在網(wǎng)上購物已普及的今天,電子商務(wù)網(wǎng)站上展示了商品的眾多信息,如:價(jià)格、交易記錄等,這些有價(jià)值的信息會(huì)引來競爭對手的網(wǎng)絡(luò)機(jī)器人“光顧”。這些網(wǎng)絡(luò)機(jī)器人會(huì)對網(wǎng)站的性能和信息安全產(chǎn)生不良的影響。網(wǎng)絡(luò)機(jī)器人又稱為網(wǎng)絡(luò)爬蟲,其是按照一定規(guī)則,自動(dòng)采集網(wǎng)站信息的程序。它們分為正規(guī)和非正規(guī),正規(guī)的如百度、谷歌等有利信息的傳播,非正規(guī)的會(huì)惡意盜竊敏感數(shù)據(jù)或增加網(wǎng)站負(fù)擔(dān)。整個(gè)網(wǎng)絡(luò)世界上大概有90%以上的流量是網(wǎng)絡(luò)機(jī)器人。為了保護(hù)敏感數(shù)據(jù)和減輕網(wǎng)站負(fù)擔(dān),需要有一個(gè)能夠鑒別請求網(wǎng)站數(shù)據(jù)的是真實(shí)用戶還是網(wǎng)絡(luò)機(jī)器人。本文是利用用戶鼠標(biāo)操作模式進(jìn)行鑒別網(wǎng)絡(luò)機(jī)器人的方法,對網(wǎng)站的敏感數(shù)據(jù)加以保障。常規(guī)手段有:人工鑒別,通過User-Agent信息鑒別,分析日志鑒別,分析IP請求鑒別等。這些手段簡單有效,但自動(dòng)化程度不高,導(dǎo)致人力、時(shí)間等投入太多,成本太高。也有利用鼠標(biāo)鍵盤行為提取相關(guān)特征值,再通過機(jī)器學(xué)的相關(guān)算法進(jìn)行鑒別,效果也好,早期由于硬件設(shè)備的條件限制,無法獲得較好的模型。本文的方法是以用戶在瀏覽網(wǎng)站操作所產(chǎn)生的的鼠標(biāo)操作的數(shù)據(jù)為基礎(chǔ),依據(jù)真實(shí)的人和網(wǎng)絡(luò)機(jī)器人對鼠標(biāo)操作行為的不同,進(jìn)行鼠標(biāo)操作特征抽象并建立模... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：86 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外現(xiàn)狀及發(fā)展動(dòng)態(tài)
        1.2.1 國內(nèi)
        1.2.2 國外
    1.3 主要研究內(nèi)容與技術(shù)路線
    1.4 論文結(jié)構(gòu)安排
第二章 相關(guān)知識與技術(shù)
    2.1 網(wǎng)絡(luò)機(jī)器人檢測技術(shù)
        2.1.1 日志分析
        2.1.2 鼠標(biāo)行為分析
    2.2 Stacking
    2.3 TensorFlow
        2.3.1 Grap
        2.3.2 Tensor
        2.3.3 session
        2.3.4 模型
    2.4 封裝與負(fù)載均衡基礎(chǔ)知識
        2.4.1 docker基礎(chǔ)知識
        2.4.2 負(fù)載均衡基礎(chǔ)知識
    2.5 本章小結(jié)
第三章 結(jié)構(gòu)與功能設(shè)計(jì)
    3.1 設(shè)計(jì)需求
        3.1.1 目標(biāo)
        3.1.2 環(huán)境需求
        3.1.3 軟件前景
        3.1.4 設(shè)計(jì)要求
    3.2 結(jié)構(gòu)與功能
        3.2.1 框架設(shè)計(jì)
        3.2.2 流程設(shè)計(jì)
    3.3 功能模塊設(shè)計(jì)
        3.3.1 采集模塊設(shè)計(jì)
        3.3.2 Stacking模型設(shè)計(jì)
        3.3.3 TensorFlow模型設(shè)計(jì)
    3.4 本章小結(jié)
第四章 軟件實(shí)現(xiàn)
    4.1 采集模塊實(shí)現(xiàn)過程
        4.1.1 鼠標(biāo)行為分析
        4.1.2 特征構(gòu)建
        4.1.3 采集實(shí)現(xiàn)
        4.1.4 樣本分類
    4.2 訓(xùn)練模塊實(shí)現(xiàn)
        4.2.1 Stacking訓(xùn)練模塊實(shí)現(xiàn)
        4.2.2 Tensorflow訓(xùn)練模塊實(shí)現(xiàn)
    4.3 評估模塊實(shí)現(xiàn)
    4.4 本章小結(jié)
第五章 封裝與負(fù)載均衡
    5.1 封裝與負(fù)載均衡詳細(xì)設(shè)計(jì)
    5.2 docker封裝實(shí)現(xiàn)
    5.3 負(fù)載均衡實(shí)現(xiàn)
    5.4 本章小結(jié)
第六章 測試
    6.1 軟件啟動(dòng)
    6.2 功能測試
        6.2.1 頁面瀏覽測試
        6.2.2 接口請求測試
    6.3 識別率及性能測試
        6.3.1 識別率測試
        6.3.2 并發(fā)測試
        6.3.3 方案選擇
    6.4 本章小結(jié)
第七章 總結(jié)與展望
    7.1 總結(jié)
    7.2 展望
致謝
參考文獻(xiàn)


【參考文獻(xiàn)】：
期刊論文
[1]基于決策樹算法的爬蟲識別技術(shù)[J]. 劉宇,程學(xué)林.  軟件. 2017(07)
[2]帶你進(jìn)入網(wǎng)絡(luò)爬蟲與反爬蟲的世界[J]. 魯萍.  軟件和集成電路. 2016(12)
[3]基于鼠標(biāo)和鍵盤行為特征組合的用戶身份認(rèn)證[J]. 王振輝,王振鐸,支侃買.  計(jì)算機(jī)應(yīng)用與軟件. 2016(07)
[4]主動(dòng)身份認(rèn)證技術(shù)及其研究進(jìn)展[J]. 郝平,何恩.  通信技術(shù). 2015(05)
[5]一種基于條件隨機(jī)場的擊鍵特征身份鑒別方法[J]. 李晨,張功萱,岳寶玲,賀定龍.  計(jì)算機(jī)應(yīng)用研究. 2014(07)
[6]論爬蟲協(xié)議對互聯(lián)網(wǎng)競爭關(guān)系的影響[J]. 楊華權(quán).  知識產(chǎn)權(quán). 2014(01)
[7]基于擊鍵特征識別的網(wǎng)絡(luò)詐騙嫌疑人追蹤系統(tǒng)[J]. 郭磊,胡曉勤,江天宇,陳廣瑞.  信息網(wǎng)絡(luò)安全. 2013(12)
[8]軟件測試用例設(shè)計(jì)的方法與實(shí)現(xiàn)[J]. 李剛,姚紅.  大眾科技. 2012(01)
[9]基于鼠標(biāo)行為特征的用戶身份認(rèn)證與監(jiān)控[J]. 沈超,蔡忠閩,管曉宏,房超,杜友田.  通信學(xué)報(bào). 2010(07)
[10]服務(wù)器負(fù)載均衡技術(shù)研究[J]. 周瑩蓮,劉甫.  計(jì)算機(jī)與數(shù)字工程. 2010(04)

博士論文
[1]基于深度學(xué)習(xí)的跨模態(tài)檢索研究[D]. 馮方向.北京郵電大學(xué) 2015
[2]基于生物特征信息隱藏與身份認(rèn)證及其應(yīng)用研究[D]. 王德松.電子科技大學(xué) 2012

碩士論文
[1]生物特征提取和智能感知[D]. 許文媛.浙江大學(xué) 2017
[2]基于Hadoop的分布式網(wǎng)絡(luò)爬蟲系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 薛超.鄭州大學(xué) 2016
[3]基于統(tǒng)計(jì)學(xué)的擊鍵序列身份認(rèn)證算法研究與改進(jìn)[D]. 郭曉靜.北京郵電大學(xué) 2013
[4]基于擊鍵特征的身份識別研究[D]. 張世雷.哈爾濱工業(yè)大學(xué) 2011
[5]支持AJAX的互聯(lián)網(wǎng)搜索引擎爬蟲設(shè)計(jì)與實(shí)現(xiàn)[D]. 羅兵.浙江大學(xué) 2007



本文編號：3009125