User traffic characteristics study and network security implications in PWLAN
Notice bibliographique
Résumé
Public Wireless Local Area Network (PWLAN) or public WiFi is increasingly popular in coffee shops, airports, hotels and other public areas where people can access internet services.Currently, PWLAN poses a security threat to sensitive user data such as user IDs, passwords, email IDs, etc.. Hackers who exploit the Open nature of a majority of public WiFi cause such threat to meet their nefarious agenda.Therefore, our research is set to examine this shortfall by studying user traffic characteristics to identify user behavior in PWLAN and carrying out network security experiments in the interest of protecting user information.User traffic characteristics study provides insight into various network operation factors such as Quality of Service(QoS), performance, resource management, and network security anomalies.We find that this study helps our research to identify PWLAN user behavior.We postulate that PWLAN user behavior immensely influences public WiFi popularity.To carry out this study, we collect PWLAN user traffic in different public venues at different times of a day.We analyze the traffic flow, network packets, application, and protocol composition to identify PWLAN user behavior.Network security plays a critical role in protecting user information.Hence we focus our research primarily on PWLAN network security.We initially carry out a security assessment of the network to understand the current security measures in place.We then construct the security trace report to document different security attack traits present in the network.We analyze communicating protocols, encryption standards, clients and web servers accessed through PWLAN to construct the security trace report.Finally, we simulate systematic Phishing attacks to intentionally breach confidentiality and acquire sensitive user data such as user IDs, passwords, email IDs, etc. from the network.Based on the results obtained through our research, we showcase the absolute need for PWLAN users to take appropriate measures to protect user information.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».