基于Stacking集成学习的区块链异常交易检测技术研究

为了高效地进行区块链异常交易检测,提出了一种基于Stacking集成学习的区块链异常交易检测方法.首先,采用XGBoost, LightGBM,CatBoost, LCE作为基分类器,采用MLP作为元分类器,设计了MLP_Stacking集成学习算法;其次,利用SUNDO进行数据扩充,解决数据集中严重类不均衡问题;最后,设计多模型联合特征排序算法,生成最优特征子集,将得到的最优特征子集作为MLP_Stacking输入数据集进行分类训练,通过网格搜索优化参数实现模型优化.实验采用Kaggle平台提供的开源数据集,实验结果显示采用SUNDO数据生成方法能有效提高各分类器性能,在此基础上,设计的集成模型训练效果明显优于单个模型.

基于LightGBM的区块链异常交易检测技术研究

传统的机器学习模型在处理小样本数据集时容易出现过拟合的情况.为解决此类问题并保证模型验证准确性,提出了基于LightGBM(LGBM)的区块链异常交易检测方法,利用网格搜索对模型参数进行优化,防止模型陷入过拟合状态,提高模型适应能力.LightGBM模型的AUC最佳取值为0.994,平均准确率为0.970.为验证异常检测算法的有效性,与随机森林、XGBoost模型进行对比实验,实验表明,该方法具有更高的准确率和训练效率.

面向网络空间安全的创新人才培养机制探索与实践

当前网络空间安全专业建设还处于起步和建设阶段,还没有形成比较成熟的网络空间安全人才培养模式,网络空间安全人才培养存在的高端人才稀缺、人才培养师资严重不足、人才培养方案与社会需求脱节严重、人才培养基础设施匮乏等问题。随着网络空间安全相关技术发展迅猛,如何培养满足国家和社会需要的具有网络攻防实战能力的专业人才,是网络空间安全人才培养面临的关键问题。在分析国家网络空间安全战略需求以及社会各行业网络空间安全人才需求的基础上,以新工科理念改造升级网络空间安全学科专业,更新课程体系和教学内容,加强产学研用协同创新,形成创新的网络空间安全人才培养模式改革的经验以及实施案例,提供可推广、可操作的人才培养方案,为我国网络空间安全人才培养提供支撑和保障.

基于翻转课堂的网络安全类课程教学模式探索

随着互联网的普及,网络安全已经全面渗透到政治、经济、文化等各个领域,想要实现网络强国建设的宏伟目标,培养合格的应用型网络安全人才必不可少,传统的网络安全课程教学模式以教师教授为主,忽视了课堂外的教学渠道,形式较为单一,提高课堂以外的时间利用率,合理有效使用线上的教学方式和教学资源会使教学更加富有成效。本文提出了基于翻转课堂的网络安全类课程新型教学模式,"翻转课堂"是一种将课前自主学习、课上师生共同探讨重难点、课后有效反馈有机结合起来的新型教育模式,有效激发学生学习兴趣,提高学生动手能力。本文将传统教学模式与"翻转课堂"进行了对比,并对"翻转课堂"中不同角色需要完成的任务、不同平台发挥的作用进行了介绍。