互聯(lián)網(wǎng)端目標(biāo)是指位于互聯(lián)網(wǎng)邊緣的端系統(tǒng)或端用戶,而端目標(biāo)畫像是能夠?qū)Χ四繕?biāo)本身進(jìn)行精準(zhǔn)刻畫的屬性集合。端目標(biāo)智能分析是提取端目標(biāo)畫像的有效手段,是以端目標(biāo)行為特征或者嵌入表征為基本信息依據(jù),利用人工智能技術(shù)從端目標(biāo)的行為數(shù)據(jù)中分析得到端目標(biāo)畫像的過程。全面精準(zhǔn)的畫像能夠充分描述端目標(biāo)的特點(diǎn),為網(wǎng)絡(luò)安全、網(wǎng)絡(luò)管理、電子商務(wù)等領(lǐng)域的相關(guān)操作提供有效的決策信息。因此,互聯(lián)網(wǎng)端目標(biāo)智能分析與畫像方法研究具有很高的研究?jī)r(jià)值和應(yīng)用價(jià)值,受到了國(guó)內(nèi)外社會(huì)各界的廣泛關(guān)注,現(xiàn)已發(fā)展成為網(wǎng)絡(luò)安全、網(wǎng)絡(luò)管理、電子商務(wù)等領(lǐng)域的研究前沿�；ヂ�(lián)網(wǎng)端目標(biāo)智能分析與畫像研究正面臨著眾多挑戰(zhàn),其中最嚴(yán)峻的挑戰(zhàn)在于:基于流量行為分析的端目標(biāo)畫像技術(shù)大多需要對(duì)流量的負(fù)載內(nèi)容進(jìn)行探測(cè),涉及對(duì)用戶隱私的侵犯�；谳p量級(jí)流量行為分析的端目標(biāo)畫像技術(shù)不對(duì)流量負(fù)載信息進(jìn)行挖掘,但是所生成的端目標(biāo)畫像內(nèi)容不夠全面,識(shí)別和分類的端目標(biāo)屬性過于簡(jiǎn)單和單一。除此之外,現(xiàn)有的畫像技術(shù)大多過度依賴行為特征,其刻畫能力受限于設(shè)計(jì)者對(duì)分析場(chǎng)景的先驗(yàn)知識(shí)。對(duì)于端目標(biāo)的智能分析方法來說,技術(shù)需要不斷發(fā)展才能適應(yīng)越來越復(fù)雜的應(yīng)用場(chǎng)景,而先進(jìn)的智能分析技術(shù)... 

【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)】：128 頁

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究工作的背景與意義
    1.2 互聯(lián)網(wǎng)端目標(biāo)智能分析與畫像方法研究概述
        1.2.1 基本概念
        1.2.2 基本內(nèi)容
        1.2.3 理論模型
    1.3 互聯(lián)網(wǎng)端目標(biāo)智能分析與畫像的國(guó)內(nèi)外研究現(xiàn)狀
        1.3.1 端目標(biāo)行為刻畫研究現(xiàn)狀
        1.3.2 端目標(biāo)智能分析研究現(xiàn)狀
        1.3.3 現(xiàn)有研究面臨的主要挑戰(zhàn)
    1.4 本文的研究?jī)?nèi)容和貢獻(xiàn)
        1.4.1 本文的研究?jī)?nèi)容
        1.4.2 本文的創(chuàng)新和貢獻(xiàn)
        1.4.3 本文的結(jié)構(gòu)安排
第二章 互聯(lián)網(wǎng)端目標(biāo)流量行為刻畫方法研究
    2.1 端目標(biāo)流量行為刻畫研究背景
    2.2 互聯(lián)網(wǎng)端目標(biāo)流量行為數(shù)據(jù)預(yù)處理研究
        2.2.1 流量行為數(shù)據(jù)預(yù)處理研究概述
        2.2.2 流量行為數(shù)據(jù)預(yù)處理研究可行性
        2.2.3 高階統(tǒng)計(jì)分析理論模型
        2.2.4 WHOSA模型
        2.2.5 實(shí)驗(yàn)環(huán)境與評(píng)估參數(shù)
        2.2.6 實(shí)驗(yàn)結(jié)果與分析
    2.3 互聯(lián)網(wǎng)端目標(biāo)流量行為特征
    2.4 互聯(lián)網(wǎng)端目標(biāo)流量行為嵌入表征
    2.5 本章小結(jié)
第三章 基于層次神經(jīng)網(wǎng)絡(luò)的端目標(biāo)人口屬性分類
    3.1 端目標(biāo)人口屬性分類研究背景
    3.2 基于層次神經(jīng)網(wǎng)絡(luò)的端目標(biāo)人口屬性分類理論方法
        3.2.1 方法可行性分析
        3.2.2 數(shù)據(jù)預(yù)處理與數(shù)據(jù)表征
        3.2.3 ARGUS網(wǎng)絡(luò)結(jié)構(gòu)
        3.2.4 ARGUS前向傳遞過程
        3.2.5 ARGUS反向傳播過程
    3.3 基于層次神經(jīng)網(wǎng)絡(luò)的端目標(biāo)人口屬性分類實(shí)驗(yàn)分析
        3.3.1 數(shù)據(jù)集與實(shí)驗(yàn)環(huán)境
        3.3.2 實(shí)驗(yàn)結(jié)果與分析
    3.4 本章小結(jié)
第四章 基于注意力圖神經(jīng)網(wǎng)絡(luò)的端目標(biāo)情感傾向分類研究
    4.1 端目標(biāo)情感傾向分類研究背景
    4.2 基于注意力圖神經(jīng)網(wǎng)絡(luò)的端目標(biāo)情感傾向分類理論方法
        4.2.1 基于注意力圖神經(jīng)網(wǎng)絡(luò)的端目標(biāo)情感傾向分類可行性分析
        4.2.2 AGN-OSA神經(jīng)網(wǎng)絡(luò)框架
        4.2.3 AGN-OSA反向傳播過程
    4.3 基于注意力圖神經(jīng)網(wǎng)絡(luò)的端目標(biāo)情感傾向分類實(shí)驗(yàn)分析
        4.3.1 實(shí)驗(yàn)數(shù)據(jù)集
        4.3.2 實(shí)驗(yàn)環(huán)境參數(shù)
        4.3.3 實(shí)驗(yàn)結(jié)果與分析
    4.4 本章小結(jié)
第五章 基于社團(tuán)劃分的端目標(biāo)流量行為異常檢測(cè)
    5.1 端目標(biāo)流量行為異常檢測(cè)研究背景
    5.2 基于社團(tuán)劃分的端目標(biāo)流量行為異常檢測(cè)理論方法
        5.2.1 端目標(biāo)流量行為異常檢測(cè)問題模型
        5.2.2 基于社團(tuán)劃分的端目標(biāo)流量行為異常檢測(cè)理論描述
    5.3 基于社團(tuán)劃分的端目標(biāo)流量行為異常檢測(cè)實(shí)驗(yàn)分析
        5.3.1 實(shí)驗(yàn)環(huán)境設(shè)置
        5.3.2 實(shí)驗(yàn)結(jié)果及分析
    5.4 本章小結(jié)
第六章 全文總結(jié)與展望
    6.1 全文總結(jié)
    6.2 后續(xù)工作展望
致謝
參考文獻(xiàn)
攻讀博士學(xué)位期間取得的成果



本文編號(hào)：3182450