结合图卷积神经网络和集成方法的推荐系统恶意攻击检测

推荐系统已被广泛应用于电子商务、社交媒体、信息分享等大多数互联网平台中,有效解决了信息过载问题。然而,这些平台面向所有互联网用户开放,导致不法用户利用系统设计缺陷通过恶意干扰、蓄意攻击等行为非法操纵评分数据,进而影响推荐结果,严重危害推荐服务的安全性。现有的检测方法大多都是基于从评级数据中提取的人工构建特征进行的托攻击检测,难以适应更复杂的共同访问注入攻击,并且人工构建特征费时且区分能力不足,同时攻击行为规模远远小于正常行为,给传统检测方法带来了不平衡数据问题。因此,文中提出堆叠多层图卷积神经网络端到端学习用户和项目之间的多阶交互行为信息得到用户嵌入和项目嵌入,将其作为攻击检测特征,以卷积神经网络作为基分类器实现深度行为特征提取,结合集成方法检测攻击。在真实数据集上的实验结果表明,与流行的推荐系统恶意攻击检测方法相比,所提方法对共同访问注入攻击行为有较好的检测效果并在一定程度上克服了不平衡数据的难题。

基于关键实体和文本摘要多特征融合的话题匹配算法

随着网络的快速普及,互联网新闻的数量剧增,在这种情况下,如何有效地找到更加符合特定主题的相关报道成为一个迫切需要解决的问题。针对这一问题,提出了基于关键实体和文本摘要多特征融合的话题匹配算法。首先,使用W2NER模型进行命名实体识别,通过词频、TF-IDF、词的合群性、词词相似度和词句相似度特征,提取关键的实体。其次,使用Pegasus模型进行文本摘要,通过BiLSTM融合关键实体特征与文本摘要特征,得到新闻文本的深层次语义特征。再次,使用交叉注意力机制对待匹配新闻进行特征交互,增进彼此的联系。最后,融合新闻文本的深层次语义特征和文本交互特征,共同参与文本话题匹配的判断。在来自于搜狐的真实数据上进行了不同算法的对比实验,结果表明:所提算法准确率和精确率均与其他算法效果相近,召回率和F1值均有所提升。

思维导图教学模式在网络空间安全课程中的应用

针对网络空间安全课程中知识繁杂、学生理解困难的问题,分析现有教学实际及学生的学习特点,提出在教学实践中引入“三图六构”思维导图教学模式,促使学生通过构建导图更好地理解网络空间安全领域的复杂性、通过强调学生的自主学习培养独立思考和解决问题的能力,为将来在网络空间安全领域的实践奠定坚实的基础。

P2P内容传输模型和链路开销最优化分析

对P2P内容传输(P2PCD)模型进行形式化抽象.在不受传输时间约束和受传输时间约束条件下,分析链路资源开销敏感的P2P内容传输相关优化问题,证明了P2P内容传输问题的链路资源开销最优化是NP-完全问题,需要近似最优化研究以达目的.该研究为以后更加复杂的P2P内容传输和P2P应用的优化设计提供了支持.最后指出该领域有待进一步研究的相关问题.

IPv4/IPv6过渡方案的研究与应用网络部署

为深入研究IPv6网络技术并全面部署应用网络,在探讨组建IPv6网络的基本原则和研究IPv6过渡技术的基础上,提出了相应的网络过渡策略.结合济南大学IPv6应用网的建设过程,对方案的可行性进行了充分论证,重点研究了地址分配方案和实现关键技术,并最终实现了全网部署.开展了IPv6网络环境下的一系列测试和应用建设.

社交网络用户的人格分析与预测

人格信息是对人类个体特征的高度概括,也是区分人与人之间差别的一种科学的量化标准.人格不但与人类在现实世界中的行为密切相关,而且与虚拟世界社交网络中的行为表现出高度相关性.线上行为的可记录、易计算等特性使得对网络用户人格分析成为可能.随着互联网用户的不断增长,对社交网络用户人格的研究将为人格理论的推广和应用提供非常广阔的空间.文章在总结人格测量的标准与方法的基础上,综述了近年来社交网络用户的人格分析和人格预测的相关研究,指出了社交网络用户人格预测方法面临的挑战,然后分析了人格理论在当前社交网络中的可能应用模式,最后展望了该领域需要解决的关键问题以及可能的应用前景.

基于异构模式的云计算关键技术研究

结合云计算中Map/Reduce分布式编程技术引入了基于CPU-GPU异构混合并行编程模式,给出了该并行编程模式的原理和实现过程。该模式通过采用CUDA多线程并行机制提高了大规模数据处理的效率。文中对比分析了云计算中两种典型的分布式存储系统GFS和HDFS,最后从宏观角度阐释了云计算虚拟化技术的三层部署架构和基本类型。

基于NetFlow时间序列的网络异常检测

网络流量在正常运行的情况下是具有一定的周期性、稳定性的,异常流量会打破这种规律使流量产生异常波动。提出了一种基于NetFlow时间序列滑动窗口检测网络异常的方法,利用时间序列异常发现算法发现网络流量的异常波动从而实现了实时高效的异常流量发现及预警。已经被检测到的网络异常会持续产生预警信息并影响后续的异常检测,为此还提出了两种平抑异常的方法。实验结果表明该方法能够有效地发现网络异常。

游戏化教学方法在网络编程类课程教学中的应用

随着高等学校网络工程专业办学水平的提高,作为重要的专业课程,网络编程类课程急需通过教学形式的改良来提升教学和学习效果。文章探讨游戏化教学这一新兴教学方式在网络编程类课程中应用的优势与挑战,分析形成性评价在该课程中的重要性,并以Kahoot!为例展示游戏化教学的效果,分析将游戏化教学方法引入网络编程类课程后潜在的问题。

分布式系统在网络工程专业课程体系中的地位

从课程性质、内容、教学方法等方面综合分析分布式系统课程所面临问题的原因,提出分布式系统在网络工程专业课程体系中所处的位置,阐明分布式系统对网络工程专业本科学生培养的重要性与意义。

不同服务类型的队列管理及性能比较

为提高网络利用率和数据包处理速度,针对不同应用的网络流量,在网络拓扑结构的参数设置相同的情况下,使用NS2模拟器对瓶颈链路分别采用7种主动队列管理机制进行仿真,通过分析跟踪文件并计算各种算法的QoS性能,得出每种流量对应的最优队列管理机制,并将队列管理系统在网络处理器IXP2400上进行实现。实验结果表明,FTP流量、CBR流量、HTTP流量分别在SRED算法、BLUE算法、FRED算法下QoS性能达到最优。

基于对等特征的P2P流量识别方法

针对P2P网络的最基本特征:网络节点对等,每个节点既是服务器又是客户端。本文提出了一个简单高效的解决P2P流量识别方法,该方法没有用到应用层的协议,不需对数据包进行应用层解析,只判断源地址、目标地址及端口号。实验结果表明该方法执行效率高,并且对加密数据包以及未知P2P应用的数据包都有很好的识别效果。

基于Web的网站信息管理系统

通过开放源码和国产数据库为主要设计技术平台的高校校园网站的具体建设实例 。

含时滞异阶混沌系统修正函数投影同步的实现

针对两个含时滞不同阶异构混沌系统进行修正函数投影同步的研究。在所提出的同步方案中,根据Lyapunov稳定性理论,设计自适应控制器,具有不同阶的异构混沌系统通过降阶方式遵循比例函数矩阵实现渐进同步。同时,时滞作为实际应用因素被加入所研究的系统模型中。数值模拟结果进一步证明该方案的有效性和可行性。

改进的辅助粒子多Agent系统信息融合滤波算法

为克服多Agent系统的非线性问题,提高多Agent系统对信息的协同合作能力,提出一种改进的辅助粒子信息融合滤波算法。该算法通过分析多Agent系统的结构,根据正交小波多尺度分析理论对系统内Agent的信息进行分解、重构,给出以Agent信息为重要采样密度函数的辅助粒子滤波算法,并对滤波结果进行特征融合,得到多Agent系统融合特征。将此算法应用到机动目标跟踪领域,并与传统的滤波算法进行对比,仿真结果验证了该算法的有效性。

分布式一体化及数据交换平台的设计与实现

基于SOA、Web服务和简单对象传输协议,对山东省学位与研究生教育管理信息系统的数据传输交换方式加以改进,解决了以往系统只能由高校端主动向中心端上报数据的弊端,使得中心端可以更加全面方便地对各高校端进行集中控制,形成一体化。在此基础上,提出一个面向分布式异构环境的数据传输交换平台的系统架构和实现方案,改进了传统数据传输交换平台的扩展性、通用性及数据安全性。

结合注意力与循环神经网络的专家推荐算法

在线问答社区(CQA)已经成为互联网最重要的知识分享交流平台,将用户提出的海量问题有效推荐给可能解答的用户,挖掘用户感兴趣的问题是此类平台最核心功能。一些针对问答社区的专家推荐算法已经被提出用来提高平台解答效率,但是现有工作大多关注于用户兴趣与问题信息匹配,忽视了用户兴趣动态变化问题,可能会严重影响推荐质量。提出了结合注意力与循环神经网络的专家推荐算法,不仅实现了问题信息的深度特征编码,而且还能捕获动态变化的用户兴趣。首先,问题编码器在预训练词嵌入基础上结合卷积神经网络(CNN)和Attention注意力机制实现了问题标题与绑定标签的深度特征联合表示。然后,用户编码器在用户历史回答问题的时间序列上利用长短期记忆神经网络Bi-GRU模型捕捉动态兴趣,并结合用户固定标签信息表征长期兴趣。最后,根据两个编码器输出向量的相似性计算产生用户动态兴趣与长期兴趣相结合的推荐结果。在来自知乎问答社区的真实数据上进行了不同参数配置及不同算法的对比实验,结果表明该算法性能明显优于目前比较流行的深度学习专家推荐算法。

一种基于FPGA的面向网络应用的开发平台设计

提出了一种基于FPGA的面向网络应用的开发平台设计,介绍了平台的设计实现原理以及软硬件组成,描述了硬件设计中FPGA芯片及其他元器件的选取,以及软件及硬件逻辑模块设计,明确了为开发者提供的二次开发接口及由开发者开发实现的功能模块,最后给出了流量采集系统设计实例。开发者可利用本平台完成自定义网络设备的开发,在硬件层次上完成网络数据包的分析、处理及转发等功能,实现对网络数据的硬件高速处理。

基于决策树的网络流量分类方法

针对传统流量分类方法(基于端口和有效载荷)分类不可靠的问题,提出基于C4.5决策树算法,根据训练集中属性的信息增益比率构建分类模型,按属性对测试数据集进行预测,通过查找分类模型实现对网络流量的分类。在公开数据集和自己采集的数据集上进行实验,结果表明,采用C4.5决策树算法对网络流量分类,平均分类精度为93%,单类别分类精度均在90%以上,能有效地实现对网络流量应用类型的识别。

基于流中前5个包的在线流量分类特征

针对在线流量分类所面临的特征计算复杂和分类性能不稳定问题,利用流开始的前5个数据包(排除三次握手数据包),计算数据包大小、负载大小和到达间隔时间等网络流量的统计特征,通过分析3种机器学习算法(C4.5、BayesNet和NBTree)分类的结果,研究可用于在线流量分类的特征以及这些特征应该满足的条件。实验结果表明,所提特征计算简单,能快速有效地区分不同的流量,对于不同的机器学习算法,均取得了较高的分类准确率(92%以上),适用于在线流量分类。