-
公开(公告)号:CN113079176B
公开(公告)日:2022-04-05
申请号:CN202110402669.3
申请日:2021-04-14
Applicant: 西安交通大学
IPC: H04L9/40 , G06F16/901 , G06F16/9035
Abstract: 一种适用于海量数据的高速网络流量异常检测系统,包括数据包特征提取子系统、网络流量压缩存储子系统、用户频度分析子系统、网络重击流检测子系统和网络巨变流检测子系统:首先对高速网络流量进行捕获,根据检测粒度,初步提取数据包五元组信息,作为网络用户唯一标识;基于所提取的数据包特征,利用LogLog数据结构对高速网络流量中频度较小的低频网络用户进行过滤存储,并结合不同的网络流量异常检测任务,采用不同的数据结构存储频度较大的高频网络用户;结合存储网络流量中低频和高频网络用户的不同数据结构,分别对网络流量中的异常行为进行检测,输出每个网络用户的频度,并检测得到网络流量中的Top‑k网络重击流和网络巨变流。
-
公开(公告)号:CN109299366B
公开(公告)日:2019-07-30
申请号:CN201811136059.8
申请日:2018-09-28
Applicant: 西安交通大学深圳研究院
IPC: G06F16/9535
Abstract: 本发明提供了一种基于内容相似度实时计算的网络数据分类推荐系统,由系统入口模块、特征提取模块、特征相似度计算模块,类别推荐模块,特征标签库更新模块构成;入口模块负责检测请求的合法性;特征提取模块负责调用不同的特征提取算法子模块,提取待测目标特征;特征相似度计算模块负责快速计算待测目标集合与现有类别的相似度;类别推荐模块负责拟合各个得分向量,并推荐高得分类别给用户;特征标签库更新模块负责根据用户最终选择,对系统进行参数调优。本系统运用快速计算两个集合Jaccard相似度的算法,加快了系统的响应速度;同时借鉴Stacking算法思想,结合机器学习算法,使整个系统可随着实际生产环境和用户反馈进行学习,从而提高了推荐的正确性。
-
公开(公告)号:CN107786388A
公开(公告)日:2018-03-09
申请号:CN201710880542.6
申请日:2017-09-26
Applicant: 西安交通大学
Abstract: 本发明提供一种基于大规模网络流数据的异常检测系统,通过对输入的网络流数据进行采样和实时的三角形数目估计,检测当前网络中的某个点或某些点是否存在异常连接,包括数据预处理,网络流数据采样,网络建模及三角形数目估计和异常检测这五个子系统;在给定的网络流提取出有用的信息;利用PartitionCT算法对流数据进行等概率采样,建立相应的网络模型,并实时的估计全局或局部三角形数量;利用该结果对网络中是否存在异常进行判别;本发明可用于网络流采样;可用于估计网络流图中不同边的数目;也可用于动态估计网络中三角形数目并估计网络密度;还可以根据估计出的全局或局部三角形数目,进行网络或单个节点的异常检测等。
-
公开(公告)号:CN106600052A
公开(公告)日:2017-04-26
申请号:CN201611139349.9
申请日:2016-12-12
Applicant: 西安交通大学
Abstract: 本发明提供一种基于时空轨迹的用户属性与社会网络检测系统,通过对用户的行为模式进行分析,预测用户的真实身份属性,包括数据处理,社会网络建模,特征提取和分类预测这四个子系统;对时空轨迹数据进行分析;根据时空轨迹数据,提出原创的基于点互信息的方法建立用户的社会网络模型;提出原创的非负张量分解(NTF)算法自动提取出用户的隐含特征;利用用户的隐含特征使用多种分类器对用户属性进行预测;本发明可用于用户属性真实性检测;也可用于用户社会网络检测;还可以根据预测出的属性和社会网络,进行信息的精准推送、好友推荐等。
-
公开(公告)号:CN106600053B
公开(公告)日:2020-04-10
申请号:CN201611141121.3
申请日:2016-12-12
Applicant: 西安交通大学
IPC: G06Q10/04 , G06F16/9537 , G06K9/62
Abstract: 本发明提供一种基于时空轨迹和社会网络的用户属性预测系统,通过对用户的行为模式进行分析,预测用户的真实身份属性。包括数据处理,特征提取和分类预测这三个子系统;对时空轨迹数据和社会网络数据进行分析;提出原创的非负张量分解(NTF)算法自动提取出用户的隐含特征;利用用户的隐含特征使用多种分类器对用户属性进行预测。本发明可用于用户属性真实性检测;也可用于根据预测出的属性进行精准推广。
-
公开(公告)号:CN106600052B
公开(公告)日:2020-04-10
申请号:CN201611139349.9
申请日:2016-12-12
Applicant: 西安交通大学
IPC: G06Q10/04 , G06F16/9537 , G06K9/62
Abstract: 本发明提供一种基于时空轨迹的用户属性与社会网络检测系统,通过对用户的行为模式进行分析,预测用户的真实身份属性,包括数据处理,社会网络建模,特征提取和分类预测这四个子系统;对时空轨迹数据进行分析;根据时空轨迹数据,提出原创的基于点互信息的方法建立用户的社会网络模型;提出原创的非负张量分解(NTF)算法自动提取出用户的隐含特征;利用用户的隐含特征使用多种分类器对用户属性进行预测;本发明可用于用户属性真实性检测;也可用于用户社会网络检测;还可以根据预测出的属性和社会网络,进行信息的精准推送、好友推荐等。
-
公开(公告)号:CN109347662A
公开(公告)日:2019-02-15
申请号:CN201811136073.8
申请日:2018-09-28
Applicant: 西安交通大学深圳研究院
CPC classification number: H04L41/12 , H04L41/142 , H04L43/50 , H04L67/10 , H04L67/1097
Abstract: 本发明提供一种面向大规模网络流量的分布式社会网络结构快速挖掘系统,对高速产生的大规模网络流量进行分布式地分配与存储,挖掘社会网络中存在的拓扑结构,包括数据处理、网络结构挖掘、数据存储三个子系统;面向大规模网络流量,提出原创的分布式数据分配与存储模型;提出原创的分布式社会网络结构测量模型,可对社会网络中存在的拓扑结构进行不同粒度的测量;本发明适用于大规模流数据,可用于网络拓扑结构测量;也可基于网络拓扑结构的测量结果,进行用户身份预测、社团检测、异常行为挖掘等。
-
公开(公告)号:CN107169063A
公开(公告)日:2017-09-15
申请号:CN201710305848.9
申请日:2017-05-03
Applicant: 西安交通大学
Abstract: 本发明提供一种基于社交信息的用户属性预测方法与系统,根据用户加入的社交群组预测用户的真实身份属性,包括数据获取,文本分析、社交群组分析和用户属性预测;获取全国学校名称及专业名称,构建先验知识库,提取专业/学校简称特征,使用分类器预测简称,完善先验知识库;基于关键字匹配对社交群组进行分析,刻画用户教育背景;根据经验和3σ原则,计算每个群组对预测所能提供的价值信息;考虑各群组差异性,根据用户加入群组中是否有班级群信息,筛选出对应的社交群组,评估每个群组提供的信息,加权计算预测用户属性;本发明可用于用户属性真实性检测;也可以用于用户社交信息检测;还可根据预测出的用户属性,进行消息的精准推送、好友推荐等。
-
公开(公告)号:CN107122479B
公开(公告)日:2020-08-04
申请号:CN201710305120.6
申请日:2017-05-03
Applicant: 西安交通大学
IPC: G06F16/33 , G06F16/903 , G06F21/46
Abstract: 本发明提供一种基于深度学习的用户密码猜测系统,通过对泄露密码数据集进行分析,可挖掘用户密码常见构成模式;依据学习到的密码常见构成模式,基于用户个人信息,可生成该用户可能使用的密码,包括数据处理,模式训练,常见模式提取,密码生成这四个子系统;对用户密码数据进行分析;根据用户密码数据,提出基于递归神经网络的方法建立用户密码模式概率模型;基于学习得到的用户密码模式概率模型,根据Beam Search方法生成最常见的用户密码模式;根据生成的常用密码模式,基于用户个人信息,生成该用户可能使用的密码;本发明可用于猜测用户密码;也可用于评估用户密码强度;还可以为用户提供尽可能少的修改建议,提升用户密码强度等。
-
公开(公告)号:CN107786388B
公开(公告)日:2020-02-14
申请号:CN201710880542.6
申请日:2017-09-26
Applicant: 西安交通大学
Abstract: 本发明提供一种基于大规模网络流数据的异常检测系统,通过对输入的网络流数据进行采样和实时的三角形数目估计,检测当前网络中的某个点或某些点是否存在异常连接,包括数据预处理,网络流数据采样,网络建模及三角形数目估计和异常检测这四个子系统;在给定的网络流提取出有用的信息;利用PartitionCT算法对流数据进行等概率采样,建立相应的网络模型,并实时的估计全局或局部三角形数量;利用该结果对网络中是否存在异常进行判别;本发明可用于网络流采样;可用于估计网络流图中不同边的数目;也可用于动态估计网络中三角形数目并估计网络密度;还可以根据估计出的全局或局部三角形数目,进行网络或单个节点的异常检测等。
-
-
-
-
-
-
-
-
-