【摘要】：動態(tài)網(wǎng)絡(luò)覆蓋范圍十分廣泛,計算機網(wǎng)絡(luò)、社交網(wǎng)絡(luò)、交通網(wǎng)絡(luò)、分子結(jié)構(gòu)網(wǎng)絡(luò)等均可以利用動態(tài)網(wǎng)絡(luò)模型進行相關(guān)分析。動態(tài)網(wǎng)絡(luò)的特點在于其動態(tài)性,網(wǎng)絡(luò)結(jié)構(gòu)會隨網(wǎng)絡(luò)演化過程不斷發(fā)生變化,這些變化中可能存在我們不希望出現(xiàn)的異常變化。對動態(tài)網(wǎng)絡(luò)異常變化的檢測有助于我們及時發(fā)現(xiàn)網(wǎng)絡(luò)異常,了解網(wǎng)絡(luò)發(fā)展趨勢,在現(xiàn)實應(yīng)用中具有重要的意義。本文以動態(tài)網(wǎng)絡(luò)的拓撲結(jié)構(gòu)為研究對象,檢測動態(tài)網(wǎng)絡(luò)的趨勢性異常變化,突發(fā)性異常變化,并識別網(wǎng)絡(luò)中可能的異常鏈接行為。本文的主要工作如下:1.提出了一個面向動態(tài)網(wǎng)絡(luò)的異常結(jié)構(gòu)變化檢測研究框架,主要包括動態(tài)網(wǎng)絡(luò)特征提取,動態(tài)網(wǎng)絡(luò)趨勢性異常變化檢測,動態(tài)網(wǎng)絡(luò)突發(fā)性異常變化檢測和動態(tài)網(wǎng)絡(luò)異常鏈接檢測四個部分,該框架的提出為后續(xù)的研究奠定了基礎(chǔ)。2.網(wǎng)絡(luò)結(jié)構(gòu)的不顯著趨勢性異常變化是動態(tài)網(wǎng)絡(luò)異常變化的一種形式,不顯著趨勢性異常變化由于變化幅度較小所以難以被識別網(wǎng)絡(luò)突發(fā)性異常變化的方法發(fā)現(xiàn)。針對這一問題,本文利用統(tǒng)計學(xué)中數(shù)據(jù)趨勢性檢測的方法Cox-stuart test,結(jié)合可變滑動窗口策略進行數(shù)據(jù)劃分,設(shè)計了一個動態(tài)網(wǎng)絡(luò)趨勢性異常變化檢測模型。通過引入可變滑動窗口,本文的方法能夠更精確的識別網(wǎng)絡(luò)發(fā)生趨勢性異常變化的時間段。我們利用此方法在真實數(shù)據(jù)集上對動態(tài)網(wǎng)絡(luò)的趨勢性異常變化進行了檢測,檢測出的網(wǎng)絡(luò)異常變化時間與真實異常事件發(fā)生時間基本基本吻合,驗證了方法的有效性。3.動態(tài)網(wǎng)絡(luò)的突發(fā)性異常變化檢方法在實際應(yīng)用中更為廣泛,傳統(tǒng)的動態(tài)網(wǎng)絡(luò)突發(fā)性變化檢測方法主要基于網(wǎng)絡(luò)結(jié)構(gòu)特征,但面對大規(guī)模復(fù)雜的網(wǎng)絡(luò)數(shù)據(jù)時我們難以提取出準(zhǔn)確的網(wǎng)絡(luò)結(jié)構(gòu)特征。針對這一問題,本文提出了一種利用網(wǎng)絡(luò)表示學(xué)習(xí)進行動態(tài)網(wǎng)絡(luò)突發(fā)性異常變化檢測的方法,該方法將特征提取作為表示學(xué)習(xí)問題來自動化整個過程,通過分析經(jīng)過網(wǎng)絡(luò)表示學(xué)習(xí)處理后的節(jié)點在空間中的分布情況進行動態(tài)網(wǎng)絡(luò)突發(fā)性異常變化檢測。實驗結(jié)果表明經(jīng)過網(wǎng)絡(luò)表示學(xué)習(xí)處理后的網(wǎng)絡(luò)在結(jié)構(gòu)特征提取上的效果較原始網(wǎng)絡(luò)更為有效。4.動態(tài)網(wǎng)絡(luò)中的異常鏈接行為很可能是造成網(wǎng)絡(luò)異常變化的原因,對異常鏈接行為的直觀理解是本來不太可能發(fā)生鏈接關(guān)系的節(jié)點發(fā)生了鏈接關(guān)系。本文基于網(wǎng)絡(luò)表示學(xué)習(xí)方法設(shè)計了一個動態(tài)網(wǎng)絡(luò)異常鏈接行為檢測方法,利用經(jīng)過網(wǎng)絡(luò)表示學(xué)習(xí)后的節(jié)點間的相近程度描述節(jié)點間存在鏈接關(guān)系概率的大小,低概率的鏈接行為被檢測為異常鏈接行為。本文的方法能夠檢測當(dāng)前時間段異常鏈接占全部鏈接的比例并指出最有可能是異常鏈接的幾個鏈接行為。方法由于考慮了節(jié)點間更多、更深層的隱含關(guān)系,在真實數(shù)據(jù)集上的表現(xiàn)要優(yōu)于傳統(tǒng)方法。
【圖文】：

第二章 動態(tài)網(wǎng)絡(luò)異常結(jié)構(gòu)變化檢測框架接的概率，依據(jù)這個鏈接概率值，較大概率存在鏈接關(guān)系的節(jié)點在未來的時刻發(fā)生鏈接，們認為是正常鏈接行為。但如果很小概率發(fā)生鏈接關(guān)系的兩個節(jié)點發(fā)生了鏈接，我們認這樣的鏈接行為是異常的。因此，如何定義兩個節(jié)點可能存在鏈接的概率是解決此問題關(guān)鍵。.3 動態(tài)網(wǎng)絡(luò)異常結(jié)構(gòu)變化檢測框架針對上節(jié)提到的動態(tài)網(wǎng)絡(luò)異常結(jié)構(gòu)變化檢測研究中的關(guān)鍵問題，本節(jié)設(shè)計了一種面向態(tài)網(wǎng)絡(luò)的異常結(jié)構(gòu)變化檢測研究框架，該框架中介紹了動態(tài)網(wǎng)絡(luò)模型的構(gòu)建，動態(tài)網(wǎng)絡(luò)勢性異常變化檢測，動態(tài)網(wǎng)絡(luò)突發(fā)性異常變化檢測與異常鏈接檢測，如圖 2.1 所示。

第二章 動態(tài)網(wǎng)絡(luò)異常結(jié)構(gòu)變化檢測框架郵件的內(nèi)容一般也是不同的。個體本身的差異和個體間交互行為的差異在務(wù)中是必須考慮的，但在另一些網(wǎng)絡(luò)分析任務(wù)中這些差異不是影響分析結(jié)可以一概而論。絡(luò)節(jié)點的異質(zhì)性不是本文的研究重點，因此為了簡化網(wǎng)絡(luò)的表達，我們僅網(wǎng)絡(luò)節(jié)點，節(jié)點間的交互關(guān)系也不存在區(qū)別，，但是區(qū)分方向性。上述郵件象表示過程如圖 2.2 所示。
【學(xué)位授予單位】：戰(zhàn)略支援部隊信息工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TP393.0

【參考文獻】

相關(guān)期刊論文 前5條

1 ;2017年全球信息安全狀況調(diào)查[J];首席財務(wù)官;2016年23期

2 郭婷婷;趙承業(yè);;異常鏈路分析在電力網(wǎng)絡(luò)恢復(fù)中的應(yīng)用[J];電子科技大學(xué)學(xué)報;2016年05期

3 董本清;彭健鈞;;復(fù)雜網(wǎng)絡(luò)數(shù)據(jù)流中的異常數(shù)據(jù)挖掘算法仿真[J];計算機仿真;2016年01期

4 王紅梅;宗慧娟;王愛民;;計算機網(wǎng)絡(luò)信息安全及防護策略研究[J];價值工程;2015年01期

5 王莉;程學(xué)旗;;在線社會網(wǎng)絡(luò)的動態(tài)社區(qū)發(fā)現(xiàn)及演化[J];計算機學(xué)報;2015年02期

本文編號：2604090