Εμφάνιση απλής εγγραφής

Study of systems coding and information compression networks in network environments.

Στοιχεία Dublin Core

dc.creatorΟικονομάκης, Μιχαήλel
dc.creatorOikonomakis, Michailen
dc.date.accessioned2021-05-21T09:52:34Z
dc.date.available2021-05-21T09:52:34Z
dc.date.issued2021-05-21
dc.identifier.urihttp://hdl.handle.net/20.500.12688/9897
dc.description.abstractΟ βασικός στόχος αυτής της διπλωματικής είναι η μελέτη της κωδικοποιημένης υπολογιστικής (coded computing) και δύο τεχνικών κωδικοποίησης δικτύου (network coding) μία με γραμμική κωδικοποίηση και μία στην οποία εφαρμόζουμε στα δεδομένα προς μετάδοση ομομορφική κωδικοποίηση δικτύου. Τα συστήματα που έχουν κατασκευαστεί για τα δίκτυα (ασύρματα, κινητά και διαδικτυακά) επικοινωνίας ψηφιακών συσκευών, με το πέρασμα του χρόνου φάνηκε ότι δεν είναι αρκετά ισχυρά για αξιόπιστη και αποτελεσματική μεταφορά και επεξεργασία του τύπου των δεδομένων με τα οποία εργαζόμαστε. Επίσης η προσπάθεια επεξεργασίας δεδομένων για μηχανική μάθηση οδηγεί σε προβλήματα συμφόρησης. Το Coded Computing φαίνεται να δίνει λύση σε αυτά τα προβλήματα εφαρμόζοντας τη θεωρία κωδικοποίησης, στα πληροφοριακά συστήματα. Αυτή η προσέγγιση χρησιμοποιεί θεμελιώδη μαθηματικά που μπορούν να εφαρμοστούν σε ένα ευρύ φάσμα υπολογισμών όπως για παράδειγμα στην εκπαίδευση deep neural networks που είναι το βασικό εργαλείο της μηχανικής μάθησης. Σε αυτήν την εργασία αρχικά θα αναλύσουμε και στη συνέχεια θα εξετάσουμε τις πιθανές ομοιότητες και διαφορές ανάμεσα στην υπολογιστική κωδικοποίηση και την κωδικοποίηση δικτύου. Από τα αποτελέσματα παρατηρούμε για τη μεν υπολογιστική κωδικοποίηση, την βελτιστοποίηση της ταχύτητας μετάδοσης δεδομένων ενώ για τις τεχνικές κωδικοποίησης δικτύου, βλέπουμε αύξηση της παρεχόμενης αξιοπιστίας της μετάδοσης χωρίς να παρατηρούνται μεταβολές στον χρόνο που απαιτείται αυξάνοντας τον αριθμό των κόμβων. Ειδικότερα για την περίπτωση της ομομορφικής κωδικοποίησης έχουμε και αύξηση της παρεχόμενης ασφάλειας, στην περίπτωση προσπάθειας υποκλοπής των δεδομένων. Πρέπει να σημειώσουμε ότι στη μελέτη που επιχειρούμε δεν μας ενδιαφέρουν τόσο οι απόλυτοι χρόνοι επεξεργασίας και μετάδοσης όσο η μεταβολή που παρατηρείται σε αυτούς με την αύξηση των κόμβων, καθώς και η παράλληλη μεταβολή της χρήσης των δικτυακών πόρων των γραμμών μεταφοράς. Μία μελλοντική εργασία θα μπορούσε να παρουσιάσει τα πιθανά επόμενα βήματα στο συνδυασμό των τεχνικών κωδικοποίησης που εξετάζονται, προκειμένου να υπάρξει μία νέα τεχνική η οποία να συνδυάζει τα παρεχόμενα οφέλη.el
dc.description.abstractThe main goal of this dissertation is the study of coded computing and two network coding techniques, one with linear coding and one in which we apply homomorphic network coding to the data to be transmitted. The systems that have been built for the networks (wireless, mobile and internet) for the communication of digital devices, over time, seemed that they were not “strong” enough for reliable and efficient transfer and process of the type of data with which we work. Attempting to process data for machine learning also leads to congestion problems. Coded Computing seems to solve these problems by applying coding theory, the backbone of the design of original communication networks, to information systems. This approach uses fundamental mathematics that can be applied to a wide range of calculations such as deep neural networks training, which is the basic tool of machine learning. In this work we will first analyze and then examine the possible similarities and differences between computer coding and network coding. The results concerning computer coding yielded an optimization of the data transmission speed, while the network coding techniques had an increase of the provided transmission reliability without any changes in the time required, by increasing the number of nodes. Especially in the case of homomorphic coding we have an increase in the security provided in the event of an attempt to intercept data. It should be noted that in our trialing examination study we are attempting, we are not so much interested in the absolute processing and transmission times as the change observed in them with the increase of nodes, as well as the parallel change in the use of the network resources of the transmission lines. A future paper could present the possible next steps in combining the coding techniques under consideration, in order to propose a new technique that unites all of the provided benefits.en
dc.languageΕλληνικάel
dc.languageGreeken
dc.publisherΕΛ.ΜΕ.ΠΑ., Σχολή Μηχανικών (ΣΜΗΧ), ΠΜΣ Πληροφορική και Πολυμέσαel
dc.publisherH.M.U., School of Engineering (ScENG) MSc in Informatics & Multimediaen
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United States*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.titleΜελέτη κωδικοποιήσεων συστημάτων και δικτύων συμπίεσης πληροφορίας σε δικτυακά περιβάλλοντα.el
dc.titleStudy of systems coding and information compression networks in network environments.en

Στοιχεία healMeta

heal.creatorNameΟικονομάκης, Μιχαήλel
heal.creatorNameOikonomakis, Michailen
heal.publicationDate2021-05-21
heal.identifier.primaryhttp://hdl.handle.net/20.500.12688/9897
heal.abstractΟ βασικός στόχος αυτής της διπλωματικής είναι η μελέτη της κωδικοποιημένης υπολογιστικής (coded computing) και δύο τεχνικών κωδικοποίησης δικτύου (network coding) μία με γραμμική κωδικοποίηση και μία στην οποία εφαρμόζουμε στα δεδομένα προς μετάδοση ομομορφική κωδικοποίηση δικτύου. Τα συστήματα που έχουν κατασκευαστεί για τα δίκτυα (ασύρματα, κινητά και διαδικτυακά) επικοινωνίας ψηφιακών συσκευών, με το πέρασμα του χρόνου φάνηκε ότι δεν είναι αρκετά ισχυρά για αξιόπιστη και αποτελεσματική μεταφορά και επεξεργασία του τύπου των δεδομένων με τα οποία εργαζόμαστε. Επίσης η προσπάθεια επεξεργασίας δεδομένων για μηχανική μάθηση οδηγεί σε προβλήματα συμφόρησης. Το Coded Computing φαίνεται να δίνει λύση σε αυτά τα προβλήματα εφαρμόζοντας τη θεωρία κωδικοποίησης, στα πληροφοριακά συστήματα. Αυτή η προσέγγιση χρησιμοποιεί θεμελιώδη μαθηματικά που μπορούν να εφαρμοστούν σε ένα ευρύ φάσμα υπολογισμών όπως για παράδειγμα στην εκπαίδευση deep neural networks που είναι το βασικό εργαλείο της μηχανικής μάθησης. Σε αυτήν την εργασία αρχικά θα αναλύσουμε και στη συνέχεια θα εξετάσουμε τις πιθανές ομοιότητες και διαφορές ανάμεσα στην υπολογιστική κωδικοποίηση και την κωδικοποίηση δικτύου. Από τα αποτελέσματα παρατηρούμε για τη μεν υπολογιστική κωδικοποίηση, την βελτιστοποίηση της ταχύτητας μετάδοσης δεδομένων ενώ για τις τεχνικές κωδικοποίησης δικτύου, βλέπουμε αύξηση της παρεχόμενης αξιοπιστίας της μετάδοσης χωρίς να παρατηρούνται μεταβολές στον χρόνο που απαιτείται αυξάνοντας τον αριθμό των κόμβων. Ειδικότερα για την περίπτωση της ομομορφικής κωδικοποίησης έχουμε και αύξηση της παρεχόμενης ασφάλειας, στην περίπτωση προσπάθειας υποκλοπής των δεδομένων. Πρέπει να σημειώσουμε ότι στη μελέτη που επιχειρούμε δεν μας ενδιαφέρουν τόσο οι απόλυτοι χρόνοι επεξεργασίας και μετάδοσης όσο η μεταβολή που παρατηρείται σε αυτούς με την αύξηση των κόμβων, καθώς και η παράλληλη μεταβολή της χρήσης των δικτυακών πόρων των γραμμών μεταφοράς. Μία μελλοντική εργασία θα μπορούσε να παρουσιάσει τα πιθανά επόμενα βήματα στο συνδυασμό των τεχνικών κωδικοποίησης που εξετάζονται, προκειμένου να υπάρξει μία νέα τεχνική η οποία να συνδυάζει τα παρεχόμενα οφέλη.el
heal.abstractThe main goal of this dissertation is the study of coded computing and two network coding techniques, one with linear coding and one in which we apply homomorphic network coding to the data to be transmitted. The systems that have been built for the networks (wireless, mobile and internet) for the communication of digital devices, over time, seemed that they were not “strong” enough for reliable and efficient transfer and process of the type of data with which we work. Attempting to process data for machine learning also leads to congestion problems. Coded Computing seems to solve these problems by applying coding theory, the backbone of the design of original communication networks, to information systems. This approach uses fundamental mathematics that can be applied to a wide range of calculations such as deep neural networks training, which is the basic tool of machine learning. In this work we will first analyze and then examine the possible similarities and differences between computer coding and network coding. The results concerning computer coding yielded an optimization of the data transmission speed, while the network coding techniques had an increase of the provided transmission reliability without any changes in the time required, by increasing the number of nodes. Especially in the case of homomorphic coding we have an increase in the security provided in the event of an attempt to intercept data. It should be noted that in our trialing examination study we are attempting, we are not so much interested in the absolute processing and transmission times as the change observed in them with the increase of nodes, as well as the parallel change in the use of the network resources of the transmission lines. A future paper could present the possible next steps in combining the coding techniques under consideration, in order to propose a new technique that unites all of the provided benefits.en
heal.languageΕλληνικάel
heal.languageGreeken
heal.academicPublisherΕΛ.ΜΕ.ΠΑ., Σχολή Μηχανικών (ΣΜΗΧ), ΠΜΣ Πληροφορική και Πολυμέσαel
heal.academicPublisherH.M.U., School of Engineering (ScENG) MSc in Informatics & Multimediaen
heal.titleΜελέτη κωδικοποιήσεων συστημάτων και δικτύων συμπίεσης πληροφορίας σε δικτυακά περιβάλλοντα.el
heal.titleStudy of systems coding and information compression networks in network environments.en
heal.typeΜεταπτυχιακή Διατριβήel
heal.typeMaster thesisen
heal.keywordκωδικοποίηση δικτύου, οµοµορφική κρυπτογράφησηel
heal.keywordnetwork coding, homomorphic encryptionen
heal.accessfreeel
heal.advisorNameΜαρκάκης, Ευάγγελοςel
heal.advisorNameMarkakis, Evangelosen
heal.academicPublisherIDΕΛ.ΜΕ.ΠΑ. Ελληνικό Μεσογειακό Πανεπιστήμιοel
heal.academicPublisherIDΗ.Μ.U Hellenic Mediterranean University‎en
heal.fullTextAvailabilitytrueel
tcd.distinguishedfalseel
tcd.surveyfalseel


Αρχεία σε αυτό το τεκμήριο

Thumbnail
Thumbnail

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Εμφάνιση απλής εγγραφής

Attribution-NonCommercial-NoDerivs 3.0 United States
Except where otherwise noted, this item's license is described as Attribution-NonCommercial-NoDerivs 3.0 United States