基于机器学习的用户实体行为分析技术在账号异常检测中的应用

伴随企业业务的不断扩增和电子化发展,企业自身数据和负载数据都开始暴增。然而,作为企业核心资产之一的内部数据,却面临着日益严峻的安全威胁。越来越多以周期长、频率低、隐蔽强为典型特征的非明显攻击绕过传统安全检测方法,对大量数据造成损毁。当前,用户实体行为分析(User and Entity Behavior Analytics,UEBA)系统正作为一种新兴的异常用户检测体系在逐步颠覆传统防御手段,开启网络安全保卫从“被动防御”到“主动出击”的新篇章。因此,将主要介绍UEBA在企业异常用户检测中的应用情况。首先,通过用户、实体、行为三要素的关联,整合可以反映用户行为基线的各类数据;其次,定义4类特征提取维度,有效提取几十种最能反映用户异常的基础特征;再次,将3种异常检测算法通过集成学习方法用于异常用户建模;最后,通过异常打分,定位异常风险最大的一批用户。在实践中,对排名前10的异常用户进行排查,证明安恒信息的UEBA落地方式在异常用户检测中极其高效。     

基于机器学习技术的网站用户行为预测

针对网站中用户留存度、转化率和忠诚度较低的问题,文中以旅游网站为例,基于logistic回归的机器学习技术,提出一个旅游网站的访问用户行为预测模型。该模型对网站用户的行为数据集合进行预处理,按照固定的比例对数据集合进行分类,验证数据集的分类服从相同的统计分布。最后,建立使用logistic回归机器学习算法相应的模型,对网站用户的行为进行预测。预测结果表明,该模型可以比较准确地预估网站用户的行为。     

基于通信业务日志的用户行为安全审计研究

为更直观掌握用户行为,基于运营商的海量用户业务日志为实验数据构建用户画像,分析研究用户基本属性、操作行为、偏好特征等维度。根据实际业务场景,结合改进的TF-IDF（词频-逆文档频率）标签权重算法开发不同维度用户画像标签体系,对用户操作日志中的潜在高风险信息进行数据挖掘,并输出可视化画像结果。实际应用表明通过用户画像能识别风险用户行为信息,同时也能为日志安全审计提供参考价值,帮助企业实现数据安全运营动态监测。     

基于机器学习的微博机器用户识别研究

文章以微博用户为研究对象,从发博行为、博文内容、用户关系和发博设备四个方面建立特征维度,借助机器学习的方法构建有效的机器用户识别模型,分别在决策树C4.5和随机森林算法下验证了该模型的识别性能,证实了该方法的可行性和准确性,对维护健康的网络环境有一定的指导意义.     

基于机器学习的细分业务用户感知评估方法

业务差异化和良好的用户感知是LTE网络以及未来5G网络运营的关键,目前的网络KPI指标体系主要是用于评估网络运维情况,并不能真正反映用户对网络和业务使用的实际满意程度。提出一种细分业务用户感知QoE评估方法,通过对LTE业务KQI指标以及XDR、MR等相关数据信息的关联分析,选取出特定业务QoE评价特征指标集,采用机器学习方法,建立细分业务的QoE评估模型,并以特定视频业务为例,给出QoE评估的特征指标选取和建模过程。该QoE评估方法可以对用户业务体验感知进行细粒度、高准确度的实时评估,为后续基于用户感知的网络优化、网络运营提供准确的数据支撑。     

基于机器学习的用户升级预判研究

基于逻辑回归、因式分解机、深度神经网络3种机器学习算法,提出了一种预判移动用户是否升级至高ARPU(Average Revenue Per User)套餐的方法.经业务域的用户数据验证,预测精准率达84％,召回率超50％,效果远优于传统的规则排序方法.研究成果可帮助运营商更主动、更有针对性地开展营销活动,提高用户向高A...     

基于机器学习的无线网络用户感知速率智能预测研究

本文利用人工智能算法,结合DT/CQT、SpeedVideo、某厂家专有平台用户感知栅格速率数据,并关联栅格内覆盖、质量、负荷、性能等指标作为训练样本,分析影响用户感知速率的关键因素。通过建立预测用户感知速率的算法模型,实现栅格粒度用户感知速率预测,快速精准定位用户体验短板,有的放矢的解决用户体验问题,实现网络竞争力持续提升。     

基于机器学习的5G用户智能投诉处理方案研究

5G网络的复杂性、业务的多样性、用户的规模性使得5G用户投诉处理成为巨大挑战.提出了基于机器学习的5G用户智能投诉处理方案,该方案依托于用户O域与B域数据互通关联的端到端大数据系统,基于用户画像的标签体系,结合历史投诉单的内容、地点以及历史问题的定位结果,利用机器学习分类算法反复迭代得出可靠稳定的决策模型,最终实现5G...     

改进K-means模型在电力系统用户行为分析中的应用

针对电力信息系统用户行为分析的问题,提出了一种基于改进K-means聚类模型的电力信息系统用户行为分析方法。该方法把基于单词向量特征的改进K-means聚类模型应用于电力信息系统用户行为分析,解决了传统K-means算法通过随机选出聚类中心质点的方式得到的聚类结果范围波动较大、迭代次数较多、耗费时间较长以及稳定性较差的问题,优化后的算法聚类内距整体缩小,迭代次数也大幅度减少,提升了主动服务信息推送的精准性。     

基于机器学习算法的运营商用户流失预测方法

文章提出了对基于机器学习算法的运营商用户流失预测方法,该方法根据实际的预测需求及标准,对初始数据信息进行预处理,提取用户流失特征,并以此为基础,构建多目标预测层级,设定多层级的用户流失预测结构,提升整体的预测精准度,加快预测速度,完成对用户流失机器学习计算预测模型的构建,并将其用于用户流预测。测试结果表明：机器学习算法运营商用户流失预测测试组最终得出的预测召回率相对较高,表明预测中的误差可控,预测范围扩大,整体的预测针对性更强一些,具有实际的应用创新意义。     

移动网络用户行为挖掘模型及在E-Learning系统中的应用

通过对移动用户的行为挖掘模型构建,并应用在E-Learning网络学习移动中,实现E-Learning系统的优化设计。提出一种基于频繁项集关联规则分析的移动网络用户行为挖掘模型,结合嵌入式Linux进行E-Learning系统的开发设计。进行E-Learning系统的总体设计描述,开启SQL驱动支持来编译基于ARM平台的QWT库,构建Tiny OS的通信机制,实现无线消息包组的传输。软件开发主要包括移动网络用户节点程序设计、节点程序开发、上位机通信。在嵌入式Linux系统下的程序引导和软件的移植实现了对移动网络用户行为模型挖掘和E-Learning系统的软件开发设计。实验结果表明,该移动网络用户行为挖掘模型具有较好的数据挖掘性能,系统优化设计提高了E-Learning系统对移动网络用户的服务质量,展示了较好的应用价值。     

网络用户行为分析专利技术

随着互联网技术的飞速发展,以信息交流为主的基础网络服务正逐渐演进为以休闲娱乐、电子商务等以服务为主的扩展网络服务。本文从专利文献的视角总结了网络用户行为分析技术相关的专利申请基本情况,并介绍了主要技术分支。     

机器学习技术在医疗数据挖掘中的应用

随着医疗事业的不断发展,我国医疗技术也得到了有效的进步,医疗技术在不断完善。这其中,医疗测量仪器技术得到了显著的发展,能够更好地支持医疗信息记录工作。本文通过对医疗数据挖掘的相关问题进行研究,指出了医疗数据挖掘的发展方向。     

机器学习在网络空间安全研究中的应用

现阶段,我国已逐步加快信息化建设步伐,在现代化信息技术飞速发展带动下,整个网络空间数据量得到极大增长,与此同时,也将更多的难题带给网络空间安全管理。不断增加的网络空间连入点,使得传统网络空间安全处理方式无法满足海量数据需求,在这样的背景下,逐渐凸显出机器学习优势,将机器学习应用于网络安全研究中可以有效解决网络空间安全问题。     

机器学习在乳腺癌诊断中的应用

大数据时代,海量的乳腺癌检测数据给机器学习训练带来可能,机器学习作为及其重要的数据挖掘手段,可在乳腺癌的医疗诊断中更加精确快速的检测出疑似患者。基于机器学习经典的逻辑回归、决策树、KNN、支持向量机等算法,对数据样本进行分类训练,实验结果发现KNN的表现优异,准确率高达96.6%。该应用在改善乳腺癌诊断中过度依赖医生经验上有较大帮助。     

机器学习在数据分析中的实践与应用

随着目前大数据技术的发展,将大量数据转化为有用的信息对于很多公司与机构有着重大的意义,与此同时,机器学习的方法能够使机器从大量的数据中学习规律,从而对新的样本做出分类识别,或者对未来做出合理的预测。本文应用鸢尾花数据集来阐述机器学习在数据分析中的实践与应用。     

基于机器学习算法的社交数据挖掘与用户偏好的建模

本文提出了用户时事偏好评估模型。首先利用文本挖掘技术对微博数据进行预处理,再通过九种机器学习算法训练对比得到一个最优的时事类文本分类模型。研究结果显示,线性支持分类机为最优分类算法,基于分类结果的偏好评估模型可以结合传统学生评价指标,得到一个更具创新性的用户评价体系用于高校的学生评价工作中。     

机器学习在旅游咨询专家系统中的应用

随着当代旅游业高速发展,对旅游信息的检索需求不断上升。文章主要研究机器学习在旅游咨询系统中的应用。基于人工智能专家系统的思想,首先从知识库,推理机等视角出发论述了旅游咨询系统具体的内部框架与工作机理,再用模块化的思想从各个子系统中探讨机器学习的需求与应用。不仅在从理论上用实例对机器学习的过程进行了阐述,而且通过实验对机器学习的效果进行了验证。     

机器学习在金融风险管理中的应用

文中以Lending Club数据集为基础,研究了基于多层感知器（Multi-Layer Perceptron,MLP）的信用评估系统。首先,介绍了MLP模型的结构和数学基础,然后设计并实现了一个用于信用评估的MLP系统。通过在测试集上进行评估,得到了模型的准确度、精确度、召回率、F1分数等性能指标。实验结果表明,MLP模型在Lending Club数据集上表现出色,具有较高的准确度和均衡的精确度、召回率,为金融风险管理提供了有力支持。     

机器学习技术在文本分析中的应用

文本分析是自然语言处理领域中的重要任务,其意义在于将大量文本数据分为不同类别,以便更好地理解和管理信息。文本分析的应用极为广泛,可用于垃圾邮件过滤、情感分析、新闻分类等领域,对信息组织和检索具有重要影响。然而,文本分析面临着文本数据维度高、语义复杂性、标注数据不足等挑战,为解决以上问题,文中深入研究了机器学习技术在文本分析中的应用,以期能提高文本分类的性能和效率。