隨著互聯(lián)網(wǎng),物聯(lián)網(wǎng)等大規(guī)模網(wǎng)絡(luò)的發(fā)展,海量用戶接入網(wǎng)絡(luò),網(wǎng)絡(luò)數(shù)據(jù)量呈爆發(fā)式增長(zhǎng),隱藏在其中的安全問(wèn)題也威脅著越來(lái)越多的網(wǎng)絡(luò)用戶。本文重點(diǎn)關(guān)注于因網(wǎng)絡(luò)拓?fù)浠蚓W(wǎng)絡(luò)異常行為導(dǎo)致的安全隱患或一系列損害�；跈C(jī)器學(xué)習(xí)的人工智能算法的發(fā)展使得非平穩(wěn)數(shù)據(jù)分析成為可能,海量數(shù)據(jù)為智能算法提供基礎(chǔ)支持,高性能計(jì)算芯片的發(fā)展為算法提供平臺(tái)支撐,系統(tǒng)的算法研究大大提升了安全數(shù)據(jù)分析的可靠性。從而,大數(shù)據(jù)場(chǎng)景下的安全分析具有高準(zhǔn)確率、高性能等特點(diǎn)。本文以復(fù)雜網(wǎng)絡(luò)為理論基礎(chǔ),研究網(wǎng)絡(luò)行為認(rèn)知,從而發(fā)現(xiàn)其中的異常用戶,并結(jié)合最新的機(jī)器學(xué)習(xí)研究基礎(chǔ),在大數(shù)據(jù)的場(chǎng)景中分析研究網(wǎng)絡(luò)異�！，F(xiàn)階段,針對(duì)網(wǎng)絡(luò)異常發(fā)現(xiàn)主要通過(guò)日志和流量?jī)煞N主要方式,本文針對(duì)日志和流量分別使用不同的方案,為網(wǎng)絡(luò)安全研究的發(fā)展提供支持。主要工作如下:1.提出了一種基于級(jí)聯(lián)失效的網(wǎng)絡(luò)模型,研究網(wǎng)絡(luò)中節(jié)點(diǎn)與節(jié)點(diǎn)間的關(guān)系,并針對(duì)無(wú)標(biāo)度網(wǎng)絡(luò)和隨機(jī)網(wǎng)絡(luò)進(jìn)行具體分析,發(fā)現(xiàn)具有魯棒性的網(wǎng)絡(luò)結(jié)構(gòu),為組網(wǎng)提供研究支持。利用日志行為數(shù)據(jù)構(gòu)建用戶行為雙層網(wǎng)絡(luò)模型,利用級(jí)聯(lián)失效模型來(lái)分析日志數(shù)據(jù)上的異常行為。2.設(shè)計(jì)了一種以復(fù)雜網(wǎng)絡(luò)為基礎(chǔ)的社團(tuán)劃分算法,以發(fā)現(xiàn)網(wǎng)絡(luò)上的異...

【文章頁(yè)數(shù)】：147 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 論文研究背景與意義
        1.1.1 研究背景
        1.1.2 面臨的挑戰(zhàn)
        1.1.3 研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 基于級(jí)聯(lián)失效模型的安全態(tài)勢(shì)研究
        1.2.2 基于社團(tuán)劃分理論的安全態(tài)勢(shì)感知
        1.2.3 基于樣本受限條件下的安全檢測(cè)分析
        1.2.4 基于網(wǎng)絡(luò)結(jié)構(gòu)搜索的流量分類研究
    1.3 本文的工作及創(chuàng)新點(diǎn)
第二章 網(wǎng)絡(luò)及安全理論綜述
    2.1 復(fù)雜網(wǎng)絡(luò)理論基礎(chǔ)
        2.1.1 概述
        2.1.2 網(wǎng)絡(luò)表示
        2.1.3 網(wǎng)絡(luò)基本度量
        2.1.4 常見(jiàn)網(wǎng)絡(luò)類型
        2.1.5 日志行為網(wǎng)絡(luò)構(gòu)建
    2.2 神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)
        2.2.1 概述
        2.2.2 全連接神經(jīng)網(wǎng)絡(luò)
        2.2.3 卷積神經(jīng)網(wǎng)絡(luò)
        2.2.4 循環(huán)神經(jīng)網(wǎng)絡(luò)
    2.3 網(wǎng)絡(luò)搜索研究基礎(chǔ)
        2.3.1 搜索空間
        2.3.2 搜索策略
        2.3.3 性能評(píng)估策略
第三章 基于級(jí)聯(lián)失效模型的安全態(tài)勢(shì)研究
    3.1 問(wèn)題描述
        3.1.1 面臨的挑戰(zhàn)
        3.1.2 級(jí)聯(lián)失效的定義
        3.1.3 解決方案
    3.2 多層網(wǎng)絡(luò)級(jí)聯(lián)失效模型
        3.2.1 模型構(gòu)建
        3.2.2 模型分析
        3.2.3 仿真實(shí)驗(yàn)
        3.2.4 耦合偏好分析
    3.3 本章小結(jié)
第四章 基于社團(tuán)劃分理論的安全態(tài)勢(shì)感知
    4.1 問(wèn)題描述
        4.1.1 面臨的挑戰(zhàn)
        4.1.2 社團(tuán)劃分的定義
        4.1.3 解決方案
    4.2 社團(tuán)劃分算法
        4.2.1 中心性的性質(zhì)
        4.2.2 算法設(shè)計(jì)
        4.2.3 仿真實(shí)驗(yàn)
    4.3 異常用戶社團(tuán)劃分可視化
    4.4 本章小結(jié)
第五章 基于樣本受限條件下的安全檢測(cè)分析
    5.1 問(wèn)題描述
        5.1.1 面臨的挑戰(zhàn)及問(wèn)題分析
        5.1.2 解決方案
    5.2 基于無(wú)監(jiān)督分類器的日志異常檢測(cè)算法
        5.2.1 分析框架
        5.2.2 特征工程
        5.2.3 無(wú)監(jiān)督分類器
        5.2.4 實(shí)驗(yàn)分析
    5.3 基于生成對(duì)抗網(wǎng)絡(luò)的日志異常檢測(cè)
        5.3.1 整體流程
        5.3.2 網(wǎng)絡(luò)結(jié)構(gòu)
        5.3.3 日志數(shù)據(jù)處理和訓(xùn)練
        5.3.4 日志分類模型
    5.4 本章小結(jié)
第六章 基于網(wǎng)絡(luò)結(jié)構(gòu)搜索的流量分類研究
    6.1 問(wèn)題描述及建模
        6.1.1 網(wǎng)絡(luò)安全的攻擊
        6.1.2 面臨的挑戰(zhàn)
        6.1.3 解決方案
    6.2 流量數(shù)據(jù)處理
        6.2.1 流量類型
        6.2.2 數(shù)據(jù)清洗
        6.2.3 數(shù)據(jù)切分與向量化
    6.3 基于遺傳算法的網(wǎng)絡(luò)結(jié)構(gòu)搜索模型
    6.4 仿真驗(yàn)證
        6.4.1 實(shí)驗(yàn)設(shè)置
        6.4.2 架構(gòu)搜索
        6.4.3 架構(gòu)評(píng)估
        6.4.4 模型輕量化
        6.4.5 優(yōu)化算法對(duì)比
    6.5 本章小結(jié)
第七章 總結(jié)與展望
    7.1 本文工作總結(jié)
    7.2 下一步工作
參考文獻(xiàn)
致謝
攻讀學(xué)位期間的學(xué)術(shù)成果



本文編號(hào)：3843883