A Mobile High Sensitivity On-field Organophosphorous Compounds Detecting System for IoT Based Food Safety Tracking

Food safety has always been a social issue that draws great public attention. With the rapid development of wireless communication technologies and intelligent devices, more and more Internet of Things (IoT) systems are applied in the food safety tracking field. However, connection between things and information system is usually established by pre-storing information of things into RFID Tag, which is inapplicable for on-field food safety detection. Therefore, considering pesticide residue is one of the severe threaten to food safety, a new portable, high-sensitivity, low-power, on-field organophosphorus (OP) compounds detection system is proposed in this thesis to realize the on-field food safety detection. The system is designed based on optical detection method by using a customized photo-detection sensor. A Micro Controller Unit (MCU) and a Bluetooth Low Energy (BLE) module are used to quantize and transmit detection result. An Android Application (APP) is also developed for the system to processing and display detection result as well as control the detection process. Besides, a quartzose sample container and black system box are also designed and made for the system demonstration. Several optimizations are made in wireless communication, circuit layout, Android APP and industrial design to realize the mobility, low power and intelligence.

Web-sovellus Google App Engine alustalle

App Engine on lyhenne englanninkielisistä termeistä application, sovellus ja engine, moottori. Kyseessä on Google, Inc. -konsernin toteuttama kaupallinen palvelu, joka noudattaa pilvimallin tietojenkäsittelyn periaatteita ja mahdollistaa asiakkaan oman sovelluskehityksen. Järjestelmään on mahdollista ohjelmoida itse ideoitu palvelu Internet - verkon välityksellä käytettäväksi, joko yksityisesti tai julkisesti. Kyse on siis hajautetusta palvelinjärjestelmästä, jonka tarjoaa dynaamisesti kuormitukseen sopeutuvan sovellusalustan, jossa asiakas ei vuokraa virtuaalikoneita. Myös järjestelmän tarjoama tallennuskapasiteetti on saatavilla joustavasti. Itse kandidaatintyössä syvennytään yksityiskohtaisemmin sovelluksen toteuttamiseen palvelussa, rajoitteisiin ja soveltuvuuteen. Alussa käydään läpi pilvikäsite, joista monilla tietokoneiden käyttäjillä on epäselvä käsitys. Erilaisia kokonaisuuksia voidaan luoda erittäin monella tavalla, joista rajaamme käsittelyn kohteeksi toteuttamiskelpoiset yleiset ratkaisut.

Pilvisovelluskehitys Google App Engine -pilvisovellusalustalla

Tämä Diplomityö keskittyy tutkimaan pilvisovelluskehitystä Google App Engine – pilvisovellusalustalle perustuen kuusi –vaiheiseen vesiputousmalliin sekä tutkimaan Google App Engine -pilvisovellusalustan tarjoamia mahdollisuuksia ja rajoituksia sovelluskehityksen muodossa. Tutkimuksen perusteella kuusi –vaiheinen vesiputousmalli soveltuu pilvisovelluskehitykseen,mikäli vaatimusmäärittely on tarkka jo sovelluskehityksen alkuvaiheessa. Tutkimuksen tuloksena syntyi vaatimusmäärittely MikkoMail –pilvisovellukselle. Vaatimusmäärittelyn pohjalta luotiin MikkoMail –pilvisovellus Google App Engine –pilvisovellusalustalle. Google App Engine –pilvisovellusalusta tukee vain Python- ja Java –ohjelmointikieliä eikä sisällä lainkaan ulkoista tietokantapalveluiden tukea. Tästä syystä Google App Engine -pilvisovellusalusta soveltuu pieniin, keskisuuriin ja pilottiprojektinomaisiin sovelluskehitysprojekteihin.

Mobiilisovellusten keskitetyt jakelukanavat

Diplomityössä tutkitaan mobiilisovellusten keskitettyjä jakelukanavia. Nämä uudet jakelukanavat ovat mahdollistaneet sovellusten uuden tyylisen ja helpon jakelun. Työssä tutkitaan itsenäisen kehittäjän näkökulmasta sovelluksen kehitystä Android-, iOS- ja Windows Phone -ohjelmistoalustoilla, ja sen julkaisua App Storessa, Google Playssa ja Windows Phone Marketplacella. Tavoitteena on tutkia huomataanko esimerkkisovelluksen kehityksessä ja julkaisussa merkittäviä eroja jakelukanavien välillä. Prosesseissa havaittiin eroja, mutta ei kuitenkaan niin merkittäviä, että jokin jakelukanava voitaisiin nostaa selkeästi toisten edelle helpompana tai rajoitteista vapaampana vaihtoehtona.

Natiivin Android-pelin käyttöliittymän skaalautuminen ja suorituskyvyn optimointi

Tässä työssä esiteltiin Android laitteisto- ja sovellusalustana sekä kuvattiin, kuinka Android-pelisovelluksen käyttöliittymä voidaan pitää yhtenäisenä eri näyttölaitteilla skaalauskertoimien ja ankkuroinnin avulla. Toisena osiona työtä käsiteltiin yksinkertaisia tapoja, joilla pelisovelluksien suorituskykyä voidaan parantaa. Näistä tarkempiin mittauksiin valittiin matalatarkkuuksinen piirtopuskuri ja näkymättömissä olevien kappaleiden piilotus. Mittauksissa valitut menetelmät vaikuttivat demosovelluksen suorituskykyyn huomattavasti. Tässä työssä rajauduttiin Android-ohjelmointiin Java-kielellä ilman ulkoisia kirjastoja, jolloin työn tuloksia voi helposti hyödyntää mahdollisimman monessa eri käyttökohteessa.

Mobiilipelien kehitys ja julkaisu monialustakehitystyökaluja hyödyntäen

Tässä kandidaatintyössä esitellään mobiilimarkkoiden pirstaloitumisongelma, ja se millaisia haasteita kehittäjät voivat kokea kehittäessään sovelluksia, jotka tukevat useampia mobiilialustoja. Lisäksi työssä esitellään erilaisia mobiilisovelluksissa käytettäviä monetisaatiomalleja. Työssä tarkastellaan myös monialustakehitystyökalujen ja HTML5-tekniikan soveltuvuutta mobiilialustojen kehityshaasteiden ratkaisemiseen. Työn lopuksi toteutetaan ja julkaistaan käytännön pelisovellus monialustatyökalulla eri alustoja tukien. Tämän demosovelluksen avulla perehdytään julkaisuprosesseihin käytännössä, tuoden esille eri alustojen asettamia vaatimuksia kehittäjälle.

Evaluation of Machine Learning Classifiers for Mobile Network Intrusion Detection Systems

Mobile malwares are increasing with the growing number of Mobile users. Mobile malwares can perform several operations which lead to cybersecurity threats such as, stealing financial or personal information, installing malicious applications, sending premium SMS, creating backdoors, keylogging and crypto-ransomware attacks. Knowing the fact that there are many illegitimate Applications available on the App stores, most of the mobile users remain careless about the security of their Mobile devices and become the potential victim of these threats. Previous studies have shown that not every antivirus is capable of detecting all the threats; due to the fact that Mobile malwares use advance techniques to avoid detection. A Network-based IDS at the operator side will bring an extra layer of security to the subscribers and can detect many advanced threats by analyzing their traffic patterns. Machine Learning(ML) will provide the ability to these systems to detect unknown threats for which signatures are not yet known. This research is focused on the evaluation of Machine Learning classifiers in Network-based Intrusion detection systems for Mobile Networks. In this study, different techniques of Network-based intrusion detection with their advantages, disadvantages and state of the art in Hybrid solutions are discussed. Finally, a ML based NIDS is proposed which will work as a subsystem, to Network-based IDS deployed by Mobile Operators, that can help in detecting unknown threats and reducing false positives. In this research, several ML classifiers were implemented and evaluated. This study is focused on Android-based malwares, as Android is the most popular OS among users, hence most targeted by cyber criminals. Supervised ML algorithms based classifiers were built using the dataset which contained the labeled instances of relevant features. These features were extracted from the traffic generated by samples of several malware families and benign applications. These classifiers were able to detect malicious traffic patterns with the TPR upto 99.6% during Cross-validation test. Also, several experiments were conducted to detect unknown malware traffic and to detect false positives. These classifiers were able to detect unknown threats with the Accuracy of 97.5%. These classifiers could be integrated with current NIDS', which use signatures, statistical or knowledge-based techniques to detect malicious traffic. Technique to integrate the output from ML classifier with traditional NIDS is discussed and proposed for future work.

Keskipakopumpun suorituskyvyn mittaus

Tässä kandidaatintyössä mitataan Sulzer APP 22-80 – keskipakopumpun suoritusarvoja pyörimisnopeusalueella 750 … 1500 rpm. Työn tavoitteena on laatia mittaustulosten perusteella eri pyörimisnopeuksia vastaava pumppauksen hyötysuhdekäyrä nostokorkeuden ja tilavuusvirran funktiona ja selvittää hyötysuhteen määrityksen epävarmuus käytetyssä mittausmenetelmässä. Lisäksi tutkitaan affiniteettisääntöjen paikkansapitävyyttä pumpun suorituskyvyn arvioinnissa ja pohditaan kehitysehdotuksia mittausmenetelmään. Mittaus suoritettiin Lappeenrannan teknillisellä yliopistolla 2.11.2012. Mittaustulosten perusteella laaditaan mitattuja pyörimisnopeuksia vastaavat pumpun ominais- ja hyötysuhdekäyrät. Työssä esitetään mittauksen suoritus ja käytetyt mittalaitteet, pumpun toiminta-arvojen laskentaan tarvittavat yhtälöt ja saadut tulokset. Hyötysuhteen määri-tyksen tarkkuutta arvioidaan epävarmuuslaskennalla ja eri parametrien vaikutusta hyötysuhteeseen herkkyysanalyysilla. Mittaustulosten perusteella pumpun suorituskyky vastasi sallitun mittausepävarmuuden rajoissa valmistajan ilmoittamia arvoja. Affiniteettisääntöjä voidaan käyttää hyvällä tarkkuudella, kun pyörimisnopeuden muutos nimellispyörimisnopeuteen verrattuna on alle 30 % tai verrattava pyörimisnopeus voidaan valita mahdollisimman läheltä laskettavaa toimintapistettä. Käytettyä mittausmenetelmää voitaisiin kehittää automatisoidulla mittausohjelmalla, sijoittamalla pumpun imuputkeen virtaustasaimet oikaisemaan virtausta paineenmittaukselle ja asentamalla painemittarit samaan mittatasoon.

Implementing an open data system and showing its benefits

Open data refers to publishing data on the web in machine-readable formats for public access. Using open data, innovative applications can be developed to facilitate people‟s lives. In this thesis, based on the open data cases (discussed in the literature review), Open Data Lappeenranta is suggested, which publishes open data related to opening hours of shops and stores in Lappeenranta City. To prove the possibility of creating Open Data Lappeenranta, the implementation of an open data system is presented in this thesis, which publishes specific data related to shops and stores (including their opening hours) on the web in standard format (JSON). The published open data is used to develop web and mobile applications to demonstrate the benefits of open data in practice. Also, the open data system provides manual and automatic interfaces which make it possible for shops and stores to maintain their own data in the system. Finally in this thesis, the completed version of Open Data Lappeenranta is proposed, which publishes open data related to other fields and businesses in Lappeenranta beyond only stores‟ data.

Twitch-palvelun katsomiseen tarkoitetun Windows Store -sovelluksen toteutus

Tämä työ kertoo Twitch.tv-palvelun videolähetyksien katsomiseen tarkoitetun sovelluksen kehittämisestä. Sovellus on tarkoitettu tablet-laitteille, jotka käyttävät Windows 8 -käyttöjärjestelmää. Tarkoituksena on mahdollistaa palvelun käyttäminen ilman selainta suoraan Windows App Store -sovelluksen kautta. Toteutuksessa keskitytään tutkimaan Microsoftin työkaluja ohjelmistonkehitykseen Windowsille, Twitch:n tarjoaman rajapinnan käyttöä ja käyttömahdollisuuksia. Työssä kerrotaan näiden työkalujen rajoittuneisuudesta ja tästä aiheutuvista ongelmista edellä kuvattua sovellusta kehittäessä. Ohjelmistossa panostetaan käytettävyyteen erityisesti tablet-laitteen näkökulmasta, käyttöliittymän suunnittelussa otetaan huomioon yhtenevä ulkonäkö ja Metro UI:n tyyli.

Mobiilialan Start-up -yrityksen jakelukanavan valinta

Diplomityössä tutkitaan mobiilisovellusten keskitettyjä jakelukanavia Start-up – yritysten näkökulmasta. Työssä selvitetään, mitkä tekijät vaikuttavat Start-up – yrityksen jakelukanavan valintaan ja millä perusteilla valinta tehdään. Työn tuloksena saatiin 318 sovelluskehittäjän arvio kymmeneen valintakriteeriin. Merkittävin yksittäinen tekijä Start-up –yrityksille on laitekannan koko. Lisäksi Start-up –yritykset arvostavat muita enemmän sovellusten löydettävyyttä, odotettuja tulovirtoja ja omaa asiantuntemustansa. Mielipiteet Start-up –yritysten kesken jakaa kuitenkin valittu jakelukanava. Suurin yksittäinen päätöskriteeri on markkinatutkimus, yksin tai yhdessä media- ja lehdistötietojen kanssa.

SimpleREST -RESTful DSpace API

Poster at Open Repositories 2014, Helsinki, Finland, June 9-13, 2014

Features for mobile applications popularity

Mobile applications market shows one of the highest growth rates for the market of intellectual products. The market is attractive to investors, despite the fact that the major companies of this industry already firmly consolidated its position. Experts predict the growth of the market for mobile applications with the development of mobile technologies in general. To demonstrate the explosive growth of the market and the scale of its impact, it is worth recalling the mobile game Angry Birds, which was able to achieve a huge reach and formed a full-fledged media brand, comparable to the film industry brands. The reasons why some games become popular and others not, are important for understanding the driving factors of the games industry. The Master’s Thesis explores the factors for mobile games applications popularity and ranking and propose recommendations for mobile games app store optimization of app representation. It discovers particular features of mobile games applications and releases’ influence on their popularity. Also the study assumes usage of such business models as The Business Model Canvas by Osterwalder and The Lean Startup Methodology by Ries, and describes the best practices of mobile application development process and market positioning. Moreover, the Master’s Thesis gives examples of multiple case studies about successful mobile apps developers.

Avoimet tuotealustat ja allianssit älytelevisiomarkkinoilla

Älytelevisiomarkkinat ovat nykyisellään pirstaloituneet eri valmistajien kehittäessä omia älytelevisioalustoitaan, mikä tekee sovelluskehittämisestä erittäin työlästä, kun kehitystyö pitää tehdä jokaiselle alustalle erikseen. LG:n ja Philipsin perustama Smart TV Alliance pyrkii yksinkertaistamaan sovelluskehittäjien työtä, samalla houkutellen lisää kehittäjiä alalle. Työssä tutustutaan tuotealustoihin, avoimeen ja suljettuun innovaatioon, sekä alliansseihin. Lisäksi perehdytään älytelevisioihin sekä tietenkin itse Smart TV Allianceen. Lisäksi tarkastellaan nykyistä markkina-asetelmaa ja arvioidaan yksittäisten toimijoiden tilannetta ja mahdollisia toimenpiteitä. Työn painopiste on fyysisen laitevalmistajan ja käyttöjärjestelmän kehittäjän/ylläpitäjän näkökulmasta. Työn kannalta tärkeässä roolissa ovat ohjelmistopohjaiset tuotealustat. Eritoten työssä käsitellään älytelevisioiden ohjelmistoa tuotealustana, mutta hyvä vaihtoehtoinen ja eritoten monille käytännönläheisempi esimerkki on tietokoneen käyttöjärjestelmä, kuten Microsoft Windows tai useat Linux-pohjaiset käyttöjärjestelmät. Keskeisenä ominaisuutena näissä kaikissa on, että itse käyttöjärjestelmä toimii yhteisenä pohjana, jonka päälle voidaan rakentaa muuta toiminnallisuutta, kuten pelejä ja toimistosovelluksia.

Letters from the War of Ecosystems – An Analysis of Independent Software Vendors in Mobile Application Marketplaces

The recent emergence of a new generation of mobile application marketplaces has changed the business in the mobile ecosystems. The marketplaces have gathered over a million applications by hundreds of thousands of application developers and publishers. Thus, software ecosystems—consisting of developers, consumers and the orchestrator—have emerged as a part of the mobile ecosystem. This dissertation addresses the new challenges faced by mobile application developers in the new ecosystems through empirical methods. By using the theories of two-sided markets and business ecosystems as the basis, the thesis assesses monetization and value creation in the market as well as the impact of electronic Word-of-Mouth (eWOM) and developer multihoming— i. e. contributing for more than one platform—in the ecosystems. The data for the study was collected with web crawling from the three biggest marketplaces: Apple App Store, Google Play and Windows Phone Store. The dissertation consists of six individual articles. The results of the studies show a gap in monetization among the studied applications, while a majority of applications are produced by small or micro-enterprises. The study finds only weak support for the impact of eWOM on the sales of an application in the studied ecosystem. Finally, the study reveals a clear difference in the multi-homing rates between the top application developers and the rest. This has, as discussed in the thesis, an impact on the future market analyses—it seems that the smart device market can sustain several parallel application marketplaces.