通信系统网络结构与行为分析

目录
第1章 绪论 1
1.1 网络态势感知的需求分析 2
1.1.1 面向数据筛选的网络态势感知需求 2
1.1.2 面向目标监视的网络态势感知需求 4
1.1.3 面向行为异常监测的网络态势感知需求 7
1.2 网络态势感知应用价值分析 8
1.2.1 提供多层次多尺度的网络全景态势 9
1.2.2 牵引数据挖掘型数据分析模式变革 11
1.3 当前研究现状与发展动态 12
1.3.1 网络空间态势元数据描述模型研究 13
1.3.2 网络结构分析技术研究现状 15
1.3.3 网络行为分析研究现状 23
1.4 本书的主要内容与章节安排 29
第2章 基于跳数矩阵的隐含网络结构推理 30
2.1 引言 30
2.2 基本概念 32
2.2.1 隐含网络结构 32
2.2.2 跳数矩阵 33
2.3 基于跳数矩阵的隐含网络结构推理算法 34
2.3.1 初始树形结构生成 36
2.3.2 树形结构生成 37
2.3.3 网络结构生成 39
2.4 算法性能分析 41
2.4.1 基于完备跳数矩阵的结构推理性能分析 42
2.4.2 基于不完备跳数矩阵的结构推理性能分析 44
第3章 基于社区结构挖掘的业务网络发现 48
3.1 引言 48
3.2 基本概念 51
3.3 基于邻域相似性的社区结构挖掘方法 52
3.4 算法性能分析 55
3.4.1 数据集及性能指标 55
3.4.2 人工数据集性能测试结果 56
3.4.3 某通信系统网络A业务网络发现的应用分析 58
第4章 通信系统网络多层多维多尺度目标行为实证分析 61
4.1 引言 61
4.2 通信系统网络多层多维多尺度目标行为分析框架 62
4.3 通信系统网络物理层目标行为实证分析 64
4.3.1 信号行为特征量分布行为分析 66
4.3.2 基于信号演化行为的近似关联性分析 74
4.4 通信系统网络层目标行为实证分析 77
4.4.1 IP行为特征量分布行为分析 78
4.4.2 基于IP分布行为的近似关联性分析 85
第5章 基于朴素贝叶斯推理的网络目标属性挖掘 87
5.1 引言 87
5.2 基本概念 89
5.2.1 朴素贝叶斯分类 89
5.2.2 朴素贝叶斯分类器的增量学习 91
5.3 聚类引导式的增量贝叶斯推理算法 95
5.3.1 增量学习的样本选择策略 95
5.3.2 聚类引导式增量朴素贝叶斯推理算法 96
5.4 算法性能分析 99
5.4.1 数据集及聚类质量衡量指标 99
5.4.2 UCI标准数据集实验分析 100
5.4.3 针对通信系统网络信号出入向属性判断的性能分析 102
5.4.4 针对通信系统网络IP属性判断的性能分析 104
第6章 基于谱聚类的网络目标关联关系挖掘 106
6.1 引言 106
6.2 基本概念 107
6.2.1 传统谱聚类 107
6.2.2 目标交互行为相似性 110
6.3 自适应加权谱聚类算法 111
6.3.1 尺度参数的自适应调整算法 111
6.3.2 自适应加权谱聚类算法 114
6.4 算法性能分析 115
6.4.1 数据集及聚类质量衡量指标 115
6.4.2 人工数据集性能分析 118
6.4.3 UCI标准数据集性能分析 121
6.4.4 某通信系统网络IP通联元数据集应用分析 122
第7章 某通信系统网络态势感知实验系统介绍 126
7.1 引言 126
7.2 通信系统网络态势感知实验系统设计 126
7.2.1 设计思路、系统组成与工作原理 126
7.2.2 网络数据接入及预处理模块 128
7.2.3 网络结构/行为分析引擎 128
7.2.4 态势可视化展示模块 129
第8章 基于有向图模型的网络异常目标检测 132
8.1 引言 132
8.2 基本概念 133
8.3 基于有向社交网络的Sybil检测方法 135
8.4 算法性能分析 139
8.4.1 Sybil检测性能分析 139
8.4.2 与SybilDefender的性能比较 141
索引 143
参考文献 145