隨著當前廣大民眾都已正式進入到網(wǎng)絡環(huán)境中,網(wǎng)站安全的重要性愈加凸顯。在當前關注點聚焦于網(wǎng)絡攻擊的情況下,以網(wǎng)站內(nèi)容作為保護目標的安全問題也需要同樣重視。網(wǎng)站內(nèi)容安全是直接面向網(wǎng)站使用者的重要的安全問題,從技術上屬于語義方面的安全過濾,能夠直接影響輿論安全和主要網(wǎng)站的功能完備性。因此,針對該問題開展對應的研究工作,屬于當前重要的研究熱點問題�，F(xiàn)有以規(guī)則庫匹配作為基礎的檢測方法存在文本固定性、內(nèi)容恢復滯后性等缺陷。針對這個問題,基于整合拆字還原、同音字匹配等需求,本文試圖有效的解決舊有方案中未能有效處理分拆字以及同音字的缺陷。依靠文本學習技術的設計思路,本文采用聚類算法和向量機技術,有效的避免語序顛倒以及無法按時限深度學習等當前難點問題。并且設計了以VFS架構作為基礎的流式計算架構,相對于普通的架構而言,在保障精準度的基礎上也實現(xiàn)了更為理想的學習和處理效率。在內(nèi)容監(jiān)測功能的基礎上,本文進一步對網(wǎng)站頁面防篡改加以實現(xiàn),主要包括監(jiān)控和基于備份的防篡改兩個部分。首先,監(jiān)控部分利用內(nèi)容監(jiān)測提供的技術基礎,對網(wǎng)站上出現(xiàn)的改動以及其中潛在的危險加以識別,隨后一旦發(fā)現(xiàn)篡改,調(diào)用防篡改機制,對網(wǎng)站內(nèi)容進行... 

【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【部分圖文】：

Description示例

哈爾濱工業(yè)大學工程碩士學位論文-31-算兩者之間的實際。而本文會希望先由9的位置在keyword集合中位于比較后面的先運算’值，因為會比較有機率超過’值在第一種情況下，這樣在運算上比起都走到第二種情況，會比較有效率。圖4-5基于文本長度聚類的計算過程示例4.1.4監(jiān)測模塊這一模塊在綜合系統(tǒng)內(nèi)有著承前啟后的影響力：依靠spout持續(xù)地在緩存中得到相關的記錄數(shù)據(jù)，以此來實現(xiàn)劃分以及預估等基本的操作，而后續(xù)的步驟會存入到基本的數(shù)據(jù)庫中。除此之外，也和VFS框架有著密切的聯(lián)系。下文針對相關的spout以及bolt開展論述，并且得出spout、bolt在VFS內(nèi)對應的拓撲圖。該領域涉及到的類定義內(nèi)容參考表4-5的相關內(nèi)容。表4-5核心類定義名稱完成接口性能recRetrIrRetr獲取記錄recSpliIrBot分詞recVectIrBot向量化recClasIrBot種類svmEvalIrBotSVM預估recStorIrBot保存

哈爾濱工業(yè)大學工程碩士學位論文-33-的劃分操作，等待測試的條目會妥善的劃分組別。緊接著，相關條目會被傳遞至匹配的SVMBolt內(nèi)，開展SVM學習環(huán)節(jié)，進而判斷這一條目有無存在安全問題，最后步中，記錄會被傳遞到StoreBolt內(nèi)，開展持久化步驟。在SVM的支持下，在實施具體監(jiān)控時，之間的比對順序會和在winnertree中的(,,)預估分數(shù)由高至低跳出后將投入SVMBucket(,)的順序相關。然而在winnertree中，位于越前面分數(shù)會越高，比如說，圖4-7即參照winnertree所舉例，由右側排序可以看出這幾個(,,)中，將投入的SVMBucket(,)其都排在集合的第一位，因為和若是和其他人位于第一位就重疊，預估最好的分數(shù)就是1，代表keywords完全一樣，但是這樣會不利于用基于雙方||值文本空間聚類標識的’值來過濾運算，因為keyword的位置都是1，不容易超出’值。圖4-7基于winnertree排序的監(jiān)測舉例基于以上的考慮，本文將采用2個由一般文本空間聚類標識中的keywords生成SVMBucket標簽的策略來增加’值的監(jiān)測效果，在這里無法采用基于雙方||值文本空間聚類標識產(chǎn)生SVMBucket標簽的原因是每一個對于不同人所產(chǎn)生的’值會不同，若是依照這樣投入生成的2個keywords的SVMBucket會導致一些之間運算的遺漏，造成top-k結果不準確。而運用2個keywords制造SVMBucket具有優(yōu)勢的原因是當依winnertree排出的順序進入SVMBucket(,)時，SVMBucket(,)會依據(jù)的集合中挑選位于之后，原本文本空間聚類標識的值加1的位置之前的所有keywords生成SVMBucket(,’,)，其向量表示為(1,…,,…,,+,…,)，因為至少需要重疊的keywords數(shù)目是固定的，所以若是聚類文本特征中重疊的keywords增加為2個，在文本空間聚類標識后預計重疊的部分就會少一個，值則需要向后移一個位置，增加一個keyword到

【參考文獻】：
期刊論文
[1]基于Web應用的安全日志審計系統(tǒng)研究與設計[J]. 段娟,辛陽,馬宇威.  信息網(wǎng)絡安全. 2014(10)
[2]基于SVM線性核函數(shù)情感分類模型的建立和研究[J]. 戴曉娟.  哈爾濱師范大學自然科學學報. 2014(03)
[3]網(wǎng)絡審計中的身份識別和智能關聯(lián)[J]. 劉志宏,孫長國.  計算機與網(wǎng)絡. 2014(07)
[4]郵件過濾中特征選擇方法的性能評價與分析[J]. 趙靜,劉培玉,許明英.  計算機應用研究. 2012(02)
[5]支持向量機核函數(shù)選擇的研究[J]. 朱樹先,張仁杰.  科學技術與工程. 2008(16)
[6]文本分類中詞語權重計算方法的改進與應用[J]. 熊忠陽,黎剛,陳小莉,陳偉.  計算機工程與應用. 2008(05)
[7]基于RBF核函數(shù)的支持向量機參數(shù)選擇[J]. 林升梁,劉志.  浙江工業(yè)大學學報. 2007(02)
[8]多項式核函數(shù)SVM快速分類算法[J]. 左森,郭曉松,萬敬,周召發(fā).  計算機工程. 2007(06)
[9]基于內(nèi)容的網(wǎng)絡信息安全審計中的匹配算法研究[J]. 陳國龍,陳火旺,康仲生.  小型微型計算機系統(tǒng). 2004(09)
[10]啟明星辰公司天玥網(wǎng)絡安全審計系統(tǒng)[J]. 啟明星辰.  信息網(wǎng)絡安全. 2003(12)

碩士論文
[1]基于Storm引擎的物聯(lián)網(wǎng)異構數(shù)據(jù)融合系統(tǒng)的設計與實現(xiàn)[D]. 穆化鑫.北京郵電大學 2015
[2]云計算中數(shù)據(jù)安全關鍵技術的研究[D]. 劉邵星.青島科技大學 2014
[3]基于流式計算的分布式視頻處理平臺研究與應用[D]. 孔祥起.北京郵電大學 2014



本文編號：3311242