混合SVM结合信息熵检测ICMP隐通道*

攻击者可以将生成的任意信息隐藏在ICMP的有效负载中传递出去,构成了ICMP负载隐通道。在分析ICMP数据流熵标准差和熵值分布特性的基础上,提出了基于信息熵的样本集缩减策略。为提高采用标准支持向量机(SVM)的学习能力与推广能力,建立了若干选取规则,构造出一种有效的混合核函数。最后采用混合SVM结合信息熵的方法检测ICMP隐通道,取得了较快的分类速度和较高的检测率。实验结果表明,采用混合SVM结合信息熵检测ICMP隐通道的方法,是有效的、可行的。     

Web 日志挖掘中模糊C均值聚类研究

Web日志挖掘就是通过一定的方法分析Web日志数据,发现用户的访问习惯,帮助管理人员改进Web站点的性能和结构,提高用户获取知识的质量和速度.笔者首先在Web日志挖掘的背景下分析了模糊C均值聚类算法的缺陷,针对其的不足,在粗糙集理论的支持下,介绍属性信息量的概念,并通过计算待聚类对象的属性权值,区分重要性属性和噪音属性...     

E-Learning环境下基于知识点偏好的学习社区组建

在对在线学习者的个性化信息进行抽象、合理描述及分析的基础上,提出描述学习者在学习过程中的本体模型及本体推理规则;在结合虚拟学习社区和知识导航的服务下,借助Protégé、JSP和Jena编程技术,实现基于本体并具有组建虚拟学习社区和知识导航功能的E-Learning原型系统。实验表明,所提出的建模方法有利于进一步建立基于知识偏好的学习社区。     

Web日志挖掘中模糊C均值聚类研究

Web日志挖掘就是通过一定的方法分析Web日志数据,发现用户的访问习惯,帮助管理人员改进Web站点的性能和结构,提高用户获取知识的质量和速度。笔者首先在Web日志挖掘的背景下分析了模糊C均值聚类算法的缺陷,针对其的不足,在粗糙集理论的支持下,介绍属性信息量的概念,并通过计算待聚类对象的属性权值,区分重要性属性和噪音属性对聚类结果的影响,实验证明该方法提高了模糊C均值聚类算法的准确率。     

MOOC学习中“伪学习者”行为特征分析与识别的研究

为深入了解学习者在慕课(Massive Open Online Courses,MOOC)平台下的学习行为特性,识别可能存在的伪学习行为,提出了基于协同训练的伪学习者识别模型。首先在学习者概要特征基础上,提出自主行为特征和交互信息特征,并将三者联合优化分析,以建立学习者动态行为模式;然后采用多分类器协同学习的方法对学习者行为数据进行标记,根据标记结果以判定学习者是否为伪学习者。最后的数据表明,基于协同训练的伪学习者识别模型能有效地判别一个学习者是否是伪学习者,为今后检测MOOC教学效果提供了一种依据。     

WiMAX系统中的一种最优化准入控制方法

WiMAX正逐渐成为"最后一公里"无线宽带接入的主要解决方案,在WiMAX系统中,准入控制(AC)起着很重要的作用。目前关于AC策略最优化的研究主要考虑服务提供商的利益,即收益最大化,而很少考虑用户的要求。AC策略在收益最大化的基础上增加了关系用户利益的两个约束条件,即阻断率和带宽利用率。实验结果表明,该方法在收益、阻断率、带宽利用率三方面都有良好的性能,兼顾了服务提供商和用户的利益。     

SCADA系统通信网中的高级持续性攻击检测方法

高级持续性攻击（advanced persistent threat,APT）作为一种新型攻击,已成为SCADA（supervisory control and data acquisition）系统安全面临的主要威胁,而现有的入侵检测技术无法有效应对这一类攻击,因此研究有效的APT检测模型具有重要的意义。提出了一种新的APT攻击检测方法,该方法在正常日志行为建模阶段改进了对行为模式的表示方式,采用多种长度不同的特征子串表示行为模式,通过基于序列模式支持度来建立正常日志行为轮廓;在充分考虑日志事件时序特征的基础上,针对APT攻击行为复杂多变的特点,提出了基于矩阵相似匹配和判决阈值联合的检测模型。通过对比研究,该检测方法表现出了良好的检测性能。     

Web日志预处理技术探析

随着Internet的普及,Web日志挖掘成为一个新的研究课题。由于Web日志数据的半结构化,为了得到有效的挖掘模式,提高挖掘算法的效率,首先需要对数据预处理。该文详细介绍了Web日志数据预处理的四个步骤:数据清洗,用户识别,会话识别和路径补充,并实现了对某校院网日志记录的预处理,得到了理想的结果。