Laboratoire de mesure de réseau et analyse de données

Laboratoire de mesure de réseau et analyse de données GT5120

Enseignant:

Email:

Durée totale du cours: 22.5 H

Semestre : 5

Nombre de crédits : 2

Modules spécialisés	Modules de base	Sciences et techniques de l’ingénierie	Préparation à la carrière professionnelle
		X

 

Nombre d’heures		Activités hors classe
27		18
cours	TD		TP
12			10.5

 

Code

GT5120

Laboratoire de mesure de réseau et analyse de données

Objectifs :

Le cours de laboratoire vise à exposer les étudiants aux techniques et applications de pointe dans les domaines des mesures de réseau et de l’analyse de données de réseau. Le cours est composé de deux modules : le premier présente les outils et méthodologies de mesure des réseaux filaires et sans fil, y compris les approches passives et les sondes actives ; les étudiants sont ensuite guidés à travers des sessions pratiques et des activités pratiques tirant parti des outils susmentionnés couvrant des cas d’utilisation qui incluent la classification du trafic crypté et le profilage des utilisateurs en tirant parti de l’utilisation du WiFi. Dans le deuxième module, l’étudiant apprendra à appliquer des outils d’analyse de données et d’apprentissage automatique à des données provenant de réseaux de communication. Toujours avec une approche « pratique »,

Sujets couverts :

1. Introduction. Pourquoi mesurer un réseau. Vue d’ensemble des mesures du réseau.

Instruments de collecte de données. Techniques de visualisation pour les mesures de réseau. 2 – Classification du trafic et détection d’intrusion Historique de la classification du trafic. Approches (basées sur les ports, DPI, basées sur les fonctionnalités), outils DPI populaires (nDPI, libprotoident). Classification chiffrée du trafic. Systèmes d’intrusion et de détection de réseau. 3 – Sniffing Wi-Fi : sniffing point unique (détection d’occupation, classification des appareils), sniffing multipoint (localisation, profilage utilisateur, estimation de flux)

Méthodes d’enseignement et d’apprentissage

¨Enseignement frontal (magistral) avec des exemples à résoudre en commun. ¨Exercices théoriques et études de cas (présentation et discussion). Apprentissage mixte et classe inversée MOOC & Classroom

Connaissances et compétences pré-requises

Connaissances de base sur les réseaux et protocoles de communication. Les fondamentaux du machine learning (connaissances acquises en « Data mining » ou cours similaires) sont fortement recommandés. Connaissance de base du langage de programmation Python. 

Références bibliographiques

Un support de cours de l’enseignant sera disponible.

1. « Computer Networking: Principles, Protocols and Practice » par Olivier Bonaventure
   • Un livre en ligne gratuit qui couvre les principes de base des réseaux informatiques, y compris la mesure de réseau.
2. « Network Performance Analysis: Using the J Programming Language » par Alan Holt et Chihiro Saito
   • Un livre qui explique comment utiliser le langage de programmation J pour analyser les performances des réseaux.
3. « Wireshark Network Analysis: The Official Wireshark Certified Network Analyst Study Guide » par Laura Chappell et Gerald Combs
   • Un guide pour l’utilisation de Wireshark, un outil d’analyse de réseau populaire.
4. « Network Analysis, Architecture, and Design » par James D. McCabe
   • Un livre qui couvre l’analyse de réseau, l’architecture et la conception.
5. « Network Analysis, Architecture, and Design, Third Edition » par James D. McCabe
   • Une version mise à jour du livre précédent, couvrant les concepts de base et les meilleures pratiques.
6. « Network Analysis and Synthesis: A Modern Systems Theory Approach » par A. Sudhakar et Shyam Mohan S.
   • Un ouvrage qui aborde l’analyse et la synthèse des réseaux dans un contexte systémique.
7. « Data Science for Business » par Foster Provost et Tom Fawcett
   • Un livre qui introduit les concepts de base de l’analyse de données et de la science des données.
8. « Python for Data Analysis » par Wes McKinney
   • Un guide pratique pour l’analyse de données en utilisant le langage de programmation Python.

Modalité d’évaluation

40% Contrôle continu (TP noté, Test, Assiduité, Devoir surveillé, travaux non présentiel, …) 60% Examen semestriel La vérification des connaissances pour le cours consiste en un ensemble de devoirs individuels (généralement 3) couvrant les différents aspects vus dans le cours. Chaque devoir nécessitera de mettre en place de petits scripts (en Python) pour effectuer des mesures (ou travailler sur un ensemble de mesures donné) à partir d’un réseau de communication et leur appliquer des tâches de visualisation/traitement.

Résultats d’apprentissage :

1. Connaissance et compréhension

Les étudiants pourront : – comprendre et exploiter les principaux outils et méthodologies utilisés pour effectuer des mesures de réseau – identifier l’impact de l’opération de mesure elle-même sur les performances du réseau – identifier les mesures appropriées et les outils de mesure à utiliser selon le scénario d’application spécifique

2. Appliquer les connaissances et la compréhension

– recueillir des mesures de différents types à partir de réseaux câblés et sans fil – mesures de pré-traitement pour une analyse plus approfondie – faire face à des problèmes pratiques pouvant survenir lors de l’acquisition de mesures de réseau, tels que, entre autres : traiter la quantité massive de données générées par des réseaux communs, placer des appareils de mesure dans des points d’observation appropriés du réseau, sélectionner des mesures importantes et éliminer celles qui n’ont pas de sens – développer l’infrastructure de mesures de travail – appliquer des techniques de traitement sur les mesures collectées pour créer des services avancés

3. Porter un jugement

Les étudiants pourront : – comparer et sélectionner la technique de mesure la plus appropriée à adopter – évaluer quelle source/type d’information est pertinente et décider laquelle peut être ignorée – identifier et évaluer les compromis de performance associés à l’infrastructure de mesure

4. Communications

Les étudiants sont censés : – rapporter et discuter de manière critique sous forme orale (et, si nécessaire, écrite) les solutions de mesures adoptées pour résoudre un problème assigné dans le domaine des réseaux de communication – travailler en équipe et présenter le travail effectué à un public comprenant d’autres étudiants – proposer des idées innovantes et des cas d’utilisation où la mesure du réseau convient pour résoudre les problèmes dans le domaine des réseaux de communication