互联网端目标智能分析与画像方法研究
发布时间：2021-05-12 01:20
互联网端目标是指位于互联网边缘的端系统或端用户,而端目标画像是能够对端目标本身进行精准刻画的属性集合。端目标智能分析是提取端目标画像的有效手段,是以端目标行为特征或者嵌入表征为基本信息依据,利用人工智能技术从端目标的行为数据中分析得到端目标画像的过程。全面精准的画像能够充分描述端目标的特点,为网络安全、网络管理、电子商务等领域的相关操作提供有效的决策信息。因此,互联网端目标智能分析与画像方法研究具有很高的研究价值和应用价值,受到了国内外社会各界的广泛关注,现已发展成为网络安全、网络管理、电子商务等领域的研究前沿。互联网端目标智能分析与画像研究正面临着众多挑战,其中最严峻的挑战在于:基于流量行为分析的端目标画像技术大多需要对流量的负载内容进行探测,涉及对用户隐私的侵犯。基于轻量级流量行为分析的端目标画像技术不对流量负载信息进行挖掘,但是所生成的端目标画像内容不够全面,识别和分类的端目标属性过于简单和单一。除此之外,现有的画像技术大多过度依赖行为特征,其刻画能力受限于设计者对分析场景的先验知识。对于端目标的智能分析方法来说,技术需要不断发展才能适应越来越复杂的应用场景,而先进的智能分析技术...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：128 页
【学位级别】：博士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究工作的背景与意义
1.2 互联网端目标智能分析与画像方法研究概述
1.2.1 基本概念
1.2.2 基本内容
1.2.3 理论模型
1.3 互联网端目标智能分析与画像的国内外研究现状
1.3.1 端目标行为刻画研究现状
1.3.2 端目标智能分析研究现状
1.3.3 现有研究面临的主要挑战
1.4 本文的研究内容和贡献
1.4.1 本文的研究内容
1.4.2 本文的创新和贡献
1.4.3 本文的结构安排
第二章 互联网端目标流量行为刻画方法研究
2.1 端目标流量行为刻画研究背景
2.2 互联网端目标流量行为数据预处理研究
2.2.1 流量行为数据预处理研究概述
2.2.2 流量行为数据预处理研究可行性
2.2.3 高阶统计分析理论模型
2.2.4 WHOSA模型
2.2.5 实验环境与评估参数
2.2.6 实验结果与分析
2.3 互联网端目标流量行为特征
2.4 互联网端目标流量行为嵌入表征
2.5 本章小结
第三章 基于层次神经网络的端目标人口属性分类
3.1 端目标人口属性分类研究背景
3.2 基于层次神经网络的端目标人口属性分类理论方法
3.2.1 方法可行性分析
3.2.2 数据预处理与数据表征
3.2.3 ARGUS网络结构
3.2.4 ARGUS前向传递过程
3.2.5 ARGUS反向传播过程
3.3 基于层次神经网络的端目标人口属性分类实验分析
3.3.1 数据集与实验环境
3.3.2 实验结果与分析
3.4 本章小结
第四章 基于注意力图神经网络的端目标情感倾向分类研究
4.1 端目标情感倾向分类研究背景
4.2 基于注意力图神经网络的端目标情感倾向分类理论方法
4.2.1 基于注意力图神经网络的端目标情感倾向分类可行性分析
4.2.2 AGN-OSA神经网络框架
4.2.3 AGN-OSA反向传播过程
4.3 基于注意力图神经网络的端目标情感倾向分类实验分析
4.3.1 实验数据集
4.3.2 实验环境参数
4.3.3 实验结果与分析
4.4 本章小结
第五章 基于社团划分的端目标流量行为异常检测
5.1 端目标流量行为异常检测研究背景
5.2 基于社团划分的端目标流量行为异常检测理论方法
5.2.1 端目标流量行为异常检测问题模型
5.2.2 基于社团划分的端目标流量行为异常检测理论描述
5.3 基于社团划分的端目标流量行为异常检测实验分析
5.3.1 实验环境设置
5.3.2 实验结果及分析
5.4 本章小结
第六章 全文总结与展望
6.1 全文总结
6.2 后续工作展望
致谢
参考文献
攻读博士学位期间取得的成果
本文编号：3182450
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：128 页
【学位级别】：博士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究工作的背景与意义
1.2 互联网端目标智能分析与画像方法研究概述
1.2.1 基本概念
1.2.2 基本内容
1.2.3 理论模型
1.3 互联网端目标智能分析与画像的国内外研究现状
1.3.1 端目标行为刻画研究现状
1.3.2 端目标智能分析研究现状
1.3.3 现有研究面临的主要挑战
1.4 本文的研究内容和贡献
1.4.1 本文的研究内容
1.4.2 本文的创新和贡献
1.4.3 本文的结构安排
第二章 互联网端目标流量行为刻画方法研究
2.1 端目标流量行为刻画研究背景
2.2 互联网端目标流量行为数据预处理研究
2.2.1 流量行为数据预处理研究概述
2.2.2 流量行为数据预处理研究可行性
2.2.3 高阶统计分析理论模型
2.2.4 WHOSA模型
2.2.5 实验环境与评估参数
2.2.6 实验结果与分析
2.3 互联网端目标流量行为特征
2.4 互联网端目标流量行为嵌入表征
2.5 本章小结
第三章 基于层次神经网络的端目标人口属性分类
3.1 端目标人口属性分类研究背景
3.2 基于层次神经网络的端目标人口属性分类理论方法
3.2.1 方法可行性分析
3.2.2 数据预处理与数据表征
3.2.3 ARGUS网络结构
3.2.4 ARGUS前向传递过程
3.2.5 ARGUS反向传播过程
3.3 基于层次神经网络的端目标人口属性分类实验分析
3.3.1 数据集与实验环境
3.3.2 实验结果与分析
3.4 本章小结
第四章 基于注意力图神经网络的端目标情感倾向分类研究
4.1 端目标情感倾向分类研究背景
4.2 基于注意力图神经网络的端目标情感倾向分类理论方法
4.2.1 基于注意力图神经网络的端目标情感倾向分类可行性分析
4.2.2 AGN-OSA神经网络框架
4.2.3 AGN-OSA反向传播过程
4.3 基于注意力图神经网络的端目标情感倾向分类实验分析
4.3.1 实验数据集
4.3.2 实验环境参数
4.3.3 实验结果与分析
4.4 本章小结
第五章 基于社团划分的端目标流量行为异常检测
5.1 端目标流量行为异常检测研究背景
5.2 基于社团划分的端目标流量行为异常检测理论方法
5.2.1 端目标流量行为异常检测问题模型
5.2.2 基于社团划分的端目标流量行为异常检测理论描述
5.3 基于社团划分的端目标流量行为异常检测实验分析
5.3.1 实验环境设置
5.3.2 实验结果及分析
5.4 本章小结
第六章 全文总结与展望
6.1 全文总结
6.2 后续工作展望
致谢
参考文献
攻读博士学位期间取得的成果
本文编号：3182450
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3182450.html
