• Anomaly Detection
• Neural Network

L’obiettivo di questo lavoro di tesi è stato quello di costruire un modulo di predizione (forecasting) basato sulle reti neurali artificiali di tipo feed-forward con algoritmi di apprendimento supervisionato di tipo backpropagation che, sfruttando la compattezza della struttura di traffico basata sugli sketch, permettesse di determinare lo sketch predetto in un istante temporale sulla base degli sketch osservati negli istanti temporali precedenti e che consentisse di individuare dove e quando si sta verificando un’anomalia nel traffico di rete semplicemente determinando l’errore tra lo sketch predetto in quell’istante e lo sketch realmente osservato in quell’istante.