网络演化中基于事件的节点影响力分析

社会影响力分析是社会网络研究领域的一个重要研究热点,目前大多数 的影响力分析都是针对静态网络的。针对网络演化提出了一种基于个体事件的影响力分析方法,首先改进了传统扩散模型以适用于网络演化,并对在扩散中表现出的事件进行了定义,然后基于其中的个体事件测量了社交指数和影响力指数来衡量节点影响力,从而挖掘出动态网络影响力最大化问题中的关键节点。实验分别计算了节点的两个指标并对得出的结果分别进行了分析,找出了影响力较大的重要节点,然后对两个指标的性能进行了对比,结果表明利用社交指数发掘的节点在扩散前期传播的效率更高,而遇到扩散瓶颈时利用影响力指数发掘的节点则可以更快地突破瓶颈期。     

基于事件演化图与图卷积神经网络的事件预测

该文从改进事件演化图构造和丰富事件表示的角度出发,提出了一种基于事件演化图和图卷积网络的事件预测模型。该模型采用事件抽取模型,结合频率和互信息重新定义事件演化图中边的权重。事件语境的表示由BiLSTM和记忆网络学习得到,并在事件演化图的指导下作为输入被馈送到GCN。最终的事件预测由这种事件关系感知、上下文感知和邻域感知的事件嵌入共同完成。在Gigaword基准数据集上的实验结果表明,所提出的模型在事件预测精度方面优于六个先进的模型,与其中最新的SGNN方法相比提高了5.55%。     

面向节点演化波动的社会网络事件检测方法

社会网络特征千差万别,演化规律错综复杂.合理地分析网络演化规律,及时地检测网络事件具有重大意义.基于链路预测的社会网络事件检测方法利用有限的网络拓扑信息,能够有效地发现网络演化的异常波动,准确地检测网络事件.然而,现有方法大多受到链路预测的宏观评价指标的限制,忽略了不同节点演化波动的差异,用相同的相似性计算指标去描述所有节点的演化波动,不利于提升事件检测的表现.为了进一步提升事件检测的精确性和敏感性,提出一种面向节点演化波动的社会网络事件检测方法NodeED,由节点相似性计算指标判定算法SimJudge和网络微观演化波动检测算法MicroFluc组成.主要工作如下：（1）结合粒子群优化算法,提出SimJudge定量地比较不同的相似性计算指标对节点演化波动的描述程度,确定每个节点在不同时段的最佳相似性计算指标;（2）为了量化事件对网络演化的影响,提出了MicroFluc,充分考虑节点演化波动的差异,从节点演化波动的角度对不同时段的网络整体演化波动进行定量评估;（3）在真实社会网络VAST和ENRON中进行对比实验,其结果表明,NodeED在VAST中的事件敏感性提升了100%,在ENRON中的事件敏感性提升了50%,更有利于精确地检测社会网络中发生的事件.     

基于加权网络模型的电网连锁故障分析

本文基于复杂网络理论提出了一种评估电网发生连锁故障的新方法,运用复杂网络理论来分析电网有助于从电网架构上研究连锁故障.首先,以输电线路和变压器的阻抗模值为边权构建了电网加权拓扑模型,并给出评价电网中心性的指标;其次,基于线路断开瞬间线路传输功率优先分配到邻近线路的原则,提出评估电网发生连锁故障的阈值模型;最后,以IEEE 118节点系统为例,通过计算反映其中心性的指标值,找出了IEEE 118节点系统的中心节点,验证了加权拓扑模型在反映节点中心性方面优于无权拓扑模型,与实际网路也更接近.在此基础上,针对四种攻击网络的典型模式,运用阈值模型计算该系统发生连锁故障的临界阈值,揭示了电网发生连锁故障的机理.     

网络安全事件应急响应联动系统模型

网络安全事件应急响应联动系统是一套从应急响应组发展起来的应急响应联动体系,目的是充分协调地理分布的资源协同应对网络安全事件。以目前的应急响应技术为基础,提出了一套网络安全事件应急响应联动系统的基本模型,讨论了应急响应联动的概念与意义,并详细分析了应急响应联动的组织功能、运行方式、策略研究、软件平台和若干关键技术。     

基于事件的社会网络演化分析框架

提出了一个全新的复杂网络分析框架来跟踪动态网络的演化规律,发现其在演化过程中的时间特性.不同于传统静态时间片的分析方法,整个框架首先利用有效而快速的方法发现网络的timeline,然后利用图近似算法刻画timeline中的平稳演化段落,这样可以有效地降低个体行为的不确定性所带来的网络演化噪声.此外,综合考虑到网络中个体...     

基于演化博弈的网络安全防御决策方法研究

对于网络安全防御存在收敛速度慢的问题,为满足网络安全防御需求,现提出基于演化博弈的网络安全防御决策方法。结合演化博弈理论,构建出多阶段演绎化模型,根据泰勒展开式对攻防演化博弈求解,以此计算出网络防御的关键参数,选取最优策略。实验结果表明,在不同强度攻击下,设计方法的收敛速度得到了提升,为研究网络空间攻防对抗领域方面提供理论支持。     

基于节点演化分阶段优化的事件检测方法

链路预测技术是分析网络演化的有效方法,也为社会网络事件检测提供了一种新思路。当前采用链路预测进行事件检测的方法大多是从宏观的网络演化入手,也有少数结合节点演化的检测方法,但其稳定性不佳,对事件的敏感性也不够高,不能准确检测事件的发生。基于以上问题,提出了一种基于节点演化分阶段优化的事件检测方法(Node Evolution Staged Optimization,NESO_ED)。首先通过分阶段优化的方法加强事件检测的稳定性,并获取节点指标权重数组;然后根据不同阶段按不同规则选取节点的最佳相似性计算指标,使节点能更好地量化网络演化情况,以此提高事件检测的敏感性。此外,分析了网络演化过程中节点选取指标的变化情况,揭示了事件发生对节点演化产生的不同影响。基于真实社会网络VAST进行对比实验,结果显示NESO_ED方法在事件检测敏感性上比LinkEvent方法提高了227%,比NodeED方法提高了63%,NESO_ED方法的稳定性也比NodeED方法提高了66%,这表明NESO_ED方法能更加准确且稳定地进行事件检测。     

基于因果关系的网络安全事件传导路径分析方法

网络安全事件在发展过程中,形成了网状的传导路径.文章提出一种基于因果关系的相似度分析方法,分析网络安全事件的传导路径.文章首先介绍了安全事件的因果关系,然后提取告警属性信息作为参数,分析其相似度并根据结果确定事件的传导路径,为进一步分析安全事件并采取相应对策提供依据.     

基于超融合技术的数据中心网络安全设计

近年来,基于超融合技术构建数据中心领域的基础架构受到越来越多的关注.相比于传统架构和虚拟化技术,超融合技术实现了计算、网络和存储资源的统一管理,具有更高的平台投资效费比、简化管理难度及扩展性强等优势.随着网络安全的重要性不断提升,对基于超融合技术的数据中心网络安全方面提出了更高的挑战.通过划分超融合架构的不同子网,分析...     

一种分布式网络安全事件检测模型

分析了网络中大规模安全告警事件处理面临的问题,提出了一种分布式安全事件检测系统模型,在对事件分类的基础上,提出了基于策略的分层事件处理机制,阐述了一种基于二叉树遍历和滑动时间窗口的事件检测算法,进一步提高了事件检测的及时性和准确性,为网络系统的安全提供了可靠的保障。     

基于第二层物理隔离的网络安全模型

本文根据计算机网络的组成原理和体系结构,分析了物理隔离的本质内涵,提出一种行之有效的基于第二层物理隔离的网络信息系统安全解决方案。     

大规模网络安全事件监控系统设计与实现

该文针对大规模网络的安全问题提出了采用分布式跨层检测的思想,并设计了一种大型网络安全事件监控系统的结构,深入讨论了系统实现的关键技术,并展示了系统运行效果。     

基于通信网络的安全研究

该文分析了网络本身的安全机制,以及实现整个网络的安全机制等网络中安全设计的主要方面。还考虑在实际的环境中,根据安全需求提供了不同层次和级别的安全策略。     

基于P2DR的网络安全体系结构

网络安全问题是网络发展和应用中的重要课题,网络安全体系结构的研究较传统的安全技术更加适合动态变化的网络安全问题。该文在分析动态网络安全模型P^2DR的基础上,建立了面向屏蔽子网的双路由器的安全体系结构,实现了策略、防护、检测、响应的统一。     

探析基于点对点网络安全的信任模型

点对点网络是近些年来成为主流的一种网络结构,随着点对点网络技术的不断发展,为网络发展带来优势的同时,也带来了许多挑战。点对点网络的动态性、自组织性以及匿名性的特征却不能为网络中所有对等节点带来可靠的服务。为了解决这些问题。文章深入探讨了点对点网络的信任模型,给出了信任模型的分类以及关键技术详解,并探讨了点对点网络的发展前景。     

基于位置吸引力的加权复杂供应链网络局域世界演化模型研究

在一般局域世界演化模型的基础上,文章使得企业节点的初始位置值呈现幂率分布,以体现节点企业的不同角色。受万有引力定律的启发,用位置值的大小和远近值来定义节点企业间位置吸引力的概念,并应用吸引力规则确定每一个新加入节点的局域世界。新节点与局域世界中的老节点之间采用节点度与节点强度的复合优先连接方式,弥补了优先连接仅仅依赖节点度值的缺陷,从而构建基于位置吸引力的加权复杂供应链网络局域世界演化模型。实验模拟了该复杂网络的生长、边的退出和节点的退出等动态演化过程,通过计算与统计整体度分布、平均路径长度和聚集系数等复杂供应链网络的重要参数发现:该复杂供应链网络的度分布呈现出一定的幂率分布形式,能够保证大多数节点的度较低和少数节点的度较高的重尾特征,同时具有较大的集聚系数和较小的平均路径长度的小世界特征。该研究工作为供应链企业在实践中构建供应链网络提供了理论依据,有助于更好地分析现实供应链网络的相关特性并识别重要节点以便对供应链网络进行保护。     

浅析网络安全事件流中的异常检测方法

随着互联网络的发展,黑客、入侵等对我们使用网络造成了严重的威胁。对网络安全的事件流进行检测能及时发现问题,采取对策,保护广大互联网使用者的权益。对这些异常的检测方法,主要有基于网络的、基于主机的和基于漏洞的异常检测方法。文章对这三种方法进行了分析。     

基于HHGA-RBF神经网络的网络安全态势预测模型

针对网络安全态势感知中的预测问题,提出了采用径向基函数(R13F)神经网络对态势值进行预测的方法。为了提高RI3F神经网络的预测精度,使用混合递阶遗传算法(HHGA)对RI3F神经网络进行训练,获得了神经网络结构参数。实验结果说明了此预测方法的有效性,并通过与已有的预测方法进行对比实验,验证了所提算法在精度方面的优越性。     

一种基于流立方体的网络安全态势感知模型

网络安全态势感知是网络安全监控技术一个新的发展方向,对网络安全态势的掌握对于网络安全而言具有重要的意义。在已有的关于数据立方体模型的研究基础之上,本文提出了一种基于流立方体模型的网络安全态势感知模型,以描述和抽象化网络安全态势感知中涉及的多维分析结构,从网络安全事件统计数据流的数据特征出发分析网络安全态势。给出了基于频率、趋势和熵值这三种数据特征的模型实例,利用流立方体相邻层次间单元的关系证明了这三种数据特征可以只从原始数据计算底层单元的特征,而上层单元的数据特征则可以通过对底层数据特征的运算而直接得到,从而实现高效计算。实际应用系统的构建和利用网络安全数据的测试实验表明了所提模型和方法的有效性。