Design, Implementation and Evaluation of P2P Solution for Distribution of large Files in LANs

Status: completed
Supervisor: Horst Hellbrück
Student: Arnaud Möschwitzer

Topic

In large networks and even in LANs the efficient distribution of large files from a server to many clients is a challenge. There are several options for a reliable file distribution: (a) unicast TCP (b) reliable Multicast (c) P2P solutions. Unicast TCP connections (a) between server and clients result in a heavy load for the server and the complete network infrastructure and are not efficient for a large number of clients. Reliable Multicast (b) needs multicast support for clients and network infrastructure and can result in errors or performance degredation when branches of the network rea unreliable or do not support multicast. Therefore, P2P solutions (c) might be a good alternative for this problem.

Details

The work of this diploma thesis project comprises:

  • a survey of existing P2P solutions and the evaluation of these solutions in LAN environment.
  • comprehensive study of existing P2P software and solutions including test installation in the FHL Testlab.
  • specification of one or several scenarios for comparison of the solutions.
  • Set up the scenarios in the Testlab, select criterias and perform evaluation of the solutions.
  • Summarize findings including illustration (graphs, tables, etc.).
  • Adjust the best suited solution to the requirements of the LAN environment and integrate it into the existing solutions (unicast/multicast).
  • Deploy the unicast and multicast solution into the testlab.
  • Evaluate the P2P solution to the existing file transfer implementations (unicast, multicast).
  • Discuss advantages and disadvantages for P2P including evaluation of a hybrid solution.

Tasks

  • Functional P2P based Distribution System
  • Documented Source Code
  • Documentation of the System and the Evaluation
  • Thesis Report including
    • Description of the Implementation
    • Description of the P2P-Application
    • Evaluation Results

Requirements

  • Basic Knowledge of Multicast and P2P Algorithms
  • Programming Skills in Java

Abschlussarbeiten aus dem Bereich Privacy und Security

Die genaue Aufgabenstellung bzw. der Schwerpunkt kann individuell abgestimmt werden. Bei Interesse wenden Sie sich bitte an Dorina Gumm (dorina.gumm@th-luebeck.de).

Gamedesign for Security and Privacy (GSP)

Spielerisch lernen: Wie funktioniert Cross-Site-Scripting? Wie kann ein Identitätsdiebstahl erfolgen? Wie können Plattformzugänge gesichert werden? Warum sollte man Kommunikation verschlüsseln? Entwickeln Sie Spiele, mit denen Sie die Spieler an Themen aus dem Bereich Sicherheit, Selbstschutz und Privacy heranführen.

In dem GSP-Projekt geht es um die Frage, wie o.g. Themen mittels Gamification erlebbar und damit einem breiteren Adressatenkreis zugänglich gemacht werden können. Ziel ist es, die Awareness für diese Themen in der Gesellschaft als auch in Unternehmen zu fördern (Digitale Mündigkeit). Wenn Sie daran Interesse haben, können Sie sich diesen Themen im Rahmen von Design- und Praxisprojekten sowie Abschlussarbeiten widmen.

Datenschutz, Datenhandel und Datenanalyse (D3)

Datenschutz und Usability: Datenschutz wird öffentlich häufig als Innovationshemmer dargestellt, der Funktionsumfang und Usability von Anwendungen beeinträchtigt. Ist dem wirklich so? Wie können Anwendungen datenschutz- und benutzungsfreundlich entwickelt werden? Welche Mechanismen zur Anonymisierung/Pseudonymisierung gibt es und wie können sie im Design-Prozess berücksichtigt werden?

Mit Daten den Fachbereich gestalten: Mit öffentlichen Daten können hilfreiche Tools für den Alltag, spezielle Aufgaben oder das Gemeinwohl entwickelt werden (z.B. ÖPNV-Fahrpläne, Wetterdaten für Wassersportgebiete, Feinstaubmessungen). Mit welcher Art Daten könnte die Lehre und der Alltag am Fachbereich verbessert werden? Wie könnten diese in Web-Anwendungen genutzt und aufbereitet werden? Welche gesellschaftlichen Fragen sind damit verbunden?

Lernprozesse mit Daten unterstützen: Unter den Schlagworten Learning Analytics und Educational Datamining werden derzeit Ansätze diskutiert, wie Lernende automatisiert beim Lernen unterstützt werden können. Dazu werden viele persönliche Daten erhoben, aus denen der Lernstand und Lernbedarfe analysiert werden sollen. Hieraus ergeben sich Fragen bezüglich des Datenschutzes, der Verlässlichkeit der Ergebnisse als auch bzgl. gesellschaftlicher Fragestellungen (z.B. der Rolle von Lehrenden, Anforderungen an Lernende, Stellenwert von Bildungsmaßnahmen u.ä.).