基于聚類(lèi)的網(wǎng)絡(luò)用戶(hù)行為分析.pdf

1、隨著計(jì)算機(jī)網(wǎng)絡(luò)的普及和發(fā)展，網(wǎng)絡(luò)用戶(hù)的規(guī)模在逐漸擴(kuò)大，網(wǎng)絡(luò)用戶(hù)的行為也越來(lái)越復(fù)雜。一方面需要快速檢測(cè)和有效控制網(wǎng)絡(luò)破壞、網(wǎng)絡(luò)欺騙和網(wǎng)絡(luò)入侵等網(wǎng)絡(luò)違規(guī)行為；另一方面需要對(duì)用戶(hù)使用網(wǎng)絡(luò)的行為習(xí)慣、愛(ài)好進(jìn)行了解，以實(shí)現(xiàn)更好的網(wǎng)絡(luò)服務(wù)。因此對(duì)網(wǎng)絡(luò)用戶(hù)行為的研究與分析越來(lái)越重要。本文在Netflow技術(shù)的基礎(chǔ)上，分別從以下兩方面著手作了相關(guān)研究。
　　 實(shí)現(xiàn)用戶(hù)異常行為的檢測(cè)。首先，對(duì)用戶(hù)行為建模，已有研究基于網(wǎng)絡(luò)Netflow流信息進(jìn)行

2、IP為源和目的的混合特征統(tǒng)計(jì)建模，本文在這個(gè)基礎(chǔ)上作了修改，即根據(jù)IP為源和IP為目的進(jìn)行分開(kāi)建模，這樣能夠在已有研究的用戶(hù)行為屬性上進(jìn)行降維，同時(shí)也糾正了混合特征對(duì)結(jié)果的影響；然后，采用了一種經(jīng)典的快速聚類(lèi)算法K-Medoids算法，并針對(duì)其存在的缺陷：需要輸入聚類(lèi)個(gè)數(shù)K導(dǎo)致聚類(lèi)結(jié)果不穩(wěn)定，通過(guò)引用參數(shù)聚類(lèi)半徑R，在不需要輸入聚類(lèi)個(gè)數(shù)K的情況下，獲得最佳的聚類(lèi)質(zhì)量和聚類(lèi)個(gè)數(shù)；最后，設(shè)計(jì)了一種異常反選擇標(biāo)準(zhǔn)，即密度評(píng)估標(biāo)準(zhǔn)，既能控制本文

3、實(shí)行局部聚類(lèi)對(duì)檢測(cè)結(jié)果的影響，又能有效對(duì)聚類(lèi)后的異常行為進(jìn)行識(shí)別。本文方法比已有研究的算法快速，而且檢測(cè)率要高，誤檢率要低。
　　 實(shí)現(xiàn)網(wǎng)絡(luò)用戶(hù)業(yè)務(wù)偏好的分析。首先，通過(guò)采用已有的業(yè)務(wù)識(shí)別工具對(duì)網(wǎng)絡(luò)用戶(hù)業(yè)務(wù)數(shù)據(jù)流進(jìn)行各業(yè)務(wù)流量比例統(tǒng)計(jì)，為用戶(hù)業(yè)務(wù)行為建模；其次，在用戶(hù)的業(yè)務(wù)行為具有層次特點(diǎn)的基礎(chǔ)上，采用數(shù)據(jù)挖掘中經(jīng)典層次聚類(lèi)算法來(lái)對(duì)用戶(hù)的業(yè)務(wù)行為進(jìn)行聚類(lèi)，實(shí)現(xiàn)用戶(hù)使用業(yè)務(wù)偏好的群體劃分。在聚類(lèi)過(guò)程中，利用了信息論中熵的概念，通過(guò)