|
|
Návrh virtuálního síťového kolaborativního zvukového nástroje
Liudkevich, Denis ; Kiska, Tomáš (oponent) ; Kavan, Jan (vedoucí práce)
Cílem této práce bylo vytvořit online platformu pro zvukovou tvorbu, určenou pro více uživatelů, s originálními nástroji syntézy zvuku. Byl zohledněn i edukativní kontext aplikace uschováním ovladačů parametrů zvuku za podvědomě známé fyzikální jevy a herní podobu aplikace. Podstatná část logiky a veškerá grafika nástrojů je napsána v programovém jazyce JavaScript a jeho knihovně p5.js. Nachází se na straně klienta a komunikuje se serverem na bázi Node.js pomocí websocketu. Zvuková část je na zvláštním serveru v prostředí SuperCollider, vysílá se pomocí IceCastu a komunikuje s hlavním serverem OSC zprávy. Aplikace obsahuje 3 nástroje ke generování zvuků a jeden efektový modul. Každý z nástrojů je určen pro více uživatelů a vyžaduje jejich spolupráci. Optimizací interních algoritmů nástrojů, volbou způsobu zobrazování grafických obsahů a správným propojením jednotlivých zvukových modulů bylo dosaženo přijatelných přenosových rychlostí a minimálních výpočetních nároků. Zvuk je charakteristický pro každý nástroj, nástroje v aplikaci jsou odladěné a navržené tak, aby uživatel mohl jak dosáhnout zajímavých zvukových výsledků sám, tak i zahrát svoji roli v celku s ostatními. Ke generaci zvuku jsou použity takové metody jako granulární syntéza, chaotické oscillátory, modelování strunných nástrojů, kombinace filtrů a tak dále. Velký důraz při vývoji aplikace byl kladen na rozdělení rolí, společné ovládání jednoho nástroje více hráči a komunikaci uživatelů prostřednictvím hry na nástroje a slovní projev - chat. Nedílnou součástí je taky blok pro zobrazování popisující informace.
|
|
|
Collaborative Machine Learning in the Context of Network Security
Hejcman, Lukáš ; Uhříček, Daniel (oponent) ; Žádník, Martin (vedoucí práce)
Machine learning methods have long been applied to the areas of network monitoring and security due to their ability to analyze and classify data at a rapid rate. However, the advancement in computer network speeds and throughput makes creating and managing datasets in a distributed setting more difficult due to their size. Furthermore, sharing such datasets containing captured network traffic of the network’s users presents a grave privacy concern. Thus, methods of collaborative machine learning are being explored in this domain. However, the existing solutions to implementing collaborative machine learning are either proof-of-concept tools or production frameworks, and very little focus is given to bridging this gap. This thesis presents a new framework for collaborative machine learning called FERDINAND, which bridges this gap by focusing on on-the-fly model updates, extensibility, and easy configuration. This framework was developed in close cooperation with the CESNET research team focusing on network monitoring and security, and is implemented to be a viable production-grade tool that can be deployed on the backend infrastructure of CESNET. This work further explores the viability of using the FERDINAND framework within the context of network monitoring by applying it to state-of-the-art methods for the detection of malicious devices or the classification of DNS over HTTPS traffic. Lastly, future development directions for the framework are explored.
|
|
|
Návrh virtuálního síťového kolaborativního zvukového nástroje
Liudkevich, Denis ; Kiska, Tomáš (oponent) ; Kavan, Jan (vedoucí práce)
Cílem této práce bylo vytvořit online platformu pro zvukovou tvorbu, určenou pro více uživatelů, s originálními nástroji syntézy zvuku. Byl zohledněn i edukativní kontext aplikace uschováním ovladačů parametrů zvuku za podvědomě známé fyzikální jevy a herní podobu aplikace. Podstatná část logiky a veškerá grafika nástrojů je napsána v programovém jazyce JavaScript a jeho knihovně p5.js. Nachází se na straně klienta a komunikuje se serverem na bázi Node.js pomocí websocketu. Zvuková část je na zvláštním serveru v prostředí SuperCollider, vysílá se pomocí IceCastu a komunikuje s hlavním serverem OSC zprávy. Aplikace obsahuje 3 nástroje ke generování zvuků a jeden efektový modul. Každý z nástrojů je určen pro více uživatelů a vyžaduje jejich spolupráci. Optimizací interních algoritmů nástrojů, volbou způsobu zobrazování grafických obsahů a správným propojením jednotlivých zvukových modulů bylo dosaženo přijatelných přenosových rychlostí a minimálních výpočetních nároků. Zvuk je charakteristický pro každý nástroj, nástroje v aplikaci jsou odladěné a navržené tak, aby uživatel mohl jak dosáhnout zajímavých zvukových výsledků sám, tak i zahrát svoji roli v celku s ostatními. Ke generaci zvuku jsou použity takové metody jako granulární syntéza, chaotické oscillátory, modelování strunných nástrojů, kombinace filtrů a tak dále. Velký důraz při vývoji aplikace byl kladen na rozdělení rolí, společné ovládání jednoho nástroje více hráči a komunikaci uživatelů prostřednictvím hry na nástroje a slovní projev - chat. Nedílnou součástí je taky blok pro zobrazování popisující informace.
|
host ::
RSS.