【摘要】：隨著互聯(lián)網(wǎng)在全球的快速發(fā)展,網(wǎng)絡(luò)正在悄然改變著每個(gè)人的生活方式。在海量的用戶網(wǎng)絡(luò)行為數(shù)據(jù)中,有形形色色的數(shù)據(jù)情況和特征,通過(guò)分析用戶的網(wǎng)絡(luò)行為數(shù)據(jù),能夠看出用戶的上網(wǎng)習(xí)慣、偏好,進(jìn)而發(fā)現(xiàn)其中存在的異常用戶。這些異常用戶的存在可能會(huì)使其自身的身心健康發(fā)展受到影響、甚至破壞網(wǎng)絡(luò)環(huán)境健康的生態(tài)圈以及網(wǎng)絡(luò)交易的公平公正。因此,識(shí)別出這些具有異常上網(wǎng)行為的用戶,對(duì)于維護(hù)網(wǎng)絡(luò)生態(tài)和諧健康的發(fā)展是非常重要的。然而,海量數(shù)據(jù)的豐富性為異常檢測(cè)方法帶來(lái)挑戰(zhàn),本文將根據(jù)當(dāng)前互聯(lián)網(wǎng)環(huán)境下的兩類具體異常做分析,并完成檢測(cè)這兩類異常的方案設(shè)計(jì)和算法實(shí)現(xiàn)。本文的工作和創(chuàng)新點(diǎn)主要包括以下幾個(gè)方面:(1)整合運(yùn)營(yíng)商DPI(Deep Packet Inspection,深度包檢測(cè))數(shù)據(jù),從用戶網(wǎng)絡(luò)行為的角度分析異常行為模式�？紤]用戶使用互聯(lián)網(wǎng)應(yīng)用全過(guò)程,通過(guò)分布式處理運(yùn)營(yíng)商大規(guī)模DPI數(shù)據(jù)并提取有效內(nèi)容,構(gòu)建網(wǎng)絡(luò)數(shù)據(jù)指紋系統(tǒng)來(lái)表征用戶網(wǎng)絡(luò)行為。(2)分析不同類型異常用戶的行為特性,針對(duì)批量薅羊毛用戶以及上網(wǎng)習(xí)慣不良用戶兩類異常行為模式,設(shè)計(jì)更具針對(duì)性的基于特征工程和機(jī)器學(xué)習(xí)模型的異常檢測(cè)方案。(3)在特征工程部分引入RPCA(Robust Principal Component Analysis,魯棒性主成分分析)算法,論證該算法應(yīng)用于異常檢測(cè)任務(wù)的合理性,且能達(dá)到豐富特征集、增強(qiáng)特征選擇能力的目的。(4)在學(xué)習(xí)模型上提出改進(jìn)的iForest(Isolation Fores,孤立森林)算法,即w-iForest算法,該算法體現(xiàn)出iForest各組成部分不同的檢測(cè)效力,通過(guò)上網(wǎng)行為不良用戶檢測(cè)測(cè)試,證明其表現(xiàn)效果良好。
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP393.08
【圖文】：

在只有噪聲而沒(méi)有異常點(diǎn)的情l料攏庋哪Ｐ涂梢院芎玫胤紙庠際義暇蕁５謨幸斐５愕那榭魷攏雜諶狽β嘲糶緣哪Ｐ屠此擔(dān)Ч筒皇嗆芎緬義狹�。例瓤澲I跡玻敝�，当蛫A蔚淖鈑冶嘰嬖諞桓鲆斐５閌保聳拐蹌夂锨義舷叩奈蟛鈄钚�，则拟合曲线就眳Q胂蛞斐５闈閾�，这样兺会蒂Z掄蹌夂锨義舷叱魷旨蟮奈蟛�。辶x希擔(dān)卞五義希村義希沖義希插義希保義希板危卞危邋五澹у澹у澹у邋五危駑五危懾澹懾澹懾澹叔義希板危卞危插危沖危村危靛義賢跡玻狽鍬嘲糶運(yùn)惴ㄐЧ煎義希保沖義

本文編號(hào)：2748892