基于DEMATEL-ISM的校园网施工影响因素分析

针对校园网施工影响因素难以量化分析的问题,构建一种基于决策实验分析法和解析结构模型(DEMATEL-ISM)和的分析框架.通过收集专家知识确定人员因素、客观因素和成本因素3大类影响校园网施工的因素,实现影响因素的层次划分,进而分析各个因素的影响力大小、重要程度,以及彼此之间的关联.模型运算结果表明,负责人的选择和学校的政策支持是项目成功的决定性因素;设备成本和人工成本是影响施工的直接因素,其他因素对施工的影响最终体现在这两个因素上.在网络施工的前期规划中应着重考虑上述因素.研究结果为校园网施工方案的制定以及效率提升提供了决策支持,为解决校园网施工中的关键问题提供了新的视角.

数据驱动下的高校网络运维

基于数据驱动网络运维的理念,提出利用数据治理的方式来构建实时性数据中台.首先,以ELK开源平台为基础框架,采用实时数据传输的方式对各方面数据进行格式统一和集中存储.然后,通过梳理校园网运维业务,提出适用于数据中台的数据模型,并在平台构建过程中对数据实时服务的要求进行各方面的剖析.最后,通过建立一系列模型,对各类网络数据进行实验和监控,并实时提供针对不同网络异常发出的报警信息,验证所提出数据中台建设的可行性.

基于联邦学习的网络异常检测

作为一类网络安全的基础研究,网络异常检测技术目前还存在检测准确率低、误报率高以及缺乏标签数据等问题。为此提出一种融合联邦学习和卷积神经网络的网络入侵检测分类模型(CNN-FL),可有效解决多个参与者在不共享隐私数据的情况下进行一个全局模型的协作训练时所带来的问题。该模型无需汇集模型训练所需要的数据进行集中计算,只是传递加密的梯度相关数据,即可利用多源数据协同训练同一模型,并解决缺乏标签数据的问题。随后将该模型应用于二分类和多分类方法中,并在同一基准数据集NSL-KDD上进行了实验比较与分析,实验结果表明,与其他研究方法相比,所提CNN-FL分类模型在二分类以及多分类中具有较高的识别性能和分类精度。

多核Web服务器中基于分配矩阵的动态请求调度算法

为了构建高性能的Web服务器,充分利用Web服务器中多核处理器的性能成为关键。传统的先到先服务策略没有考虑多核处理器的特点,不能充分利用多核处理器的性能。为解决此问题,该文提出一种基于分配矩阵的动态请求调度算法。该算法充分考虑了多核处理器的特点,可将同类动态请求动态分配至同一个处理器核心,提高了Web服务器处理动态请求的速度。仿真实验结果表明,采用该算法的Web服务器在自相似性、平均响应时间、丢包率等方面均优于传统的先到先服务算法。

基于知识挖掘的敏捷校园卡数据分析和应用

校园卡系统是将学校范围内的身份识别与电子交易融于一体的多功能复合系统,覆盖后勤管理、教学、科研、医疗以及学生管理等校园生活各个领域,是数字化校园建设的重要基础.校园卡系统存储了大量的用户消费原始数据,从这些庞杂的数据中得到目标数据是一个复杂的工程,往往需要消耗大量的时间.本文以某高校校园卡消费数据为样本,在分析校园卡数据处理复杂度的基础上,以应用为导向,通过知识挖掘生成敏捷应用数据库,有效地提升了应用系统的查询效率,实现了从设计理念到实际应用的跨越.

基于LSTM-Prophet非线性组合的时间序列预测模型

目前采用单一预测模型对于复杂的非线性时间序列具有预测精度较低,且不能很好地捕捉时间序列的复合特征的问题,因此本文提出一种基于BP神经网络组合的长短期记忆网络-Prophet(LSTM-Prophet)时间序列预测模型。模型将长短期记忆网络及Prophet这2种预测模型得到的预测值通过BP神经网络进行非线性组合,得出最终的预测值。随后设计实现本文模型与3个单项模型的对比实验,使用3个不同领域的数据集验证本文模型的准确性和有效性。实验结果表明提出的预测模型具有较高的预测精度、较好的通用性和应用前景。

基于流相关性的网络流量分类

网络流量分类技术对网络安全管理起着非常重要的作用。随着网络和信息技术的发展,传统的基于端口号和深度包检测分类方法的局限性愈发明显,不能对现有的流量进行准确分类。提出一种基于流相关性的半监督网络流量分类算法,并使用MDL-CON高斯混合模型作为聚类模型,通过聚类过程中利用流之间的相关性提高模型的准确度。采用MDL准则解决了高斯混合模型需要人为预先设定类簇数目和高度依赖于初始值的问题。实验结果表明,利用该方法来处理流量分类问题可取得理想的分类效果。

提升企业微信定位 打造移动校园平台

新型冠状病毒感染的肺炎疫情发生后,北京化工大学将企业微信定位为全校移动化校园平台,并以此为抓手,加快推动学校数据治理及信息化建设工作。北京化工大学信息中心与相关业务部门梳理师生人员信息,开发接口程序与数据中心进行人员信息同步,确保人员信息真实、准确。在此基础上,向教务处、研究生院介绍企业微信高清会议、群直播、投票、填表功能,帮助建立教学群,指导教师进行远程直播教学;启用部门群,向各部门介绍"微文档""微盘""投票""填表"等协同工具;通过汇报应用添加"疫情防控每日汇报"模板,配置流程规则,方便各部门统计、汇报人员健康情况;部署"疫情防控"应用,添加GPS定位,配置多级部门查看权限,减少层层汇报工作量;启用"员工服务"管理工具,设置线上"服务坐席",实现"一对一"在线答疑。

基于校园网环境的网络性能测试系统研究与实现

北京化工大学校园网络性能测试系统基于开源项目进行二次开发,采用容器技术进行部署,为全校广大师生提供校园网测试服务。系统为B/S架构,基于HTTP请求进行网络上传、下载带宽、延迟、抖动等性能测试,并将每条测试记录与具体的接入方式、接入IP地址、接入物理地点相对应,以实现数据分类。系统依托数据可视化平台,将测试记录以折线图、帕累托图等形式进行展示,以帮助网络管理人员掌握网络情况。同时,用户依托该系统可了解自己接入端的网络状况,以便排查网路故障。

基于EDM的用户行为建模及决策支持

在大数据时代背景下，面对高校各信息化系统所积累的海量数据，如何避免数据孤岛，融合多源数据，充分发掘隐藏在数据背后的有价值信息是亟待解决的问题。针对此问题，本论文采用EDM（Educational Data Mining）方法对原始数据进行数据清洗、数据融合、数据挖掘。在数据挖掘阶段，提出一种改进型的FP—growth算法，实现对频繁模式的发现与约减，并通过挖掘出的频繁模式构建用户行为模型，最后利用用户行为模型进行决策支持和用户服务推荐。实际应用表明，本文所提数据处理方案可以实现高校内部多源海量数据的挖掘与知识发现，具有较高的实用价值。

基于时间衰减闭合频繁模式的网络异常行为检测

由于网络流量的复杂性，网络流量异常行为检测一直是网络安全领域研究的难点问题针对此问题，本文提出一种基于时间衰减闭合频繁模式的网络异常行为检测方法。该方法首先对网络流量进行深度包检测处理，随后和计费系统认证信息相关联，最后进行基于时间衰减的闭合频繁模式挖掘，构建用户行为模型．通过用户流量模式与用户模型相匹配进行异常检测．实验表明，该方法不仅对DDoS、端口扫描等网络攻击有较好的检测效果。

基于SOA的机房环境预警和网站应急管理平台

随着信息化服务不断增加,如何保障网络服务的安全运行,如何在网络被攻击后,尤其是网站被篡改后,快速做出响应也是亟待解决的问题.针对此问题,采用SOA进行系统设计,并基于微信企业号开发平台进行身份认证和服务注册、发布,不仅完成机房环境监测中的两个重要指标温度和湿度的动态展示,而且提出一种基于滑动窗口的趋势分析算法对温度湿度数值进行预测.实验研究表明:该算法可确保预警的及时性和准确性;由于网站管理的复杂性,实现了一种应用交换机端口控制网站开关的应急管理平台,通过对SNMP协议和安全管理认证机制进行充分融合,实现了秒级的远程网站关闭,为网站安全应急管理提供了有力的保障.