共查询到20条相似文献,搜索用时 15 毫秒
1.
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。 相似文献
2.
3.
4.
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. 相似文献
5.
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。 相似文献
6.
7.
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。 相似文献
8.
9.
10.
11.
《现代电子技术》2016,(24):83-87
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。 相似文献
12.
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。 相似文献
13.
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。 相似文献
14.
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。 相似文献
15.
16.
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。 相似文献
17.
《电子技术与软件工程》2019,(14)
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。 相似文献
18.
19.
20.
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。 相似文献