{"id":24325,"date":"2013-05-04T15:00:00","date_gmt":"2013-05-04T13:00:00","guid":{"rendered":"https:\/\/wikimemoires.net\/2013\/05\/04\/s2wc2-un-framework-pour-la-segmentation-de-sessions-web-cote-client\/"},"modified":"2023-01-26T15:38:44","modified_gmt":"2023-01-26T15:38:44","slug":"s2wc2-un-framework-pour-la-segmentation-de-sessions-web-cote-client","status":"publish","type":"post","link":"https:\/\/wikimemoires.net\/2013\/05\/s2wc2-un-framework-pour-la-segmentation-de-sessions-web-cote-client\/","title":{"rendered":"S2WC2, un Framework pour la Segmentation de Sessions Web Cot\u00e9 Client"},"content":{"rendered":"<p>S2WC2, un Framework pour la Segmentation de Sessions Web Cot\u00e9 Client<\/p>\n<p><strong>Chapitre 4 &#8211; S2WC2, un Framework pour la Segmentation de Sessions Web Cot\u00e9 Client<\/strong><\/p>\n<p><strong>4.1 Introduction<\/strong><\/p>\n<p>Apr\u00e8s avoir explor\u00e9 les sujets de l\u2019extraction de connaissances et de la fouille du web et pr\u00e9sent\u00e9 l\u2019\u00e9tat de l\u2019art sur le web usage mining, nous d\u00e9crivons dans ce chapitre notre approche pour la construction d\u2019un framework de segmentation de sessions web de cot\u00e9 des utilisateurs. Nous y pr\u00e9sentons l\u2019architecture propos\u00e9e, les diff\u00e9rents choix que nous avons \u00e9t\u00e9 amen\u00e9 \u00e0 adopter, ainsi que les modules impl\u00e9ment\u00e9s.<\/p>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_65 ez-toc-wrap-right counter-hierarchy ez-toc-counter ez-toc-light-blue ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title \" >Table des mati&egrave;res<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Toggle Table of Content\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Toggle<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewBox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewBox=\"0 0 24 24\" version=\"1.2\" baseProfile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1 eztoc-toggle-hide-by-default' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/wikimemoires.net\/2013\/05\/s2wc2-un-framework-pour-la-segmentation-de-sessions-web-cote-client\/#42_Architecture\" title=\"4.2 Architecture\">4.2 Architecture<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/wikimemoires.net\/2013\/05\/s2wc2-un-framework-pour-la-segmentation-de-sessions-web-cote-client\/#43_Collecteur_de_traces_de_navigation\" title=\"4.3 Collecteur de traces de navigation\">4.3 Collecteur de traces de navigation<\/a><ul class='ez-toc-list-level-3' ><li class='ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/wikimemoires.net\/2013\/05\/s2wc2-un-framework-pour-la-segmentation-de-sessions-web-cote-client\/#431_Approche\" title=\"4.3.1 Approche\">4.3.1 Approche<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/wikimemoires.net\/2013\/05\/s2wc2-un-framework-pour-la-segmentation-de-sessions-web-cote-client\/#432_Avantages_inconvenients\" title=\"4.3.2 Avantages &amp; inconv\u00e9nients\">4.3.2 Avantages &amp; inconv\u00e9nients<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/wikimemoires.net\/2013\/05\/s2wc2-un-framework-pour-la-segmentation-de-sessions-web-cote-client\/#433_Schema_du_fichier_log\" title=\"4.3.3 Sch\u00e9ma du fichier log\">4.3.3 Sch\u00e9ma du fichier log<\/a><\/li><\/ul><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/wikimemoires.net\/2013\/05\/s2wc2-un-framework-pour-la-segmentation-de-sessions-web-cote-client\/#44_Pretraitement\" title=\"4.4 Pr\u00e9traitement\">4.4 Pr\u00e9traitement<\/a><ul class='ez-toc-list-level-4' ><li class='ez-toc-heading-level-4'><ul class='ez-toc-list-level-4' ><li class='ez-toc-heading-level-4'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/wikimemoires.net\/2013\/05\/s2wc2-un-framework-pour-la-segmentation-de-sessions-web-cote-client\/#4411_Fusion_et_export_vers_une_base_de_donnees\" title=\"4.4.1.1 Fusion et export vers une base de donn\u00e9es\">4.4.1.1 Fusion et export vers une base de donn\u00e9es<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-4'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/wikimemoires.net\/2013\/05\/s2wc2-un-framework-pour-la-segmentation-de-sessions-web-cote-client\/#4413_Filtrage_des_items_inutiles\" title=\"4.4.1.3 Filtrage des items inutiles\">4.4.1.3 Filtrage des items inutiles<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-4'><a class=\"ez-toc-link ez-toc-heading-9\" href=\"https:\/\/wikimemoires.net\/2013\/05\/s2wc2-un-framework-pour-la-segmentation-de-sessions-web-cote-client\/#4414_Question_des_pages_avec_frames\" title=\"4.4.1.4 Question des pages avec frames\">4.4.1.4 Question des pages avec frames<\/a><\/li><\/ul><\/li><\/ul><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"42_Architecture\"><\/span>4.2 Architecture<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>L\u2019environnement con\u00e7u est constitu\u00e9, de mani\u00e8re similaire \u00e0 tout projet de fouille de donn\u00e9es, de trois parties relativement distinctes les unes des autres : un collecteur de traces de navigation, une application de pr\u00e9traitement de donn\u00e9es, et un module d\u2019extraction de connaissances. Cette architecture est illustr\u00e9e dans la figure ci-apr\u00e8s.<\/p>\n<p>La collecte de traces de navigation est assur\u00e9e par un module l\u00e9ger d\u00e9velopp\u00e9 pour Internet Explorer de Microsoft, le navigateur le plus r\u00e9pandu. Cet outil, d\u00e9taill\u00e9 dans le point suivant, fournit des logs \u00e0 ramasser sur les postes des utilisateurs ayant r\u00e9pondu favorablement \u00e0 notre sollicitation et accept\u00e9 de participer \u00e0 l\u2019\u00e9tude.<\/p>\n<p>La deuxi\u00e8me partie inclut plusieurs algorithmes que nous avons \u00e9crit afin de pr\u00e9parer les logs bruts des utilisateurs g\u00e9n\u00e9r\u00e9s par l\u2019outil de collecte de traces. Elle a consist\u00e9 globalement, apr\u00e8s la fusion des logs ramass\u00e9s, \u00e0 les nettoyer, d\u2019en reconstituer les sessions, et <!--more--> d\u2019op\u00e9rer certaines sortes de formatage final. La derni\u00e8re partie quant \u00e0 elle, est une application directe d\u2019une technique c\u00e9l\u00e8bre d\u2019ECD : la segmentation par les cartes topologiques auto-organisatrices de Kohonen (SOM : Self Organizing Maps en anglais).<\/p>\n<p><a href=\"https:\/\/wikimemoires.net\/wp-content\/uploads\/2013\/05\/image011-1.jpg\"><img loading=\"lazy\" decoding=\"async\" class=\"alignnone size-full wp-image-24377\" title=\"Architecture de S2WC2\" src=\"https:\/\/wikimemoires.net\/wp-content\/uploads\/2013\/05\/image011-1.jpg\" alt=\"Architecture de S2WC2\" width=\"466\" height=\"665\" srcset=\"https:\/\/wikimemoires.net\/wp-content\/uploads\/2013\/05\/image011-1.jpg 466w, https:\/\/wikimemoires.net\/wp-content\/uploads\/2013\/05\/image011-1-210x300.jpg 210w\" sizes=\"(max-width: 466px) 100vw, 466px\" \/><\/a><\/p>\n<p>Figure 10. Architecture de S2WC2<\/p>\n<h2><span class=\"ez-toc-section\" id=\"43_Collecteur_de_traces_de_navigation\"><\/span>4.3 Collecteur de traces de navigation<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Les logs serveurs et ceux issus des postes client constituent, comme d\u00e9j\u00e0 \u00e9voqu\u00e9 dans le chapitre pr\u00e9c\u00e9dent, les deux principales sources de donn\u00e9es en WUM. Et du fait que la quasi-totalit\u00e9 des travaux ont pris comme mati\u00e8re d\u2019\u00e9tude les logs serveurs, nous avons choisi d\u2019\u00e9tudier le deuxi\u00e8me type de logs, car ils restent encore relativement r\u00e9cents, et peu sond\u00e9s d\u2019une part, et des choix technologiques qu\u2019ils impliquent d\u2019autre part.<\/p>\n<p>La piste initialement trac\u00e9e pr\u00e9voit l\u2019utilisation d\u2019un outil client existant pour la collecte de traces de navigation. Ce choix, en d\u00e9pit de la pl\u00e9thore et la diversit\u00e9 des outils disponibles sur Internet, n\u2019\u00e9tait pas pour nous facile et fructueux. L\u2019exploration que nous avons men\u00e9e sur un certain nombre d\u2019outils nous a permis d\u2019en s\u00e9parer deux grandes classes.<\/p>\n<p>La premi\u00e8re famille est un ensemble d\u2019outils de l\u2019ordre de logiciels offerts sous licence par des soci\u00e9t\u00e9s sp\u00e9cialis\u00e9es, qui n\u00e9cessitent l\u2019installation explicite de l\u2019utilisateur. Cette cat\u00e9gorie d\u2019outils, dont AAAnalyser1 fait partie, a \u00e9t\u00e9 \u00e9cart\u00e9e en raison de l\u2019exploitation lourde qu\u2019elle implique, de l\u2019alt\u00e9ration importante de l\u2019environnement du client qu\u2019elle provoque, et du format de donn\u00e9es difficilement accessible.<\/p>\n<p>La deuxi\u00e8me cat\u00e9gorie est repr\u00e9sent\u00e9e par plusieurs outils moins encombrants que ceux de la premi\u00e8re classe. Ces outils, \u00e0 l\u2019instar de Web-R (Kant et al., 2003), offrent de plus en sortie sous forme de fichiers lisibles (tables de base de donn\u00e9es, feuilles Excel, fichiers textes\u2026etc) des donn\u00e9es riches et int\u00e9ressantes sur l\u2019activit\u00e9 de l\u2019utilisateur. Malgr\u00e9 ces atouts, aucun de ces outils n\u2019a \u00e9t\u00e9 retenu, car ils pr\u00e9sentent l\u2019inconv\u00e9nient d\u2019\u00eatre seulement des prototypes et des versions de test limit\u00e9es en nombre de pages ou en temps de navigation permis.<\/p>\n<p>La question de la collecte de traces de navigation \u00e9tait pour notre \u00e9tude une probl\u00e9matique capitale. En effet, l\u2019outil qui sera utilis\u00e9 (acquis ou construit) offre la mati\u00e8re premi\u00e8re au projet que nous menons, pour lequel la r\u00e9ussite est fortement li\u00e9e \u00e0 plusieurs de ses aspects tels que la simplicit\u00e9 et la facilit\u00e9 d\u2019exploitation, et \u00e0 la nature des donn\u00e9es qu\u2019il nous permet de disposer. De plus, les diff\u00e9rentes phases suivantes du projet en s\u2019appuient de mani\u00e8re significative et directe.<\/p>\n<blockquote><p>1 Activity and Authentication Analyzer, disponible sur : http:\/\/www.filetransit.com\/view.php?id=14683<\/p><\/blockquote>\n<h3><span class=\"ez-toc-section\" id=\"431_Approche\"><\/span>4.3.1 Approche<span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p>Tracer l\u2019activit\u00e9 de l\u2019utilisateur d\u2019un PC a fait l\u2019objet de plusieurs travaux ayant des origines diverses. Qu\u2019il s\u2019agisse de sujets ayant trait\u00e9 \u00e0 la s\u00e9curit\u00e9 des syst\u00e8mes, ou \u00e0 l\u2019am\u00e9lioration des interfaces des applications, ou tout simplement de simulations d\u2019usages de logiciels, chacun opte pour une m\u00e9thode qui permet en final de r\u00e9cup\u00e9rer sous diff\u00e9rents formats les actions horodat\u00e9es effectu\u00e9es par l\u2019usager sur son poste. Les approches, selon le niveau fix\u00e9 de la sonde de collecte de traces (r\u00e9seau, application\u2026etc.), se distinguent alors en volume, d\u00e9tail, port\u00e9e, et qualit\u00e9 de donn\u00e9es recueillies.<\/p>\n<p>Pour notre \u00e9tude, nous avons estim\u00e9 qu\u2019il est de bon aloi l\u2019utilisation d\u2019un outil qu\u2019il soit l\u00e9ger, d\u2019exploitation simple, et n\u2019affectant pas l\u2019environnement de l\u2019utilisateur. Ces traits caract\u00e9ristiques sont recherch\u00e9s afin de rassurer l\u2019usager et minimiser l\u2019influence sur son comportement que pourrait provoquer l\u2019installation de la sonde de collecte de ses traces de navigation.<\/p>\n<p>Les caract\u00e9ristiques de l\u2019outil arr\u00eat\u00e9es, nous avons opt\u00e9 pour la technique des Browser Helper Object (BHO) de Microsoft. Cette technique a \u00e9t\u00e9 pr\u00e9f\u00e9r\u00e9e sur les deux autres alternatives, qui sont les packet-sniffers et les agents distants pour les raisons suivantes : les packet-sniffers sont des outils s\u2019op\u00e9rant sur la couche r\u00e9seau en interceptant les paquets \u00e9chang\u00e9s, un niveau d\u2019impl\u00e9mentation non vis\u00e9 au d\u00e9part, car nous pr\u00e9f\u00e9rons rester sur le niveau applicatif, ils exigent aussi la connaissance de la structure d\u00e9taill\u00e9e des paquets, et ne peuvent en plus tracer les navigations offlines.<\/p>\n<p>Les solutions bas\u00e9es sur les agents distants java, quant \u00e0 elles, sont en principe li\u00e9es \u00e0 un site donn\u00e9 (dont la structure et le contenu sont connues), ce qui nous a paru inappropri\u00e9, \u00e9tant donn\u00e9 que nous nous ciblons pas un site particulier.<\/p>\n<h3><span class=\"ez-toc-section\" id=\"432_Avantages_inconvenients\"><\/span>4.3.2 Avantages &amp; inconv\u00e9nients<span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p>Un browser helper object est un dll (Dynamic Link Library) charg\u00e9 automatiquement avec chaque instance d\u2019Internet Explorer (IE) active. S\u2019ex\u00e9cutant en t\u00e2che de fond et dans le m\u00eame espace de processus, il permet en utilisant le mod\u00e8le COM (Component Object Model) de contr\u00f4ler l\u2019ex\u00e9cution de l\u2019instance d\u2019IE et d\u2019intercepter l\u2019ensemble des \u00e9v\u00e8nements qu\u2019elle d\u00e9clenche. C\u2019est un proc\u00e9d\u00e9 utilis\u00e9 \u00e0 partir de la version 4 d\u2019IE afin de r\u00e9aliser des versions personnalis\u00e9es ou \u00e9tendues du navigateur de Microsoft (Roberts, 1999), (Espositi, 1999).<\/p>\n<p>Notre outil de recueil de traces de navigation a \u00e9t\u00e9 d\u00e9velopp\u00e9 en utilisant le langage Object Pascal sous l\u2019environnement DELPHI 5, il est caract\u00e9ris\u00e9 et poss\u00e8de les propri\u00e9t\u00e9s positives suivantes :<\/p>\n<ul>\n<li>1.\n<div><strong> Tr\u00e8s l\u00e9ger <\/strong>: l\u2019outil a \u00e9t\u00e9 bien pens\u00e9 pour \u00eatre moins encombrant. En effet son occupation m\u00e9moire est insignifiante (sa taille est seulement de l\u2019ordre de 90 ko), et les instructions qu\u2019il ex\u00e9cute sont aussi optimis\u00e9es et minimis\u00e9es au strict n\u00e9cessaire (Cf. annexe 3).<\/div>\n<\/li>\n<li>\n<div>2. <strong> Exploitation tr\u00e8s simple <\/strong> : l\u2019installation et l\u2019usage de la solution n\u2019\u00e9prouvent aucune difficult\u00e9. Une fois install\u00e9e par une simple commande d\u2019inscription dans le registre de windows, le recueil se fait automatiquement sans intervention aucune.<\/div>\n<\/li>\n<li>\n<div>3. <strong> Port\u00e9e illimit\u00e9e <\/strong>: th\u00e9oriquement tous les sites visit\u00e9s par l\u2019utilisateur peuvent \u00eatre trac\u00e9s.<\/div>\n<\/li>\n<li>\n<div>4. <strong> Alt\u00e9ration quasi-nulle de l\u2019environnement du client <\/strong> : la solution propos\u00e9e peut \u00eatre utilis\u00e9e cot\u00e9 utilisateur sans aucune modification apparente de son syst\u00e8me. De plus, elle ne n\u00e9cessite pas des changement cot\u00e9 serveur aussi si elle sera exploit\u00e9e dans un projet de MUM centr\u00e9 serveur. Cette propri\u00e9t\u00e9 est int\u00e9ressante du fait qu\u2019elle offre un confort suffisant \u00e0 l\u2019utilisateur, lorsque il voit son syst\u00e8me inchang\u00e9.<\/div>\n<\/li>\n<li>\n<div>5. <strong> Identification des utilisateurs r\u00e9solue <\/strong> : si cette question reste insoluble dans le recueil cot\u00e9 serveur, avec cet outil exploitant l\u2019adresse MAC et le login syst\u00e8me ce probl\u00e8me est solutionn\u00e9 de mani\u00e8re s\u00fbre.<\/div>\n<\/li>\n<li>\n<div>6. <strong> Tra\u00e7age \u00e0 granularit\u00e9 fine, et pr\u00e9cision haute <\/strong> : l\u2019outil offre pour chaque page visit\u00e9e un logging au niveau \u00e9v\u00e8nements. La page est suivie lorsqu\u2019elle est demand\u00e9e, compl\u00e8tement t\u00e9l\u00e9charg\u00e9e et, en adoptant certaines r\u00e8gles, quand elle est termin\u00e9e. Ces \u00e9v\u00e9nements sont enregistr\u00e9s dans le log g\u00e9n\u00e9r\u00e9 avec leurs instants aux millisecondes.<\/div>\n<\/li>\n<li>\n<div>7. <strong> Logging offline possible <\/strong> : si l\u2019utilisateur utilise IE en mode d\u00e9connect\u00e9 les pages visit\u00e9es sont trac\u00e9es, contrairement aux autres solutions qui ne peuvent effectuer le tra\u00e7age en l\u2019absence de connexion.<\/div>\n<\/li>\n<li>\n<div>8. <strong> Sessionisation relativement ais\u00e9e <\/strong> : avec un logging des \u00e9v\u00e8nements par utilisateur, contigus par ordre chronologique, la reconstruction des sessions des utilisateurs est moyennement simplifi\u00e9e.<\/div>\n<\/li>\n<li>\n<div>9.<\/div>\n<p><strong> Capture des donn\u00e9es de contenu <\/strong>: dans la version actuelle l\u2019outil permet d\u2019enregistrer certaines donn\u00e9es li\u00e9es aux contenus visit\u00e9s comme le titre de la page. Dans les versions futures d\u2019autres attributs tels que les mots cl\u00e9s, ou le code source int\u00e9gral peuvent aussi \u00eatre trac\u00e9s.<\/li>\n<\/ul>\n<p>En d\u00e9pit de ces nombreux avantages, nous avouons que cette solution n\u2019est pas parfaite et que nous mentionnons dores et d\u00e9j\u00e0 les deux points n\u00e9gatifs suivants :<\/p>\n<ol>\n<li>1. <strong> La d\u00e9pendance \u00e0 l\u2019environnement du client <\/strong>: cette propri\u00e9t\u00e9 constitue incontestablement l\u2019inconv\u00e9nient majeur. En effet, la forte d\u00e9pendance \u00e0 IE signifie que la solution ne peut \u00eatre utilis\u00e9e qu\u2019exclusivement pour le syst\u00e8me d\u2019exploitation Windows de Microsoft et avec les navigateurs supportant IE \u00e0 partir de la version 4. Mais, ce probl\u00e8me peut \u00eatre att\u00e9nu\u00e9, si nous savons que IE reste encore l\u2019un des navigateurs les plus r\u00e9pandus.<\/li>\n<li>2. <strong> D\u00e9sinstallation permise <\/strong> : les utilisateurs avertis ont la possibilit\u00e9 de supprimer l\u2019outil et d\u2019arr\u00eater l\u2019op\u00e9ration de recueil. Une solution envisageable pourrait \u00eatre de d\u00e9sactiver la modification des param\u00e8tres du syst\u00e8me notamment le registre.<\/li>\n<\/ol>\n<h3><span class=\"ez-toc-section\" id=\"433_Schema_du_fichier_log\"><\/span>4.3.3 Sch\u00e9ma du fichier log<span class=\"ez-toc-section-end\"><\/span><\/h3>\n<p>L\u2019outil de recueil de traces produit un fichier log au format textuel, nomm\u00e9 IE_Traces.log, o\u00f9 sont consign\u00e9es des donn\u00e9es se rapportant \u00e0 l\u2019identification de l\u2019utilisateur, aux attributs temporels des actions qu\u2019il a effectu\u00e9es et aux informations relatives aux pages visit\u00e9es.<\/p>\n<p>Le couple adresse MAC et le login du syst\u00e8me d\u2019exploitation est utilis\u00e9 afin d\u2019identifier l\u2019utilisateur. Contrairement aux solutions centr\u00e9es serveur exploitants les adresses IP comme identifiant de l\u2019usager qui sont rappelons-le inefficaces, cette approche, gr\u00e2ce \u00e0 l\u2019adresse MAC, permet de distinguer d\u2019une part et cela de mani\u00e8re sure1 les postes participant \u00e0 l\u2019\u00e9tude, et d\u2019autre les utilisateurs exploitant la m\u00eame machine, comme c\u2019est le cas dans beaucoup de situation de partage de PC telles que dans les r\u00e9seaux d\u2019entreprises, les cyberspaces, et dans de nombreux foyers.<\/p>\n<p>Mentionnons en plus, que pour des raisons de confidentialit\u00e9 le login de l\u2019utilisateur, qui peut \u00eatre claire et expressif dans plusieurs cas, est consign\u00e9 crypt\u00e9 dans le log.<\/p>\n<p>Les autres informations recueillies sont la date et l\u2019instant de la requ\u00eate pr\u00e9cise aux millisecondes, le num\u00e9ro de la fen\u00eatre d\u2019IE active servant \u00e0 diff\u00e9rencier entre plusieurs fen\u00eatres ouvertes simultan\u00e9ment, le type d\u2019\u00e9v\u00e9nement d\u00e9clench\u00e9 par le navigateur, l\u2019url de la page demand\u00e9e, son titre, ainsi que le nombre de frames (cadres) qu\u2019ils la composent si pr\u00e9sents.<\/p>\n<p>La liste des \u00e9v\u00e8nements que pourrait d\u00e9clencher le navigateur inclut une vingtaine (Cf. annexes 2), c\u2019est pourquoi nous nous somme limit\u00e9 seulement aux trois \u00e9v\u00e8nements d\u00e9crits ci-dessous que nous avons jug\u00e9s les plus int\u00e9ressants :<\/p>\n<ol>\n<li>1. <strong> BeforeNavigate2<\/strong> : comme l\u2019indique son nom, cet \u00e9v\u00e8nement est d\u00e9clench\u00e9 juste avant la navigation vers une url (saisie ou s\u00e9lectionn\u00e9e), il est cod\u00e9 01 dans notre outil.<\/li>\n<li>2. <strong> DocumentComplete <\/strong>: il est d\u00e9clench\u00e9 quand l\u2019objet document de la page en cours est compl\u00e8tement t\u00e9l\u00e9charg\u00e9, cod\u00e9 02.<\/li>\n<li>3. <strong> OnQuit <\/strong>: se produit lorsque l\u2019utilisateur quitte IE, cod\u00e9 03.<\/li>\n<\/ol>\n<blockquote><p>1 En principe les adresses MAC sont, pour chaque adaptateur r\u00e9seau, uniques et fix\u00e9es \u00e0 la construction. Elles constituent un bon identifiant de la machine, m\u00eame c\u2019est actuellement certains outils peuvent les modifi\u00e9es.<\/p><\/blockquote>\n<p>Les deux figures suivantes sch\u00e9matisent respectivement la structure du fichier log, et un extrait d\u2019un exemple de celui-ci pris \u00e0 titre d\u2019illustration.<\/p>\n<table border=\"1\">\n<tbody>\n<tr>\n<td>LOG (<\/p>\n<p>Mac : Char (20), Login : Char (30), Journ\u00e9e : Date (10),<\/p>\n<p>Heure : Temps(12),\/\/ HH :MM :SS :mmm, ou mmm: Millisecondes<\/p>\n<p>Id_Fen\u00eatre : Num\u00e9rique (10,0),<\/p>\n<p>Ev\u00e8nement : Char (2), \/\/ 01, 02, ou 03<\/p>\n<p>Longueur_Url : Numm\u00e9rique (4,0)<\/p>\n<p>Url : Char (Longueur_url), Longueur_Titre: Num\u00e9rique (4,0)<\/p>\n<p>Titre : Char (Longueur_Titre),<\/p>\n<p>Nombre_Frames : Num\u00e9rique (2,0)<\/p>\n<p>)<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Figure 11. Structure du fichier log textuel<\/p>\n<table border=\"1\">\n<tbody>\n<tr>\n<td>00-0A-CD-01-C6-69 D\u00fcl\u00a5\u00a2g 05\/05\/2008 22:19:57:026 262478 01 027 http:\/\/avunet.info.free.fr\/00-0A-CD-01-C6-69 D\u00fcl\u00a5\u00a2g 05\/05\/2008 22:20:43:203 262478 02 027 http:\/\/avunet.info.free.fr\/ 029 le projet de recherche<\/p>\n<p>AVUNET 00<\/p>\n<p>00-0A-CD-01-C6-69 D\u00fcl\u00a5\u00a2g 05\/05\/2008 22:23:08:712 262478 01 021 http:\/\/www.google.com<\/p>\n<p>00-0A-CD-01-C6-69 D\u00fcl\u00a5\u00a2g 05\/05\/2008 22:23:13:609 262478 02 021 http:\/\/www.google.com 006 Google 00<\/p>\n<p>00-0A-CD-01-C6-69 D\u00fcl\u00a5\u00a2g 05\/05\/2008 22:23:47:137 262478 01 104<\/p>\n<p>http:\/\/www.google.com\/search?hl=fr&amp;q=site+page+frames+document+complete+event+internet+explorer+&amp;lr=00-0A-CD-01-C6-69 D\u00fcl\u00a5\u00a2g 05\/05\/2008 22:23:47:888 262478 02 104<\/p>\n<p>http:\/\/www.google.com\/search?hl=fr&amp;q=site+page+frames+document+complete+event+internet+explorer+&amp;lr= 081 site page frames document complete event internet explorer &#8211; Recherche Google 00<\/p>\n<p>00-0A-CD-01-C6-69 D\u00fcl\u00a5\u00a2g 05\/05\/2008 22:23:58:143 262478 01 038 http:\/\/support.microsoft.com\/kb\/180366<\/p>\n<p>00-0A-CD-01-C6-69 D\u00fcl\u00a5\u00a2g 05\/05\/2008 22:24:11:382 262478 01 052 http:\/\/support.microsoft.com\/common\/surveysubmit.asp<\/p>\n<p>00-0A-CD-01-C6-69 D\u00fcl\u00a5\u00a2g 05\/05\/2008 22:24:18:813 262478 02 052 http:\/\/support.microsoft.com\/common\/surveysubmit.asp<\/p>\n<p>080 D\u00e9terminait comment quand une page est faite charger dans le contr\u00f4le WebBrowser 01 00-0A-CD-01-C6-69 D\u00fcl\u00a5\u00a2g 05\/05\/2008 22:24:18:843 262478 02 038 http:\/\/support.microsoft.com\/kb\/180366 080 D\u00e9terminait comment quand une page est faite charger dans le contr\u00f4le WebBrowser 01<\/p>\n<p>00-0A-CD-01-C6-69 D\u00fcl\u00a5\u00a2g 05\/05\/2008 22:24:18:973 262478 01 011 about:blank<\/p>\n<p>00-0A-CD-01-C6-69 D\u00fcl\u00a5\u00a2g 05\/05\/2008 22:24:19:093 262478 02 011 about:blank 080 D\u00e9terminait comment quand une page est faite charger dans le contr\u00f4le WebBrowser 02<\/p>\n<p>00-0A-CD-01-C6-69 D\u00fcl\u00a5\u00a2g 05\/05\/2008 22:25:49:123 262478 01 104 http:\/\/www.google.com\/search?hl=fr&amp;q=site+page+frames+document+complete+event+internet+explorer+&amp;lr=<\/p>\n<p>00-0A-CD-01-C6-69 D\u00fcl\u00a5\u00a2g 05\/05\/2008 22:25:49:673 262478 02 104 http:\/\/www.google.com\/search?hl=fr&amp;q=site+page+frames+document+complete+event+internet+explorer+&amp;lr= 081 site page frames document complete event internet explorer &#8211; Recherche Google 00<\/p>\n<p>00-0A-CD-01-C6-69 D\u00fcl\u00a5\u00a2g 05\/05\/2008 22:25:51:927 262478 01 044 http:\/\/www.redfoxcenter.org\/HTML\/frames.html<\/p>\n<p>00-0A-CD-01-C6-69 D\u00fcl\u00a5\u00a2g 05\/05\/2008 22:26:03:413 262478 02 044 http:\/\/www.redfoxcenter.org\/HTML\/frames.html 017 HTML<\/p>\n<p>: Les frames 00<\/p>\n<p>00-0A-CD-01-C6-69 D\u00fcl\u00a5\u00a2g 05\/05\/2008 22:28:00:401 393618 01 066 http:\/\/www.redfoxcenter.org\/Docs\/W3C\/W3C_rec\/WD-frames-970331.html<\/p>\n<p>00-0A-CD-01-C6-69 D\u00fcl\u00a5\u00a2g 05\/05\/2008 22:28:00:421 393618 02 066 http:\/\/www.redfoxcenter.org\/Docs\/W3C\/W3C_rec\/WD- frames-970331.html 000 0000-0A-CD-01-C6-69 D\u00fcl\u00a5\u00a2g 05\/05\/2008 22:28:01:663 393618 02 079 http:\/\/ftp.redfoxcenter.org\/pub\/Documentation\/W3C\/W3C_rec\/WD-frames-970331.html 017 Objet non trouv\u00e9! 0000-0A-CD-01-C6-69 D\u00fcl\u00a5\u00a2g 05\/05\/2008 22:28:03:265 262478 01 104<\/p>\n<p>http:\/\/www.google.com\/search?hl=fr&amp;q=site+page+frames+document+complete+event+internet+explorer+&amp;lr=00-0A-CD-01-C6-69 D\u00fcl\u00a5\u00a2g 05\/05\/2008 22:28:03:846 262478 02 104<\/p>\n<p>http:\/\/www.google.com\/search?hl=fr&amp;q=site+page+frames+document+complete+event+internet+explorer+&amp;lr= 081 site page frames document complete event internet explorer &#8211; Recherche Google 00<\/p>\n<p>00-0A-CD-01-C6-69 D\u00fcl\u00a5\u00a2g 05\/05\/2008 22:28:07:201 262478 01 047 http:\/\/www.w3schools.com\/jsref\/jsref_events.asp<\/p>\n<p>00-0A-CD-01-C6-69 D\u00fcl\u00a5\u00a2g 05\/05\/2008 22:28:14:201 393618 03<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Figure 12. Extrait d\u2019un fichier log<\/p>\n<h2><span class=\"ez-toc-section\" id=\"44_Pretraitement\"><\/span>4.4 Pr\u00e9traitement<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>L\u2019exp\u00e9rience et l\u2019exploration que nous avons men\u00e9es, par des examens manuels, mais aussi avec les algorithmes \u00e9crits sur les logs collect\u00e9s nous ont montr\u00e9s que ces derniers n\u00e9cessitent une s\u00e9rie d\u2019op\u00e9rations s\u00e9rieuses de pr\u00e9paration, et le fait de choisir une approche de collecte de traces cot\u00e9 client n\u2019\u00e9limine pas cette phase primordiale.<\/p>\n<p><a href=\"https:\/\/wikimemoires.net\/wp-content\/uploads\/2013\/05\/image012-1.jpg\"><img loading=\"lazy\" decoding=\"async\" class=\"alignnone size-medium\" src=\"https:\/\/wikimemoires.net\/wp-content\/uploads\/2013\/05\/image012-1.jpg\" width=\"732\" height=\"456\" alt=\"\" title=\"\"><\/a><\/p>\n<p>Figure 13. L\u2019interface de l\u2019application de pr\u00e9traitement<\/p>\n<p>Si la question de l\u2019identification des usagers est r\u00e9solue, et la pr\u00e9cision dans le tra\u00e7age des actions est assur\u00e9e dans l\u2019approche adopt\u00e9e, d\u2019autres anomalies ont \u00e9t\u00e9 relev\u00e9es pour lesquelles nous avons pu identifier les sources et avons tent\u00e9 d\u2019apporter des solutions d\u00e9finitives pour la majorit\u00e9 d\u2019entre elles, mais que partielles pour d\u2019autres. A cet effet, une application de pr\u00e9traitement a \u00e9t\u00e9 con\u00e7ue int\u00e9grant un ensemble de modules permettant de r\u00e9soudre et d\u2019adapter les logs bruts recueillis. Les diff\u00e9rentes \u00e9tapes de pr\u00e9paration sont d\u00e9crites dans les points suivants.<\/p>\n<p><strong>4.4.1 Nettoyage<\/strong><\/p>\n<p>Le nettoyage \u00e0 pour but de r\u00e9duire la taille du log \u00e0 fouiller en \u00e9liminant les items estim\u00e9s inutiles. Ci-dessous les diff\u00e9rentes op\u00e9rations effectu\u00e9es.<\/p>\n<h4><span class=\"ez-toc-section\" id=\"4411_Fusion_et_export_vers_une_base_de_donnees\"><\/span>4.4.1.1 Fusion et export vers une base de donn\u00e9es<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p>Afin de faciliter les diff\u00e9rentes op\u00e9rations de manipulation des logs bruts, ces derniers sont d\u2019abord fusionn\u00e9s puis export\u00e9s vers une table de base de donn\u00e9es ayant la m\u00eame structure d\u00e9crite dans 4.3.3.<\/p>\n<p>Dans la version actuelle, nous nous sommes content\u00e9 d\u2019un ramassage manuel des logs issues des diff\u00e9rents utilisateurs, ceci peut constituer un inconv\u00e9nient, cependant une solution plus int\u00e9ressante qui n\u2019a pas \u00e9t\u00e9 impl\u00e9ment\u00e9e, faute de temps et de support sur le web, sera propos\u00e9e en perspectives, elle est bas\u00e9e sur l\u2019utilisation de la connexion Internet dans le transfert des logs vers un serveur d\u00e9di\u00e9.<\/p>\n<p>Etant donn\u00e9 que l\u2019objectif de la phase de pr\u00e9paration est d\u2019obtenir, \u00e0 partir des logs bruts, des informations plus significatives, un ensemble de tables sont donc d\u00e9riv\u00e9es de ces logs au moment du chargement, puis lors de la phase de sessionisation. Le sch\u00e9ma de la base de donn\u00e9es d\u00e9riv\u00e9e est illustr\u00e9 dans la figure suivante. Ils y sont montr\u00e9s que les rubriques de bases.<\/p>\n<p><a href=\"https:\/\/wikimemoires.net\/wp-content\/uploads\/2013\/05\/image013-1.png\"><img loading=\"lazy\" decoding=\"async\" class=\"alignnone size-full wp-image-24376\" title=\"Mod\u00e8le de la base de donn\u00e9es utilis\u00e9e dans S2WC2\" src=\"https:\/\/wikimemoires.net\/wp-content\/uploads\/2013\/05\/image013-1.png\" alt=\"Mod\u00e8le de la base de donn\u00e9es utilis\u00e9e dans S2WC2\" width=\"502\" height=\"661\" srcset=\"https:\/\/wikimemoires.net\/wp-content\/uploads\/2013\/05\/image013-1.png 502w, https:\/\/wikimemoires.net\/wp-content\/uploads\/2013\/05\/image013-1-228x300.png 228w\" sizes=\"(max-width: 502px) 100vw, 502px\" \/><\/a><\/p>\n<p>Figure 14. Mod\u00e8le de la base de donn\u00e9es utilis\u00e9e dans S2WC2<\/p>\n<p>L\u2019algorithme de cette l\u2019\u00e9tape de fusion et de chargement en table de base de donn\u00e9es est le suivant.<\/p>\n<table border=\"1\">\n<tbody>\n<tr>\n<td>Ent\u00e9e : logs bruts des diff\u00e9rents utilisateurs<\/p>\n<p>Sortie : logs fusionn\u00e9s et transcrits en table de base de donn\u00e9es<\/p>\n<p>debut<\/p>\n<p>Initialiser toutes les Tables ;<\/p>\n<p>Pour chaque fichier log nomm\u00e9 FLogi Faire Exporter_Log(FLogi) ;<\/p>\n<p>\/\/&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;&#8212;-<\/p>\n<p>Proc\u00e9dure Exporter_Log ; Entree : log textuel<\/p>\n<p>Sortie : log en table de base de donn\u00e9es<\/p>\n<p>Tant que Non Fin_de_fichier (Flog) faire<\/p>\n<p>Lire_Ligne(FLog,Line) ; MAC(Line,_MAC) ; \/\/ retourne l\u2019@ MAC LOGIN(Line,_LOGIN) ; \/\/ retourne le Login<\/p>\n<p>\u2026. \/\/ extraire la suite des rubriques<\/p>\n<p>Si le Couple (_MAC, _LOGIN) inexistant dans la Table_Users alors<\/p>\n<p>D\u00e9clarer_NEW_Utilisateur ;<\/p>\n<p>Si _URL inexistante dans la table_URLS alors D\u00e9clarer_NEW_URL ; Inserer la ligne dans la table LOG ;<\/p>\n<p>Fin Tant que<\/p>\n<p>Fin de Exporter_Log ;<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>9. Fusion et export vers une table de BDD<\/p>\n<p>4.4.1.2 Traitement des urls<\/p>\n<p>L\u2019URL (Uniforme Ressource Locator) est un format de nommage universel pour d\u00e9signer une ressource sur Internet propos\u00e9 par Tim Berners-Lee. C\u2019est une cha\u00eene de caract\u00e8res ayant la syntaxe suivante :<\/p>\n<p>protocole : \/\/[user]@hote [: port]\/chemin\/fichier ?[arguments]#[section] O\u00f9 :<\/p>\n<ul>\n<li>* <em> protocole <\/em>: est le protocole \u00e0 appliquer tel que http, ftp, file\u2026<\/li>\n<li>* <em> user <\/em> : tr\u00e8s rarement renseign\u00e9, il d\u00e9signe le nom d\u2019un utilisateur, et son mot de passe<\/li>\n<li>* <em> hote <\/em>: est le nom ou l\u2019adresse IP de la machine ou le serveur cible<\/li>\n<li>* <em> port <\/em>: num\u00e9ro de port, optionnel (80 par d\u00e9faut)<\/li>\n<li>* <em> chemin <\/em>: chemin du fichier \u00e0 acqu\u00e9rir, si c\u2019est un r\u00e9pertoire le serveur ira chercher un fichier nomm\u00e9 index.html ou un de ses corr\u00e9lats<\/li>\n<li>* <em> fichier <\/em> : un nom de fichier pr\u00e9cis dans le r\u00e9pertoire, il peut \u00eatre statique, ou invoquant l\u2019ex\u00e9cution d\u2019une ou de plusieurs proc\u00e9dures sur le serveur<\/li>\n<li>* <em> arguments <\/em> : la pr\u00e9sence de cet \u00e9l\u00e9ment permet de passer des param\u00e8tres aux programmes ex\u00e9cut\u00e9s sur le serveur. La s\u00e9rie d\u2019argument est de la forme d\u2019affectations \u2018variable=valeur\u2019 s\u00e9par\u00e9es par le caract\u00e8re \u2018&amp;\u2019<\/li>\n<li>* <em> section <\/em>: r\u00e9f\u00e9rence, ou fragment est une ancre nominale qui identifier une section particuli\u00e8re dans un document HTML<\/li>\n<\/ul>\n<p>Dans la version actuelle de l\u2019application de pr\u00e9traitement, la prise en charge des URLs se limite, en plus bien entendu de conna\u00eetre leurs constituants et certaines formes d\u2019\u00e9quivalence d\u2019url, \u00e0 s\u00e9parer pour les pages dynamiques les param\u00e8tres du reste de l\u2019url. Cela permettrait de pister les usagers visitant les m\u00eames pages dans des domaines similaires quelque soit les donn\u00e9es sp\u00e9cifiques \u00e9chang\u00e9es.<\/p>\n<p>Mise \u00e0 part les requ\u00eates de recherche d\u2019information, dont les param\u00e8tres repr\u00e9sentent les mots cl\u00e9s du sujet vis\u00e9, conjugu\u00e9s ou non avec des op\u00e9rateurs du langage de requ\u00eates utilis\u00e9, ce choix trouve sa justification pour les autres formes d\u2019urls dont la signification des param\u00e8tres, souvent num\u00e9riques, n\u2019a de sens que pour le concepteur du site.<\/p>\n<p>Ceci dit, l\u2019ensemble des urls visit\u00e9s, auxquelles les param\u00e8tres sont retranch\u00e9s et stock\u00e9s d\u2019une table a part, sont consign\u00e9es avec une codification num\u00e9rique dans la table des URL. Notons que le module impl\u00e9ment\u00e9 prend exclusivement les urls avec param\u00e8tres signal\u00e9s par le caract\u00e8re \u2018 ?\u2019 seulement.<\/p>\n<table border=\"1\">\n<tbody>\n<tr>\n<td>procedure Formatter_URL(url:string; var protocole,domaine,niv1,niv2,param1,param2,param3,param4,extension: String);<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>10. Signature de la proc\u00e9dure de formatage des urls<\/p>\n<h4><span class=\"ez-toc-section\" id=\"4413_Filtrage_des_items_inutiles\"><\/span>4.4.1.3 Filtrage des items inutiles<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p>Pour des contraintes qui nous \u00e9chappent, li\u00e9es \u00e0 la coop\u00e9ration et les relations humaines et aussi \u00e0 la disponibilit\u00e9 et bien que le nombre d\u2019utilisateurs ayant accept\u00e9 de participer \u00e0 l\u2019exp\u00e9rimentation, qui n\u2019a dur\u00e9e que quelques jours, est faible, le nombre d\u2019entr\u00e9es du fichier log a atteint un chiffre \u00e9norme, ceci compliquerait les algorithmes pr\u00e9vus \u00e0 leur traitement.<\/p>\n<p>De plus, nous avons constat\u00e9 qu\u2019une grande partie de ces entr\u00e9es ne se rapportent pas forcement \u00e0 des actions explicites des utilisateurs, ou sont le r\u00e9sultat d\u2019une situation d\u2019incoh\u00e9rence dans le fonctionnement du syst\u00e8me de l\u2019usager. A cet effet, des modules ont \u00e9t\u00e9 \u00e9crits afin d\u2019identifier, puis d\u2019\u00e9liminer ces entr\u00e9es. Les principales sources d\u2019incoh\u00e9rences, \u00e0 notre point de vue, sont ci-dessous expliqu\u00e9es :<\/p>\n<ol>\n<li>1. <strong> les adresses MAC invalides <\/strong> : dans la fonction de d\u00e9tection d\u2019adresses MAC, une constante mat\u00e9rialis\u00e9e par la valeur &rsquo;00-00-00-00-00-00&prime; est retourn\u00e9e en cas d\u2019absence de connexion, ou si des erreurs de communications, avec la carte r\u00e9seau, sont renvoy\u00e9es.<\/li>\n<li>Une partie non n\u00e9gligeable d\u2019entr\u00e9es du log ont \u00e9t\u00e9 trouv\u00e9 avec la constante d\u2019erreur ci-dessus. Ces entr\u00e9es correspondent donc aux usagers continuant \u00e0 surfer en la pr\u00e9sence de cette situation d\u2019erreur qu\u2019ils l\u2019ont ignor\u00e9 par m\u00e9connaissance.<\/li>\n<li>2. <strong> les urls non cibl\u00e9es <\/strong> : pour fins de r\u00e9duction de donn\u00e9es et simplification de l\u2019\u00e9tude, un choix a \u00e9t\u00e9 fix\u00e9 au d\u00e9part consistant a ne tracer que les requ\u00eates pour le protocole http ou sa version s\u00e9curis\u00e9e https, et le protocole ftp. Nous filtrons donc toute entr\u00e9e dont l\u2019url ne respecte pas ces deux protocoles.<\/li>\n<li>3. <strong> les requ\u00eates provenant des frames <\/strong>: les pages avec frames sont l\u2019une des sources d\u2019incoh\u00e9rence les plus difficile \u00e0 r\u00e9soudre. Cette question sera discut\u00e9e dans le point suivant.<\/li>\n<li>4. <strong> les requ\u00eates vers les ressources locales <\/strong> : l\u2019une des caract\u00e9ristiques des BHO est leur capacit\u00e9 de tracer non seulement les \u00e9v\u00e8nements d\u2019IE, mais aussi ceux li\u00e9s \u00e0 l\u2019explorateur windows (Roberts, 1999). Un premier niveau de filtrage des \u00e9v\u00e8nements de l\u2019explorateur de windows est assur\u00e9 donc dans l\u2019outil de collecte de traces lui-m\u00eame, en n\u2019autorisant le recueil de traces que si l\u2019application cliente du BHO est le navigateur (nom de l\u2019ex\u00e9cutable iexplore.exe). Par ailleurs, notre objectif est l\u2019\u00e9tude de l\u2019usage du web, les navigations effectu\u00e9es offline, ou vers des pages stock\u00e9es sur le disque local ne sont pas prise en consid\u00e9ration.<\/li>\n<li>5. <strong> les items \u00e0 jeux de caract\u00e8res non latins <\/strong> : dans le fichier log textuel, les pages des sites \u00e0 jeux de caract\u00e8res non latin sont consign\u00e9es dans le format texte standard avec des caract\u00e8res illisibles, c\u2019est le cas par exemple des sites en arabes, en chinois\u2026etc. Ces items ont \u00e9t\u00e9 malgr\u00e9 cela conserv\u00e9s dans le log et exploit\u00e9s en termes de pages visit\u00e9es et la temporalit\u00e9 de cet usage.<\/li>\n<li>6. <strong> les items orphelins <\/strong>: les items orphelins sont des entr\u00e9es du fichier log qui avant ou apr\u00e8s les diff\u00e9rentes op\u00e9rations de nettoyage se trouvent isol\u00e9es. Il peut s\u2019agir de requ\u00eates seules pour une des fen\u00eatres d\u2019une navigation, d\u2019\u00e9v\u00e8nements de fermeture (code 03) de fen\u00eatre d\u00e9laiss\u00e9s, ou d\u2019\u00e9v\u00e8nements quelconques (de type 01,02 ou 03) relatifs \u00e0 des fen\u00eatres termin\u00e9es ou inexistantes lors d\u2019une session.<\/li>\n<\/ol>\n<p>L\u2019algorithme suivant permet de supprimer les entr\u00e9es ayant des adresses MAC invalides, des urls inutiles, ou les requ\u00eates vers les pages locales. Les items pour frames et orphelins seront trait\u00e9s dans les algorithmes suivants.<\/p>\n<table border=\"1\">\n<tbody>\n<tr>\n<td>Procedure nettoyage Entr\u00e9e : log brut Sortie : log nettoy\u00e9 debut<\/p>\n<p>Ouvrir la table Log ;<\/p>\n<p>Tant que non Log.EOF faire<\/p>\n<p>Debut<\/p>\n<p>Log.Lire (item) ;<\/p>\n<p>Si MAC(item)=MAC_Invalide ou URL(item) est locale ou<\/p>\n<p>Protocole(item) non dans (http,https,ftp) alors<\/p>\n<p>Marquer_Item_Pour_Effacement fsi ;<\/p>\n<p>Fin Tant que ; Fin de nettoyage<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>11. Suppression d\u2019items inutiles<\/p>\n<h4><span class=\"ez-toc-section\" id=\"4414_Question_des_pages_avec_frames\"><\/span>4.4.1.4 Question des pages avec frames<span class=\"ez-toc-section-end\"><\/span><\/h4>\n<p>Une page \u00e0 frames est une page (dite frameset) constitu\u00e9e de plusieurs autres pages ou cadres (qui peuvent \u00e0 leurs tours contenir r\u00e9cursivement des frames) affich\u00e9es par le navigateur quand cette page est demand\u00e9e. Ce m\u00e9canisme est une autre source qui est \u00e0 l\u2019origine du bruit introduit sur les donn\u00e9es collect\u00e9es. Si la page contient n frames, alors \u00e0 une requ\u00eate (\u00e9v\u00e8nement 01) vers l\u2019url de cette page, le navigateur \u00e9met n+1 autre requ\u00eate, une pour chaque sous-page, et une derni\u00e8re pour le top page.<\/p>\n<p>De plus, et selon la documentation de Microsoft (Roberts, 1999), l\u2019\u00e9v\u00e8nement DocumentComplete est d\u00e9clench\u00e9 une seule fois, si la page ne contient pas de frames. En revanche, il est d\u00e9clench\u00e9 plusieurs fois en cas de pages incluant des frames. Plus compliqu\u00e9 encore, ce dernier \u00e9v\u00e9nement n\u2019est pas d\u00e9clench\u00e9 par chaque frame, mais il est lanc\u00e9 par tout frame entra\u00eenant auparavant un \u00e9v\u00e8nement DownloadBegin (Cf. annexe 2). Il est enfin, d\u00e9clench\u00e9 toujours par la top page, une fois toutes les sous pages concern\u00e9es l\u2019ont d\u00e9clench\u00e9.<\/p>\n<p>Ce probl\u00e8me constitue un vrai casse-t\u00eate et demeure \u00e0 l\u2019heure actuelle pos\u00e9. (Beauvisage, 2004) constatait en page 68 : \u00ab ce probl\u00e8me est \u00e0 ce jour quasiment impossible \u00e0 r\u00e9gler de mani\u00e8re satisfaisante sur la base de donnes de trafic : ni l\u2019exploitation du champ Referer dans les ent\u00eates http, qui renseigne l\u2019url \u00e0 l\u2019origine des requ\u00eates, ni la d\u00e9tection des rafales de requ\u00eates ne permettent de distinguer syst\u00e9matiquement si les requ\u00eates correspondent \u00e0 des pages ou des composants de pages\u00bb.<\/p>\n<p>A titre de contribution, et afin d\u2019apporter une solution a ce probl\u00e8me, nous avons d\u2019abord pr\u00e9vu de d\u00e9tecter dans l\u2019outil d\u2019acquisition de traces les pages avec frames, et de r\u00e9cup\u00e9rer en outre le nombre de frames pour chaque page de ce type. Ceci a \u00e9t\u00e9 r\u00e9alis\u00e9 par l\u2019acc\u00e8s \u00e0 la propri\u00e9t\u00e9 frames de l\u2019objet Document de la page une fois celle-ci est compl\u00e8tement t\u00e9l\u00e9charg\u00e9e.<\/p>\n<table border=\"1\">\n<tbody>\n<tr>\n<td>\/\/&#8212;&#8212;&#8212; extrait de la m\u00e9thode invoke du BHO &#8212;&#8212;&#8212;&#8212;&#8212;&#8212;<\/p>\n<p>Entr\u00e9e : \u00e9v\u00e8nements d\u2019IE, avec autres param\u00e8tres<\/p>\n<p>Sortie : log brut, avec pour les page \u00e0 frames le nombre de frames<\/p>\n<p>\/\/ lorsque la page est compl\u00e8tement t\u00e9l\u00e9charg\u00e9e on la trace et on<\/p>\n<p>\/\/ r\u00e9cup\u00e8re le titre et le nombre de frames s&rsquo;il y on a<\/p>\n<p>\u2026.<\/p>\n<p>DISPID_DOCUMENTCOMPLETE: begin url:=TDispParams(Params).rgvarg[0].pvarVal^; Doc:=FWebBrowser.document;<\/p>\n<p>Titre:=Doc.title; \/\/ le titre de la page<\/p>\n<p>Frames:=Doc.frames.length; \/\/ nombre de frames s&rsquo;ils existent<\/p>\n<p>\u2026<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>12. R\u00e9cup\u00e9ration du nombre de frames pour un frameset<\/p>\n<p>En prenant en compte les m\u00e9canismes de chargement des framesets, l\u2019algorithme suivant est propos\u00e9 afin de supprimer tous les \u00e9v\u00e8nements (de type 01, et 02) se rapportant aux frames.<\/p>\n<table border=\"1\">\n<tbody>\n<tr>\n<td>Procedure nettoyage_\u00e9v\u00e8nements_frames<\/p>\n<p>Entr\u00e9e : log brut ;<\/p>\n<p>Sortie : log sans \u00e9v\u00e8nements pour frames<\/p>\n<p>debut<\/p>\n<p>Ouvrir la table LOG ;<\/p>\n<p>Pour chaque utilisateur Ui(Maci,Logini) faire<\/p>\n<p>Trier LOG par id_fenetre, puis par ordre chronologique inverse ; Appliquer un filtre \u00e0 LOG pour les entr\u00e9es de Ui ;<\/p>\n<p>Tant que non LOG.BOF faire<\/p>\n<p>Item entr\u00e9e courante ;<\/p>\n<p>\/\/R\u00e9cup\u00e9rer le type d\u2019\u00e9v\u00e8nement,l\u2019id de la fenetre,l\u2019url,et le<\/p>\n<p>\/\/nbre de frames resp. dans les variables e1,f1,u1, et j ;<\/p>\n<p>e1 Ev\u00e8nement(Item) ; f1 Id_Fenetre(Item) ; u1 Url(Item) ;<\/p>\n<p>j Nbre_Frames(Item) ;<\/p>\n<p>si e1=2 et j&gt;0 alors \/\/ cas d\u20191 frameset<\/p>\n<p>R\u00e9p\u00e9ter<\/p>\n<p>Item LOG.pr\u00e9c\u00e9dent ;<\/p>\n<p>\/\/R\u00e9cup\u00e9rer le type d\u2019\u00e9v\u00e8nement, l\u2019id de la fenetre, et l\u2019url<\/p>\n<p>\/\/respectivement dans les variables e2,f2, et u2 ;<\/p>\n<p>e2 Ev\u00e8nement (Item) ; f2 Id_Fenetre(Item) ; u2 Url(Item) ;<\/p>\n<p>Marquer l\u2019entr\u00e9e_pour_effacement ;<\/p>\n<p>Si e2=1 alors j&#8211; ;<\/p>\n<p>Jusqu\u00e0 ((e2=1) et (u2=u1)) ou (j=0) ou (f2&lt;&gt;f1) ou Log.Bof; Item LOG.pr\u00e9c\u00e9dent ;<\/p>\n<p>Fin tant que ;<\/p>\n<p>Annuler le filtre \u00e0 LOG ;<\/p>\n<p>Continuer pour le reste des utilisateurs ; Fin de nettoyage_\u00e9v\u00e8nements_frames<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>13. Suppression des \u00e9v\u00e8nements dus aux frames.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>S2WC2, un Framework pour la Segmentation de Sessions Web Cot\u00e9 Client Chapitre 4 &#8211; S2WC2, un Framework pour la Segmentation de Sessions Web Cot\u00e9 Client 4.1 Introduction Apr\u00e8s avoir explor\u00e9 les sujets de l\u2019extraction de connaissances et de la fouille du web et pr\u00e9sent\u00e9 l\u2019\u00e9tat de l\u2019art sur le web [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":24377,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_uag_custom_page_level_css":"","site-sidebar-layout":"default","site-content-layout":"default","ast-site-content-layout":"","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","theme-transparent-header-meta":"default","adv-header-id-meta":"","stick-header-meta":"default","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""}},"footnotes":""},"categories":[16],"tags":[199],"acf":[],"uagb_featured_image_src":{"full":["https:\/\/wikimemoires.net\/wp-content\/uploads\/2013\/05\/image011-1.jpg",466,665,false],"thumbnail":["https:\/\/wikimemoires.net\/wp-content\/uploads\/2013\/05\/image011-1-150x150.jpg",150,150,true],"medium":["https:\/\/wikimemoires.net\/wp-content\/uploads\/2013\/05\/image011-1-210x300.jpg",210,300,true],"medium_large":["https:\/\/wikimemoires.net\/wp-content\/uploads\/2013\/05\/image011-1.jpg",466,665,false],"large":["https:\/\/wikimemoires.net\/wp-content\/uploads\/2013\/05\/image011-1.jpg",466,665,false],"1536x1536":["https:\/\/wikimemoires.net\/wp-content\/uploads\/2013\/05\/image011-1.jpg",466,665,false],"2048x2048":["https:\/\/wikimemoires.net\/wp-content\/uploads\/2013\/05\/image011-1.jpg",466,665,false]},"uagb_author_info":{"display_name":"WikiMemoires","author_link":"https:\/\/wikimemoires.net\/author\/wikieradmin\/"},"uagb_comment_info":0,"uagb_excerpt":"S2WC2, un Framework pour la Segmentation de Sessions Web Cot\u00e9 Client Chapitre 4 &#8211; S2WC2, un Framework pour la Segmentation de Sessions Web Cot\u00e9 Client 4.1 Introduction Apr\u00e8s avoir explor\u00e9 les sujets de l\u2019extraction de connaissances et de la fouille du web et pr\u00e9sent\u00e9 l\u2019\u00e9tat de l\u2019art sur le web [&hellip;]","_links":{"self":[{"href":"https:\/\/wikimemoires.net\/wp-json\/wp\/v2\/posts\/24325"}],"collection":[{"href":"https:\/\/wikimemoires.net\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/wikimemoires.net\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/wikimemoires.net\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/wikimemoires.net\/wp-json\/wp\/v2\/comments?post=24325"}],"version-history":[{"count":0,"href":"https:\/\/wikimemoires.net\/wp-json\/wp\/v2\/posts\/24325\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/wikimemoires.net\/wp-json\/wp\/v2\/media\/24377"}],"wp:attachment":[{"href":"https:\/\/wikimemoires.net\/wp-json\/wp\/v2\/media?parent=24325"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/wikimemoires.net\/wp-json\/wp\/v2\/categories?post=24325"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/wikimemoires.net\/wp-json\/wp\/v2\/tags?post=24325"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}