In unserem neuesten Forschungsartikel in ACM TOMM geht es darum, wie Videostreaming-Systeme die verfügbare Bandbreite besser ausnutzen k?nnen und so eine bessere subjektiv empfundene Dienstgüte (Quality of Experience, QoE) für die Nutzer liefern k?nnen.

Unser Paper ?(Not) The Sum of Its Parts: Relating Individual Video and Browsing Stimuli to Web Session QoE“ wurde auf der 16th International Conference on Quality of Multimedia Experience (QoMEX) vorgestellt. Dieses Paper untersucht die Quality of Experience (QoE) in Web-Sessions, in denen sowohl Web-Browsing- als auch Video-Streaming-Stimuli kombiniert werden. Es adressiert die Lücke im Verst?ndnis der QoE auf Session-Ebene und beschreibt Modelle zur Sch?tzung der QoE basierend auf individuellen Stimuli.

Our Paper ?QoEXplainer: Mediating Explainable Quality of Experience Models with Large Language Models“ was presented at the 16th International Conference on Quality of Multimedia Experience (QoMEX). The paper introduces QoEXplainer, a dashboard that uses large language models and mediator usage to illustrate explainable, data-driven Quality of Experience (QoE) models to help users understand the model relationships through an interactive chatbot interface.

Unser Paper ?Sitting, Chatting, Waiting: Influence of Loading Times on Mobile Instant Messaging QoE“ wurde auf der 16th International Conference on Quality of Multimedia Experience (QoMEX) vorgestellt. Das Paper untersucht den Zusammenhang zwischen Ladezeiten und der Nutzererfahrung (QoE) in mobilen Instant-Messaging-Anwendungen und zeigt, dass l?ngere Ladezeiten die Akzeptanz und Zufriedenheit der Nutzer verringern, obwohl sie die QoE-Bewertungen nicht direkt beeinflussen.

Prof. Dr. Michael Seufert, Inhaber des Lehrstuhls für Vernetzte Eingebettete Systeme und Kommunikationssysteme, hat den diesj?hrigen CNOM Young Professional Award des Institute of Electrical and Electronics Engineers Communications Society Technical Committee on Network Operation and Management gewonnen.

?

Unser Paper ?HALIDS: a Hardware-Assisted Machine Learning IDS for in-Network Monitoring“ wurde auf der 8th Network Traffic Measurement and Analysis (TMA) Conference ver?ffentlicht. In dem Paper wird HALIDS vorgestellt, ein Prototyp eines auf maschinellem Lernen basierenden Intrusion Detection Systems, das Netzwerkger?te in die Lage versetzt, anhand von In-Band- und Off-Band-Verkehrsanalysen eigenst?ndig Sicherheitsentscheidungen zu treffen, mit dem Ziel, die Netzwerksicherheit durch schnellere Verarbeitung und intelligente Entscheidungen zu verbessern.

Unser Paper ?The Missing Link in Network Intrusion Detection: Taking AI/ML Research Efforts to Users“ wurde in IEEE Access ver?ffentlicht. Das Paper befasst sich mit den Herausforderungen, die sich bei der Einführung von Künstlicher Intelligenz (KI) und Maschinellem Lernen (ML) in Intrusion Detection Systems (IDS) stellen. Es werden Hindernisse für die Implementierung identifiziert, wie z. B. mangelnde Erkl?rbarkeit, Benutzerfreundlichkeit und ?berlegungen zum Datenschutz, die das Vertrauen von nicht fachkundigen Benutzern beeintr?chtigen. Die Autoren verwenden einen nutzerzentrierten Ansatz, indem sie die IDS-Forschung durch die Brille verschiedener Interessengruppen betrachten, realistische Personas ableiten und Gestaltungsrichtlinien und Hypothesen vorschlagen, um die praktische Einführung von KI/ML-basierten IDS-L?sungen zu verbessern.

Prof. Dr. Michael Seufert wurde vom Deutschlandfunk eingeladen, um über unser neues System zur Echtzeitbewertung der Qualit?t von Internet-Datenstr?men zu sprechen. Das Interview erschien in der Sendung "Forschung aktuell - Computer und Kommunikation" und wurde am 11. Mai 2024 ausgestrahlt.

Unser neuestes Paper ist ein guter Startpunkt für Einsteiger in den Bereichen Künstliche Intelligenz und Kommunikationsnetze. Es bietet einen umfassenden ?berblick für Forschende, die die Anwendung von maschinellem Lernen zur Optimierung von Kommunikationsnetzen und den Einsatz dieser Netze zur Verbesserung von Trainingsprozessen beim maschinellen Lernen untersuchen.

Katharina Dietz, Doktorandin am Lehrstuhl für Kommunikationsnetze der Universit?t Würzburg, hat unseren Lehrstuhl besucht und einen Vortrag zum Thema ?User-based active learning for network monitoring tasks“ gehalten. Der Vortrag basiert auf einer gemeinsamen Publikation und aktuellen gemeinsamen Forschungsaktivit?ten und wurde im Anschluss mit den Mitarbeitenden und interessierten Studierenden diskutiert.

Moderne KI-Verfahren sollen künftig den Verkehr im Internet so verteilen, dass sich m?glichst niemand ausgebremst fühlt. An der Universit?t Augsburg wurde jetzt ein System vorgestellt, das die Qualit?t sehr vieler Datenstr?me in Echtzeit bewerten kann. Das gilt als eine Grundvoraussetzung, um durch ein besseres Daten-Management die Zufriedenheit im Netz zu verbessern.

Unser Paper "Marina: Realizing ML-Driven Real-Time Network Traffic Monitoring at Terabit Scale" wurde im IEEE Transactions on Network and Service Management (TNSM) Journal ver?ffentlicht.??Das Paper beschreibt "Marina", ein System, das zur Verbesserung der Echtzeitüberwachung von Netzwerkverkehr entwickelt wurde, um sowohl die Leistung als auch die Sicherheit für Kunden in gro?en Netzwerken zu gew?hrleisten. Es nutzt eine effiziente Datenebene zur Erfassung von Verkehrsstatistiken in Echtzeit und einen leistungsstarken ML-Server für die Durchführung komplexer ML-Modelle, wodurch es mehr als 520,000 gleichzeitige Verbindungen bei einer Gesamtkapazit?t von 6.4 Tbps überwachen kann und vergleichbare oder bessere Ergebnisse als bestehende L?sungen erzielt.