazioni rendono sempre più difficile la comprensione e la gestione efficace di tale traffico. Il presente progetto di tesi coinvolge l’implementazione in MATLAB e il confronto di architetture multimodali di deep learning per operare una classificazione di tipo AppxAct, classificando le APP che generano il traffico di rete criptato e anche l'attività associata ad esse.