基于多维度体感信息的在线考试异常行为监测

考试者监测是在线考试面临的主要难题之一。传统监测方案主要集中在考试者的身份识别方面,缺乏对考试者异常行为的有效识别。面向在线考试异常行为监测,提出通过体感数据采集仪Kinect获得考试者的骨骼关节点位置以及头部偏转角度等姿态数据,判别在线考试过程中考试者的异常行为。同时,针对单一的动作事件判别方法存在的虚警率高的问题,提出利用多维度体感信息识别考试者行为的新思路。通过分析一个时间窗口内异常事件发生的频次以及持续时间等信息,判断考试者当前的行为是否异常。实验表明,所提方案可以有效地监测考试者在考试过程中出现的异常行为。     

在线稽查装置用电信息采集系统的窃电分析--基于电力用户用电信息采集系统

在电网供电过程中,一些用户受利益的驱使,使用非法手段窃电,使得国家电能大量流失,给国家经济造成了严重的损失。因此,探究防窃电方法成为了电力科技领域研究的重点。介绍了新型防窃电在线稽查装置,概述了该装置的运行原理和实现方法,为在线准确判定用户是否有窃电行为提供了一定的依据。     

基于数值分析的异常扫描行为监测系统

提出了一种基于数值分析的异常扫描行为监测方法, 以Netflow网管数据为基础, 设计开发了监测系统, 实现了对网络中主流网络蠕虫病毒、IRC僵尸木马的传播爆发以及黑客恶意扫描探测等异常行为的实时监测, 取得良好效果, 大幅提升了网络运营单位的网络安全支撑服务能力。     

基于用电行为特征大数据的异常用户识别模型研究与应用

在落实准确执行电价的政策要求过程中,发现用户用电行为多样复杂,生成的用电数据量非常庞大,给管理增加了难度,再加上客户档案数据更新不及时,用户电价执行错误的情况一直未能杜绝.为解决电力大数据时代背景下电力工作人员难以快速识别电价执行错误的异常用户的问题,本文通过用户用电量、96点负荷曲线和多指标综合评分等手段,利用大数据...     

基于相似性搜索的异常用电行为识别方法

传统异常用电行为识别方法浪费大量人力与物力,且准确率较低、效果不佳,本文在大数据背景下,提出一种基于相似性搜索的商业园区异常用电行为自动识别方法。通过分析相似性搜索方法获得用户用电时间序列,采用趋势性指标、变化性指标、波动性指标以及其他指标分析商业园区异常用电行为,引用主分量分析与因子分析方法提取异常用电行为特征,凭借误差矩阵自动规整化数据,设定欧氏距离阈值实现商业园区异常用电行为自动识别。实验结果表明方法可降低计算难度,高效识别出异常用电数据,保证商业园区正常用电。     

一种基于用户行为静态建模的在线客服系统

交互式信息服务模型强调人机交互过程中对用户动态的反映,注重用户认知因素和非认知因素的结合,旨在构建支持对用户自适应的用户模型。通过提出使用模糊集的方式,对在线用户进行建模,同时描述了基于这种用户模型进行用户行为在线跟踪和用户行为预测的方法,并介绍一个系统实现构成。     

基于模式挖掘的用户行为异常检测

行为模式通常反映了用户的身份和习惯，该文阐述了针对Telnet会话中用户执行的shell命令，利用数据挖掘中的关联分析和序列挖掘技术对用户行为进行模式挖掘的方法，分析了传统的相关函数法在应用于序列模式比较时的不足，提出了基于递归式相关函数的模式比较算法，根据用户历史行为模式和当前行模式的比较相似度来检测用户行为中的异常，最后给出了相应的实验结果。     

基于机器学习的用户行为异常检测模型

针对LaneT等人提出的用户行为异常检测模型的不足,提出了一种新的IDS异常检测模型。该模型改进了用户行为模式和行为轮廓的表示方式,采用了新的相似度赋值方法,在对相似度流进行平滑时引入了“可变窗长度”的概念,并联合采用多个判决门限对用户行为进行判决。基于Unix用户shell命令数据的实验表明,该文提出的检测模型具有更高的检测性能。     

基于SLA流量异常监测系统的研究与实现

随着网络规模的不断升级,网络流量特征的相关研究已经成为网络性能分析主要方向之一。通过对网络流量异常情况的监测,分析VPN流量和远程员工的行为,提供网络运行的详细情况。SLA是客户和网络服务商签署的关于网络QoS的正式合同,明确规定了所期望的服务质量的级别,其中包括所期望的服务项目和QoS参数。SNMP采集平台是流量异常监测系统的基础,负责远程数据的采集。本文主要描述了基于SLA流量异常监测系统的设计与实现的详细过程。     

基于正则化矩阵分解的用户用电行为分析

针对细粒度、多类别的用户用电行为分析问题,提出了基于地理信息正则化矩阵分解的居民用户用电行为分析算法,探索用户用电的群体特点,为个性化的、更优的电力调度提供决策支持依据。该模型首先基于矩阵分解理论将用户映射到能表征其用电行为特点的潜在特征空间,然后采用k-means聚类算法在潜在特征空间上实现用电用户群的细分聚类。特别地引入了地理信息作为矩阵分解的正则化因子,使得学习到的潜在特征空间不仅满足用户群特征的正交,而且使得地理位置相近的用户在潜在特征空间的映射也相近,与真实物理空间保持一致。将所提方法应用于中新天津生态城智能电网采集到的真实居民用电数据分析挖掘任务中。实验结果表明,与基准的向量空间模型（VSM）和非负矩阵分解（NMF）算法相比,所提方法能够取得更好的用户细分聚类结果,挖掘出一定的用户群体用电模式,有助于辅助智能电网提升经营和服务水平。     

基于采样技术和LightGBM的用户用电异常检测模型

在大数据的时代背景下,我国电力事业信息化的发展日趋重要,尤其是需要使用计算机技术对用电数据进行分析.对于用户用电异常的分析问题,传统方法既耗时又耗力,这就需要引入机器学习的相关方法自动的识别异常信息.现阶段,用电异常分析主要基于传统的异常检测算法或深度神经网络,传统异常检测算法运行精度不足而深度神经网络计算速度又过慢....     

基于用户行为的入侵检测系统的设计与实现

讨论了基于主机用户行为的入侵检测系统(MUIDS)的设计与实现。介绍了基于用户行为的IDS的研究现状,给出了MUIDS的分析模型;随后对MUIDS的设计进行了详细阐述,给出了MUIDS的组件模块划分及通信接口的设计。对MUIDS的关键技术——数据采集技术、用户登陆类型算法、用户行为建模算法、用户行为分析等关键技术进行了详细的论述,实现了相应的原型系统。     

基于无干扰理论的在线用户行为可信性分析方法

针对在线应用中用户行为可信性难监测、难评判的现状和当前用户行为可信性分析理论薄弱问题，提出一种基于无干扰理论的在线用户行为可信性分析方法。首先，从执行单步行为的行为实体身份、状态、环境三方面定义单步行为静态可信性，给出静态可信验证策略；然后，从行为执行过程和结果两个角度定义行为动态可信性，给出行为动态可信验证策略；最后，基于单步行为构建用户行为流程，提出基于可信扩展思想的用户行为流程可信性判定定理，并应用无干扰理论进行定理证明。证明过程及结果验证了所提方法的正确性和有效性。     

用户行为异常检测模型

从系统安全的角度出发,将异常检测技术用于用户行为分析领域,建立了一个异常检测原型模型UBAD(User Behavior Abnormality Detection)。利用关联规则算法FP-growth,对系统中的反映用户行为特征的数据进行深入挖掘,得到每个用户的行为模式, 将当前模式与正常历史模式进行对比可以判断用户行为是否异常。     

基于用户行为分析的在线订票系统缓存优化策略研究

 随着互联网和移动终端技术的快速发展,越来越多的用户通过互联网渠道查询和订购机票。为了减轻大量用户访问给在线订票平台带来的巨大后台查询压力,对余票（即机票库存）和票价信息进行缓存逐渐成为各在线订票系统普遍采取的措施。缓存机制中的一个关键问题是如何设置查询关键字的缓存有效时间（TTL）。本文提出一种基于用户查询行为分析的缓存优化策略,通过大量用户的查询记录来挖掘机票的库存变化规律,预测库存变化时间间隔,从而动态地设置TTL。在某在线订票网站的真实查询行为数据集上进行了实验,表明本文提出的方法在保证查询结果准确率的同时,能够极大地提高缓存命中率。     

基于SPCE061A单片机实现的电压在线监测系统

基于凌阳16位单片机SPCE061A开发了一种监测电压的智能仪表。该仪表可实时采集、记录、显示电网中的电压值,并存储电网中出现电压跳变的时间和进行声光报警。在此基础上,该仪表通过无线通信的方式,将现场采集的数据发送到远端操作站的上位机,由上位机的监控软件对现场数据进行处理。     

基于Web用户浏览行为的统计异常检测

提出一种基于Web用户访问行为的异常检测方案,用于检测应用层上的分布式拒绝服务攻击,并以具有非稳态流特性的大型活动网站为例,进行应用研究.根据Web页面的超文本链接特征和网络中各级Web代理对用户请求的响应作用,用隐半马尔可夫模型来描述服务器端观测到的正常Web用户的访问行为,并用与大多数正常用户访问行为特征的偏离作为一个流的异常程度的测量.给出了模型的参数化方法,推导了模型参数估计与异常检测算法,讨论了实际网络环境下异常检测系统的实现方法.最后用实际数据验证了模型和检测算法的有效性.仿真结果表明,该模型