H ADAPTIT S.A. ολοκλήρωσε την συμμετοχή της στο συγχρηματοδοτούμενο από την ΕΕ ερευνητικό έργο ONTIC , “Online Network Traffic Characterisation”, http://ict-ontic.eu τον Φεβρουάριο 2017.

Το έργο ανέπτυξε καινοτόμους αλγόριθμους μηχανικής μάθησης (machine-learning) για την ανάδειξη των δομικών χαρακτηριστικών της κίνησης σε δίκτυα ΙΡ ενώ επέδειξε τα οφέλη της εφαρμογής των αλγορίθμων αυτών στη βελτιστοποίηση της απόδοσης των δικτύων μέσω τεχνικών δυναμικής διαχείρισης. Επίσης το έργο προσέφερε στην διεθνή ερευνητική κοινότητα ένα σύνολο δεδομένων, μεγέθους 0.5ΡΒ, με πρωτογενή στοιχεία δικτυακής κίνησης (ανώνυμη πληροφορία κεφαλίδων σε IΡ πακέτα) τα οποία συνέλλεξε σε πραγματικό χρόνο λειτουργίας από το δίκτυο ενός παρόχου πολλαπλών υπηρεσιών.
Το έργο συνδύασε θεωρητική και επιχειρησιακή επάρκεια μέσω της συμμετοχής μεγάλων Ευρωπαϊκών ερευνητικών ιδρυμάτων και εταιρειών στην κοινοπραξία: Universidad Politecnica de Madrid, Ισπανία; Politecnico di Torino, Ιταλία; Centre Nationale de la Recherche scientifique, Toulouse, Γαλλία; SATEC, Ισπανία; Ericsson Ισπανίας; DELL-EMC Ισπανίας; and, ADAPTIT, Ελλάς.
Τρεις χαρακτηριστικές εφαρμογές αναπτύχθηκαν για να επιδειχθεί η χρησιμότητα των αλγορίθμων μηχανικής μάθησης στην διύλιση στοιχειωδών δεδομένων δικτυακής κίνησης για την εξαγωγή αξιόχρηστων πληροφοριών και δεικτών απόδοσης της λειτουργίας δικτύων: α) ανίχνευση επικίνδυνων ροών κίνησης σε πραγματικό χρόνο χρησιμοποιώντας τεχνικές μη-επιβλεπόμενης μάθησης, β) δυναμική προσαρμογή της εμπειρίας χρηστών στα καλύτερα δυνατά επίπεδα χρησιμοποιώντας τεχνικές αυτο-ρυθμιζόμενων συσταδοποιήσεων (clustering) και ελέγχου της ποιότητάς τους, και γ) αποφυγή συμφόρησης δικτυακών πόρων μέσω βραχυπρόθεσμων προβλέψεων της αναμενόμενης κίνησης βασισμένες σε τεχνικές νευρωνικών δικτύων.
Η ADAPTIT ήταν υπεύθυνη για τις αρχιτεκτονικές εργασίες του έργου που βασίζονταν σε τεχνολογίες εισόδου, αποθήκευσης και επεξεργασίας Μαζικών Δεδομένων (Big Data) συνεισφέροντας στην ανάπτυξη σχετικών εφαρμογών ενώ παρακολουθούσε ενεργά τους αλγόριθμους μηχανικής μάθησης που αναπτύχθηκαν στο έργο ούτως ώστε να αξιολογήσει την εφαρμοστικότητά τους από την προοπτική μιας μικρομεσαίας (SME) επιχείρησης που προσφέρει λύσεις στους τομείς τηλεπικοινωνιών και πληροφορικής. Συγκεκριμένα, η ADAPTIT συνεισέφερε ενεργά στους εξής τομείς εργασίας:a) βελτιστοποίηση της απόδοσης εφαρμογών στην κατανεμημένη πλατφόρμα επεξεργασίας Μαζικών Δεδομένων Spark μέσω κατάλληλων ρυθμίσεων, β) διάθεση και υποστήριξη υποδομών Spark, διαφόρων μεγεθών και τεχνικών χαρακτηριστικών, με βάση τις υπηρεσίες που προσφέρει το υπολογιστικό νέφος της Google, γ) σενάρια και λύσεις για την εγκατάσταση και λειτουργία ενός αυτοματοποιημένου συστήματος ανάλυσης στοιχείων κίνησης με αλγορίθμους τεχνικής μάθησης σε περιβάλλοντα παρόχων υπηρεσιών, δ) μεθόδους και εφαρμογές σε Spark για την ανάδειξη των κύριων στοχαστικών χαρακτηριστικών της δικτυακής κίνησης αλλά και για την δημιουργία τεχνητών χρονοσειρών κίνησης που να φέρουν τα στοιχεία τυχαιότητας που διέπουν την πραγματική δικτυακή κίνηση.
Συνολικά, με την συμμετοχή της στο ερευνητικό έργο ONTIC, η ADAPTIT ενίσχυσε την τεχνογνωσία της σε τεχνολογίες επεξεργασίας Μαζικών Δεδομένων αλλά και στην ανάπτυξη εφαρμογών για την άντληση και γραφική απεικόνιση χρήσιμων πληροφοριών επιχειρησιακής και επιχειρηματικής αξίας από πρωτογενή δεδομένα.