基于大数据的交管用户异常行为审计系统设计

发布时间：2020-05-04 13:23

【摘要】：随着云计算和大数据技术的不断发展,交管行业的数据量越来越大,同时数据集中度也越来越高,因此数据盗取、越权访问等用户异常行为不仅容易造成行业敏感信息泄露,严重侵犯公民隐私而且日益威胁着网络信息安全。为此,亟待从安全技术手段上加强用户异常行为安全审计,以保护平台业务和数据安全。传统安全审计技术存在以下先天不足:一方面,由于缺乏对多类对象(如用户、终端、应用系统、数据库等)审计记录的关联分析,难以进行有效的审计追踪,反向追溯到行为人。另一方面,基本采用关系型数据库储存审计数据,储存容量和处理能力都非常有限,无法处理海量的审计日志。因此针对上述情况,本文基于用户与实体行为分析(UEBA,User and Entity Behavior Analytics)理论,通过云计算和大数据平台,进行日志采集和大数据分析建模,构建了大数据平台的交管用户异常行为审计系统。论文的主要工作内容包括:1)用户异常行为审计系统的技术选型,分析Hadoop大数据平台和ELK技术架构的优缺点,选择ELK+Hadoop技术架构来作为大数据分析的底层平台。2)利用机器学习算法和UBA/UEBA理论,构建基于大数据平台的交管用户异常行为审计系统。3)设计系统总体架构并具体实现基于大数据平台的交管用户异常行为审计系统。目前,本文研发的用户异常行为审计系统已经成功应用于安徽交管行业,通过多种算法模型分析筛选出数十个窃取公民敏感信息的嫌疑人,有效的保护了数据安全。
【图文】：

机器学习,神经网络,神经

所以就诞生了机器学习界的名言：成功的机器学习应用不多的数据！习的发展产生了一个新的方向，即机器学习的子类--深度起来颇为高大上，但其理念却非常简单，就是传统的神经解决了神经网络在计算上的难度，同时也说明了深层神经神经网络重新成为了机器学习界中的主流强大学习技术。络被称为深度神经网络，基于深度神经网络的学习研究称人工智能的发展极大的促进了机器学习的地位提高，，更进一步地，智能梦想的再次重视。而人工智能则是机器学习的父类[22明的话，则是下图：

增长趋势,全球,总量,技术架构

浙江工业大学硕士学位论文第 3 章系统技术架构基于大数据的交管行业用户异常行为分析系统主要针对交管用户应用日志进行的首个问题就是采用哪个技术架构来作为系统的底层大数据底层平台。目前通常相关技术包括 Apache Hadoop 技术架构、ELK 技术架构。毫无疑问，目前已经进入了大数据（Big Data）时代。世界每天都在产生大量的数产生的速度越来越快。据IDC和EMC的联合调查，到2020年全球数据总量将达到4
【学位授予单位】：浙江工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP311.13;F239.1

【参考文献】