通信系統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)與行為分析

目錄
第1章 緒論 1
1.1 網(wǎng)絡(luò)態(tài)勢感知的需求分析 2
1.1.1 面向數(shù)據(jù)篩選的網(wǎng)絡(luò)態(tài)勢感知需求 2
1.1.2 面向目標(biāo)監(jiān)視的網(wǎng)絡(luò)態(tài)勢感知需求 4
1.1.3 面向行為異常監(jiān)測的網(wǎng)絡(luò)態(tài)勢感知需求 7
1.2 網(wǎng)絡(luò)態(tài)勢感知應(yīng)用價值分析 8
1.2.1 提供多層次多尺度的網(wǎng)絡(luò)全景態(tài)勢 9
1.2.2 牽引數(shù)據(jù)挖掘型數(shù)據(jù)分析模式變革 11
1.3 當(dāng)前研究現(xiàn)狀與發(fā)展動態(tài) 12
1.3.1 網(wǎng)絡(luò)空間態(tài)勢元數(shù)據(jù)描述模型研究 13
1.3.2 網(wǎng)絡(luò)結(jié)構(gòu)分析技術(shù)研究現(xiàn)狀 15
1.3.3 網(wǎng)絡(luò)行為分析研究現(xiàn)狀 23
1.4 本書的主要內(nèi)容與章節(jié)安排 29
第2章 基于跳數(shù)矩陣的隱含網(wǎng)絡(luò)結(jié)構(gòu)推理 30
2.1 引言 30
2.2 基本概念 32
2.2.1 隱含網(wǎng)絡(luò)結(jié)構(gòu) 32
2.2.2 跳數(shù)矩陣 33
2.3 基于跳數(shù)矩陣的隱含網(wǎng)絡(luò)結(jié)構(gòu)推理算法 34
2.3.1 初始樹形結(jié)構(gòu)生成 36
2.3.2 樹形結(jié)構(gòu)生成 37
2.3.3 網(wǎng)絡(luò)結(jié)構(gòu)生成 39
2.4 算法性能分析 41
2.4.1 基于完備跳數(shù)矩陣的結(jié)構(gòu)推理性能分析 42
2.4.2 基于不完備跳數(shù)矩陣的結(jié)構(gòu)推理性能分析 44
第3章 基于社區(qū)結(jié)構(gòu)挖掘的業(yè)務(wù)網(wǎng)絡(luò)發(fā)現(xiàn) 48
3.1 引言 48
3.2 基本概念 51
3.3 基于鄰域相似性的社區(qū)結(jié)構(gòu)挖掘方法 52
3.4 算法性能分析 55
3.4.1 數(shù)據(jù)集及性能指標(biāo) 55
3.4.2 人工數(shù)據(jù)集性能測試結(jié)果 56
3.4.3 某通信系統(tǒng)網(wǎng)絡(luò)A業(yè)務(wù)網(wǎng)絡(luò)發(fā)現(xiàn)的應(yīng)用分析 58
第4章 通信系統(tǒng)網(wǎng)絡(luò)多層多維多尺度目標(biāo)行為實證分析 61
4.1 引言 61
4.2 通信系統(tǒng)網(wǎng)絡(luò)多層多維多尺度目標(biāo)行為分析框架 62
4.3 通信系統(tǒng)網(wǎng)絡(luò)物理層目標(biāo)行為實證分析 64
4.3.1 信號行為特征量分布行為分析 66
4.3.2 基于信號演化行為的近似關(guān)聯(lián)性分析 74
4.4 通信系統(tǒng)網(wǎng)絡(luò)層目標(biāo)行為實證分析 77
4.4.1 IP行為特征量分布行為分析 78
4.4.2 基于IP分布行為的近似關(guān)聯(lián)性分析 85
第5章 基于樸素貝葉斯推理的網(wǎng)絡(luò)目標(biāo)屬性挖掘 87
5.1 引言 87
5.2 基本概念 89
5.2.1 樸素貝葉斯分類 89
5.2.2 樸素貝葉斯分類器的增量學(xué)習(xí) 91
5.3 聚類引導(dǎo)式的增量貝葉斯推理算法 95
5.3.1 增量學(xué)習(xí)的樣本選擇策略 95
5.3.2 聚類引導(dǎo)式增量樸素貝葉斯推理算法 96
5.4 算法性能分析 99
5.4.1 數(shù)據(jù)集及聚類質(zhì)量衡量指標(biāo) 99
5.4.2 UCI標(biāo)準(zhǔn)數(shù)據(jù)集實驗分析 100
5.4.3 針對通信系統(tǒng)網(wǎng)絡(luò)信號出入向?qū)傩耘袛嗟男阅芊治?102
5.4.4 針對通信系統(tǒng)網(wǎng)絡(luò)IP屬性判斷的性能分析 104
第6章 基于譜聚類的網(wǎng)絡(luò)目標(biāo)關(guān)聯(lián)關(guān)系挖掘 106
6.1 引言 106
6.2 基本概念 107
6.2.1 傳統(tǒng)譜聚類 107
6.2.2 目標(biāo)交互行為相似性 110
6.3 自適應(yīng)加權(quán)譜聚類算法 111
6.3.1 尺度參數(shù)的自適應(yīng)調(diào)整算法 111
6.3.2 自適應(yīng)加權(quán)譜聚類算法 114
6.4 算法性能分析 115
6.4.1 數(shù)據(jù)集及聚類質(zhì)量衡量指標(biāo) 115
6.4.2 人工數(shù)據(jù)集性能分析 118
6.4.3 UCI標(biāo)準(zhǔn)數(shù)據(jù)集性能分析 121
6.4.4 某通信系統(tǒng)網(wǎng)絡(luò)IP通聯(lián)元數(shù)據(jù)集應(yīng)用分析 122
第7章 某通信系統(tǒng)網(wǎng)絡(luò)態(tài)勢感知實驗系統(tǒng)介紹 126
7.1 引言 126
7.2 通信系統(tǒng)網(wǎng)絡(luò)態(tài)勢感知實驗系統(tǒng)設(shè)計 126
7.2.1 設(shè)計思路、系統(tǒng)組成與工作原理 126
7.2.2 網(wǎng)絡(luò)數(shù)據(jù)接入及預(yù)處理模塊 128
7.2.3 網(wǎng)絡(luò)結(jié)構(gòu)/行為分析引擎 128
7.2.4 態(tài)勢可視化展示模塊 129
第8章 基于有向圖模型的網(wǎng)絡(luò)異常目標(biāo)檢測 132
8.1 引言 132
8.2 基本概念 133
8.3 基于有向社交網(wǎng)絡(luò)的Sybil檢測方法 135
8.4 算法性能分析 139
8.4.1 Sybil檢測性能分析 139
8.4.2 與SybilDefender的性能比較 141
索引 143
參考文獻 145