This thesis is focused on the distributed Big Data processing on the Java platform, together with graph databases. It analyses several graph database distributions and the possibilities to connect them to the Apache Hadoop system for distributed data processing. For the purpose of testing database solutions effectiveness, the thesis outcome is an application, which is downloading data from social networks Twitter and Facebook. It is able to write and analyse data with two different database frameworks which are Halyard and HGraphDB.

The purpose of this thesis is to perform an analysis of approaches to querying chemical databases and to validate or invalidate its results. Currently, there exists no work which would compare the performance and memory usage of the best performing approaches on the same data set. In this thesis, we address this lack of information and we create an un-biased benchmark of the most popular index building methods for subgraph querying of chemical databases. Also, we compare the results of such benchmark with the performance results of an SQL and a graph database. 1

No description available.

Traditional relational databases store data in tabular form and have existed for several decades. The new requirements for data such as high availability and scalability have led to an increase in NoSQL databases in popularity. NoSQL databases meet these requirements as they use other methods for handling and storing data, for example document databases and graph databases are two of these variants. This study examined the difference in performance between the SQL Server 19 relational database and the Neo4j graph database. An experiment with the hypothesis: "Graph databases have faster response times compared to relational databases when retrieving the shortest route between two specified locations" was performed by executing a function on a dataset provided by the study's partner the Swedish Transport Administration. The data set represents Sweden's railway network and consists of 1320 places and 2788 associated connections. The function searched for the shortest route between two locations for four selected sections in each database architecture. The observed and analyzed response times show that Neo4j has an average response time that is 50 times faster than SQL Server 19, which verifies the hypothesis. The response times from the two databases were also tested with a Wilcoxon test which showed that the median response times differ from each other at a 1 % significance level. In addition, the results show that the average response time for SQL Server 19 will increase more than Neo4j as more sites and connections become involved in the search. Relational databases have slower response times than graph databases as they use join statements to find current relationships between its tables, which means that they must search all the data to find the shortest path between two places. Unlike relational databases, graph databases only use relationships directly connected to the current node where the algorithm is located, which means that response times are shorter. / Traditionella relationsdatabaser lagrar data i tabellform och har existerat i flera årtionden. De nya kraven på data som hög tillgänglighet samt skalbarhet har gjort att NoSQL databaser ökat i popularitet. NoSQL databaser tillgodoser dessa krav då de använder andra sätt för hantering och lagring av data, exempelvis är dokument-databaser samt grafdatabaser två av dessa varianter. I denna studie undersöktes skillnaden i prestanda mellan relationsdatabasen SQL Server 19 och grafdatabasen Neo4j. Ett experiment med hypotesen: “Grafdatabaser har snabbare svarstider i jämförelse mot relationsdatabaser vid hämtning av kortaste vägen mellan två angivna platser” genomfördes genom att exekvera en funktion på ett dataset som tillhandahållits av studiens samarbetspartner Trafikverket. Datasetet representerar Sveriges järnvägsnätverk och består av 1320 platser och 2788 tillhörande förbindelser. Funktionen sökte efter den kortaste vägen mellan två platser för fyra utvalda sträckor i varje databasarkitektur. De observerade och analyserade svarstiderna visar att Neo4j har en genomsnittlig svarstid som är 50gånger snabbare än SQL Server 19 vilket verifierar hypotesen. Svarstiderna från de två databaserna testades även med ett Wilcoxon-test som visade att svarstidernas median skiljer sig från varandra påen 1 % signifikansnivå. Därtill visar resultatet att den genomsnittliga svarstiden för SQL Server 19 kommer att öka mer än Neo4j då fler platser och förbindelser blir involverade i sökningen. Relationsdatabaser har långsammare svarstider än grafdatabaser då de använder join-satser för att hitta aktuella relationer mellan dess tabeller vilket gör att de måste söka igenom all data för att hitta kortaste vägen mellan två platser. Till skillnad från relationsdatabaser använder grafdatabaser endast relationer direkt anslutna till den nuvarande noden där algoritmen befinner sig vilket gör att svarstiderna blir mindre.

I dagens samhälle är energieffektivisering en viktig parameter när man pratar om hållbar-het. Många fastigheter saknar tekniska lösningar för att effektivt övervaka och hantera en-ergiförbrukning. För att möta detta behov strävar företag som iquest efter att digitalisera och automatisera energiövervakning. Iquest har i nuläget problem med ineffektivitet och dödläge vid uppladdning av stora datamängder i deras nuvarande grafdatabas. Genom en noggrann utvärdering har examensarbetet identifierat lämpliga alternativ för iquest att överväga.Under undersökningen presenterades grafdatabaserna Neo4j, Stardog, Allegrograph, Ama-zon Neptune, GraphDB, BlazingGraph och OrientDB. Baserat på grafdatabasernas egen-skaper och funktioner kunde det konstateras att Neo4j, Stardog, Allegrograph, Amazon Neptune och GraphDB uppfyllde kraven som ställdes för en lämplig grafdatabas.Implementeringen av grafdatabaserna begränsades av tidsbegränsningar och endast Neo4j, Stardog, Allegrograph och GraphDB kunde implementeras och genomgå tester. Trots att testerna utfördes med reducerade datamängder och gratisversionen av data-baserna, visade resultaten att två av de implementerade databaserna klarade alla testerna. / In today's society, energy efficiency is an important parameter when discussing sustaina-bility. Many buildings lack technical solutions to effectively monitor and manage energy consumption. To address this need, companies like iquest strive to digitize and automate energy monitoring. Currently, iquest faces issues of inefficiency and bottlenecks when up-loading large amounts of data into their current graph database. Through a thorough eval-uation, the thesis project has identified suitable alternatives for iquest to consider.During the investigation, the graph databases Neo4j, Stardog, Allegrograph, Amazon Nep-tune, GraphDB, BlazingGraph, and OrientDB were presented. Based on the characteristics and features of these graph databases, it was determined that Neo4j, Stardog, Allegro-graph, Amazon Neptune, and GraphDB meet the requirements for a suitable graph data-base.The implementation of the graph databases was limited by time constraints, and only Neo4j, Stardog, Allegrograph, and GraphDB could be implemented and subjected to test-ing. Despite conducting tests with reduced data volumes and using the free versions of the databases, the results showed that two of the implemented databases successfully passed all the tests.

Organized cybercrime has no borders in cyberspace. This paper suggests a state-of-the-art architected solution for a global Automated cross-border mutual legal assistance system within Digital Forensic (AUTOMLA). The Enterprise framework with technical viewpoint enables international collaboration between sovereign countries Fusion Centers. The evaluation concludes a user interface built in React, middleware Apollo with schema support linked to graph database Neo4j. GraphQL is the preferred application protocol over REST. Fusion Centers API is deployed as federated gateways, and business functions are implemented as PaaS serverless services.  Its intuitive modeling Forensics in graphs, semantic networks enables causality and inference. All suggested elements in AUTOMLA are forming an internationally agreed collaborative platform; the solution for fast cross-border crime investigations. AUTOMLA deployed on the Internet is a subject for threats. Risks are mitigated in design guided by security frameworks. The recommended development method is agile, distributed in between autonomous teams.

Bakgrund Trafikverket är ansvarig förvaltare över Sveriges järnvägar. De hanterar den långsiktiga infrastrukturen samt byggandet och driften av järnvägarna. För att visualisera och hantera dessa järnvägar digitalt använder sig Trafikverket av ett system kallat Baninformationssystemet (BIS). Järnvägsnätet hanteras på två olika nivåer, makronivå och mikronivå. Makronivån visar driftplatser med dess kopplingar emellan dem och är den enklaste nivån av nätverket. Mikronivån är betydligt mer detaljerad och visar alla objekt och kopplingar som finns på en driftplats. Syfte Målet med studien är att implementera ett transportnätverk i form av en järnväg i en grafdatabas på mikronivå. I studien undersöks metoder för att hantera svängningsrestriktioner på transportnätverket. Utöver detta utför studien en rad kortaste vägen-sökningar för att validera transportnätverket. Metod Studien använder sig av forskningsstrategin design and creation där en IT-artefakt skapas. En litteraturundersökning görs för att finna tidigare forskning som kan hjälpa utvecklingen av IT-artefakten samt besvara forskningsfrågorna. Systematiska observationer utförs för att validera IT-artefakten, i form av kortaste vägen-sökningar som jämförs med samma sökning i Trafikverkets system BIS. Resultat Studien har resulterat i en implementation av ett transportnätverk med svängningsrestriktioner på mikronivå i en grafdatabas. En lösning i Neo4j vid namn Neomap används för visualisering och testning av transportnätverket. Studien presenterar också en jämförelse mellan Trafikverkets system BIS och studiens transportnätverk. Slutsatser Jämförelsen visar att den alternativa graf som föreslagits har implementerats som ett korrekt transportnätverk på mikronivå. Transportnätverket hanterar de flesta av de svängningsrestriktioner som Trafikverket använder då den använda data var begränsad. Neomap användes för både felsökning och validering av transportnätverket och visar att sökningarna från Neo4j är nästan identiska med BIS. / Background The Swedish Transport Administration is the responsible manager of Sweden’s railways. They handle the long-term infrastructure as well as the construction and operation of the railways. To visualize and manage these railways digitally, the Swedish Transport Administration uses a system called Baninformationssystemet (BIS). The railway network is managed at two different levels, macro-level and micro-level. The macro-level only shows operating sites with their connections between them and is the simplest level of the network. The micro-level is significantly more detailed showing all objects and connections located at an operating site. Aim The aim of the study is to implement a transportation network in the form of a railway in a graph database at micro-level. The study examines methods for managing turning restrictions on the transportation network. In addition, the study performs a series of shortest path searches to validate the transportation network. Method The study uses the research strategy design and creation where an IT artifact is created. A literature review is done to find previous research that can help the development of the IT artifact and answer the research questions. Systematic observations are performed to validate the IT artifact by doing various shortest road searches that are compared with the same searches in the Swedish Transport Administration’s system. Results The study has resulted in the implementation of a transportation network with turning restrictions on a micro-level in a graph database. A solution in Neo4j called Neomap is used for visualization and testing of the transportation network. A comparison is presented where the study’s transportation network was compared with the Swedish Transport Administration’s system BIS. Conclusions The comparison shows that the alternative graph proposed has been implemented as a correct transportation network on a micro-level. The transportation network handles most of the turning restrictions that Trafikverket uses due to limited data. Neomap is used for both troubleshooting and validation of the transportation network and shows that the searches from Neo4j are almost identical to the searches from BIS.

A popular belief in the graph database community is that relational database management systems are generally ill-suited for efficient graph processing. This might apply for analytic graph queries performing iterative computations on the graph, but does not necessarily hold true for short-running, OLTP-style graph queries. In this paper we argue that, instead of extending a graph database management system with traditional relational operators—predicate evaluation, sorting, grouping, and aggregations among others—one should consider adding a graph abstraction and graph-specific operations, such as graph traversals and pattern matching, to relational database management systems. We use an exemplary query from the interactive query workload of the LDBC social network benchmark and run it against our enhanced in-memory, columnar relational database system to support our claims. Our performance measurements indicate that a columnar RDBMS—extended by graph-specific operators and data structures—can serve as a foundation for high-speed graph processing on big memory machines with non-uniform memory access and a large number of available cores.

Finding the source of events in a network is a critical problem in network security, and this process is called network attribution. This thesis develops a system to attribute alerts from the cyber range of the Ethical Hacking Course at KTH to students. The cyber range is an essential component of the Ethical Hacking course. It provides a platform for students to practice their hacking knowledge and skills while recording their actions for research or course purposes. To use the alerts generated by the cyber range to study student behavior, it is necessary to find which student triggered the alert. In this thesis, the system uses a method based on a graph database to attribute alerts to students. The system designed in this thesis use the log data recorded by the cyber range to create nodes and relationships and use the data related to the traffic between hosts to attribute the traffic. After the attribution is complete, the system uses the attributed student traffic to reconstruct the path from the student to the host that captured the alert. If the path from the student to the host is successfully constructed, the attribution of the alert is considered successful. In the end, the system was able to attribute 94% of the student traffic. Using the student traffic that is successfully attributed, the system can attribute 79.75% of the bad-samba alerts to students and build the path from the student to the host. The system designed in this thesis is helpful for understanding and managing the students’ hacking behavior in the cyber range of the Ethical Hacking course. / Att hitta källan till händelser i ett nätverk är ett kritiskt problem inom nätverkssäkerhet och denna process kallas för nätverksattribuering. Denna avhandling utvecklar ett system för att attribuera varningar från cyberrummet i kursen Etisk Hacking på KTH till studenter. Cyberrummet är en viktig komponent i Etisk Hacking-kursen och det ger en plattform för studenter att öva på sina hackningskunskaper och färdigheter samtidigt som deras handlingar spelas in för forsknings- eller kursändamål. För att använda de varningar som genereras av cyberrummet för att studera studenters beteende är det nödvändigt att hitta vilken student som utlöste varningen. I denna avhandling använder systemet en metod baserad på en grafisk databas för att attribuera varningar till studenter. Vi använder loggdata som registreras av cyberrummet för att skapa noder och relationer och använder data relaterade till trafiken mellan värdar för att attribuera trafiken. Efter att attribueringen är klar använder systemet den attribuerade studenttrafiken för att återkonstruera vägen från studenten till värdet som fångade varningen. Om vägen från studenten till värdet framgångsrikt konstrueras anses attribueringen av varningen vara lyckad. I slutändan kunde systemet attribuera 94% av studenttrafiken. Genom att använda den studenttrafik som framgångsrikt attribueras kan systemet attribuera 79,75% av de dåliga-samba varningarna till studenter och bygga vägen från studenten till värdet. Systemet som designats i denna avhandling är till hjälp för att förstå och hantera studenters hackningsbeteende i cyberrummet i kursen Etisk Hacking.

Graph databases with the property graph model are used in multiple domains including social networks, biology, and data integration. They provide schema-flexible storage for data of a different degree of a structure and support complex, expressive queries such as subgraph isomorphism queries. The exibility and expressiveness of graph databases make it difficult for the users to express queries correctly and can lead to unexpected query results, e.g. empty results. Therefore, we propose a relaxation approach for subgraph isomorphism queries that is able to automatically rewrite a graph query, such that the rewritten query is similar to the original query and returns a non-empty result set. In detail, we present relaxation operations applicable to a query, cardinality estimation heuristics, and strategies for prioritizing graph query elements to be relaxed. To determine the similarity between the original query and its relaxed variants, we propose a novel cardinality-based graph edit distance. The feasibility of our approach is shown by using real-world queries from the DBpedia query log.