建设智能云数据服务平台让高校大数据“说话”:提升学校核心竞争力

高校信息化建设发展到以数据服务为核心的阶段,怎样挖掘出隐藏在大数据中的重要信息并利用这些信息更好地为师生提供服务是各个高校必须面对的问题,本文对此进行了分析并提出了一些思考.针对这些思考,提出了智能云数据服务平台的解决方案,阐述了平台的建设目标、建设原则与建设内容,探讨了平台使用的整体架构和安全体系,描述了建设过程中可能会遇到的问题并提出解决方案.最后对平台建设的预期效果进行了评估.     

基于Attention机制的链接预测算法

针对社会网络中链接预测问题,提出了基于注意力(Attention)机制的链接表示及其预测算法.基于待预测节点的共邻关系构建其链接局部网络,设计了基于紧密游走的网络拓扑序列化方法.采用双向循环神经网络(Bi-RNN)对链接序列进行向量编码,以充分挖掘序列相关节点间的上下文依赖信息.通过Attention机制对链接中的节点进行关注和加权,强化重要节点对链接预测任务的贡献,实现链接拓扑特征的自动提取与准确分类预测.实验结果表明,在4种不同类型的社会网络数据集中,该算法的准确率和运算效率都有较大提高且普适性较强.     

参数化的网络状况监控

网络管理的前提是要对网络状况有清楚地认识 ,因此对网络状况的正确评价可以有效地提高网络管理水平 .在利用netflow进行数据采集的基础上 ,为网络的各类状态定义了参数系统 ,并依此为基准来衡量实时网络状况 ,并在此基础上定义了若干指示器为网络异常提供预警     

基于Web的SIP实现技术

SIP是基于IP的语音通讯体系结构的标准之一,本文通过对SIP协议的研究,提出在Web的客户端浏览器上用Java来实现SIP协议的客户端用户代理部分。     

基于聚类分析的网络流量高斯混合模型

基于聚类算法对数据对象多个属性综合聚类的特点,研究网络流量的GMM模型及其在数据流尺度上的Log-normal分布。用EM算法研究了具有交互特征的网络流量的分类;通过与K-means算法比较,讨论了EM算法在流量聚类中的适用性;通过平衡和不平衡流量的聚类分析,研究了不同类型流量GMM建模的有效性。研究流量的幂律关系及其在不同尺度间的传递性,用户行为和应用程序特征通过传输层控制协议分解传递到IP层后,在数据包尺度上表现出分形和自相似性,在数据流尺度上表现出Log-normal分布。     

同质TCP流的多重分形特性分析

采用基于小波变换模极大值的多重分形分析方法,讨论了大、小时间尺度下的结构函数和多重分形谱的特点。依据实例研究了不同时间下的同质TCP流(W eb)分别在大、小时间尺度下的分形特点;通过对不同协议的同质TCP流的协议本质及拥塞机制的分析,推断其所表现的多重分形谱特点与百分比的相关性;对同一TCP流中不同协议组成的分析,得到TCP总量与分量的多重分形谱特点以及与同质程度的关系。     

基于注意力机制的DGA域名检测算法

DGA域名(Domain Generation Algorithm)检测是恶意CC通信检测的关键技术之一。已有的检测方法通常基于域名构成的随机性进行检测,存在误报率高等问题,对于低随机性DGA域名的检测准确率较低,主要是因为此类方法未能有效提取低随机性DGA域名中的部分高随机性,为此提出了域名的多字符随机性提取方法。采用门控循环单元(GRU)实现多字符组合编码及其随机性提取;引入注意力机制,加强域名中部分高随机性特征。构建了基于注意力机制的循环神经网络的DGA域名检测算法(ATT-GRU),提升了低随机性DGA域名识别的有效性。实验结果表明,ATT-GRU算法在检测DGA域名上取得了比传统方法更高的检测精确率和更低的误报率。     

重尾分布的网络流量SVM分类

网络流量表现出突发和自相似等动态特性,使得网络应用很难进行准确分类。本文分析了流量动态特性产生的不平衡性及其重尾分布,提出了基于重尾分布的流量分类定量分析模型。基于该分析模型,研究分类算法中训练集采集位置和规模大小的选取。考虑到混合流量中的次要数据流通常是小样本,选用支持向量机(SVM)算法进行流量分类。实验结果表明:重尾分布的流量分类训练集可以选择最佳采集位置和规模,以获得较好的分类模型,该定量分析模型对流量分类及提高分类精度有指导意义。     

基于贝叶斯后验模型的局部社团发现

基于节点的局部社团发现在大数据社会网络分析中非常重要。针对Newman模块度在社团发现中的局限性,基于贝叶斯后验模型提出了BS模块度度量法。该方法结合节点的模块度和推荐概率进行建模,并以邻接并入为框架得到了一种新的局部社团发现算法。该方法克服了Newman模块度在稀疏网络中区分度低的问题以及社团结构差异大的分辨率问题,有效地寻找大规模网络中的局部社团。通过与Newman模块度在真实社团中的比较,验证了该度量方法的有效性。     

基于分形插值函数重构的网络流量多尺度结构研究

根据网络流量的非线性特征,及分块分形插值函数能模拟分形信号的优点,对震荡类型不同的两类流量重构,发现其对不同尺度流量拟合误差都很小,提出将该方法用于在很大尺度范围内的网络流量多尺度结构研究.进一步研究采用分块FIF重构的信号与原信号在多分形、能谱等分形特性和统计特征方面的保持能力;通过对信号FIF重构过程的分析,讨论了分块FIF构造过程与重构信号的多分形多尺度结构间的关系.提出分块FIF方法是基于流体技术研究网络流量多分形多尺度结构的有效工具.