基于聚类分析的IPv6异常流量识别研究

随着Internet的发展,下一代互联网IPv6必然会最终代替目前的IPv4网络。相对IPv4而言,IPv6网络只是在网络层进行了比较大的改进,因此大多数网络安全问题对于IPV4和IPv6是相同的,例如DOS攻击、中间人攻击等。因此,IPv6网络安全形势同样不容乐观。作为教育网会员单位,作者所在单位于2011年接入CERNET2网络。本文基于Wireshark进行IPv6数据包的捕获解析并存储,然后使用Matlab聚类工具箱中的K均值算法和神经网络工具箱中的SOM算法,分别对包含多类攻击数据的IPv6流量进行处理从而实现了对于CERNET2网络的异常流量聚类识别。实验表明,本系统能够识别发生IPv6网络中的DOS攻击等几类针对ICMPv6的攻击,加强了校园网络的安全。

基于机器学习的校园微博舆情监控系统的研究

新媒体时代风起云涌,由于具有文字短小、传播力大等特点,微博已经成为我国网民主要的上网行为之一。然而,微博上一些负面舆情信息给社会和个人带来巨大危害,越来越受到各级部门重视。为了保障校园网络的公共安全,本文设计实现了一个基于新浪微博的校园网舆情监控系统,它通过关键字匹配和朴素贝叶斯算法相结合的方法实现了微博内容的分类,然后进一步基于聚类算法实现了微博内容的热点发现,最后结合舆情数据库实现了微博舆情预警。实验结果表明,系统稳定、高效,加强了校园公共安全。