基于关联规则的网络信息内容安全事件发现及其Map-Reduce实现

针对网络中信息内容安全事件的发现问题,该文提出一种基于关联规则的多维度用户行为特征关联分析法;对于存在的虚警问题,提出了基于邦弗朗尼校正的检验准则;为满足在海量数据中的应用需求,提出了一种Map-Reduce框架下的分布式幂集Apriori算法。实验结果表明,该文提出的方法及相应算法,并行运算能力强,在低虚警率和漏检率的情况下,具有较好的检测率,且运行时间短,收敛速度快。

基于LDA模型的在线网络信息内容安全事件分类

针对在线网络信息内容安全事件的分类问题,利用网络用户通信信息中含有的时间、关系和内容特征均可基于文本描述的特点,引入LDA模型,提出了一种实时多维信息联合(RMIA-LDA)的在线信息内容安全事件分类模型及算法。以网络通信中的时间特征为轴,对由此划分出的各个时间片段中的通信关系、通信内容特征采用LDA模型进行建模分类,对分类结果的相似性进行度量后,再与增量更新数据部分的分类结果归纳合并,从而得到当前实时在线数据中的事件分类。仿真实验结果表明,该模型和算法可以有效实现网络中信息内容安全事件的在线分类,较现有算法具有优越的性能。

层次化网络信息内容安全事件态势评估模型

针对网络中信息内容安全事件的态势评估问题,通过对网络信息内容安全事件的多维特征分析,提出了一种层次化的信息内容安全事件态势评估模型及参数计算方法。该模型采用层次式结构,分别对事件级、区域级和系统级的态势评估值进行计算。其中,事件级态势利用事件特征中的行为特征和内容特征进行计算;区域级态势则依据关系特征和位置特征;系统级态势整合所涉及的各区域级态势。对各级态势评估值参数的计算方法进行了定义。仿真实验结果表明:该模型及计算方法具有可行性和可靠性,在对信息内容安全事件的态势评估过程中能够有效反映事件的影响程度并把握其变化规律。

利用E-IGA-RBF的网络信息内容安全事件态势预测

针对径向基函数神经网络的优化问题,提出了一种基于精英选择模型的免疫遗传算法,对径向基函数神经网络的结构和参数进行优化.模型采用精英选择策略,确保优良基因得以保留进入下一代.同时,通过退火因子的扰动,在一定程度上增加了变异的多样性,提高了整个算法的收敛速度和局部搜索能力.实验结果表明,利用该算法进行信息内容安全事件的态势预测,具有有效性和可靠性,较现有算法具有更加优良的性能.

信息内容安全事件中的网络舆情治理研究

当今全球网络安全形势日趋严峻,各类信息内容安全事件由于突发性强、破坏性大、影响面广,往往最易成为网络舆情产生和爆发的聚集地,严重威胁政府和公众的基本安全.提升政府网络空间治理能力,强化政府的网络舆情责任,妥善预防和解决信息内容安全事件造成的次生危害是保障公民信息安全、维持社会正常运转的重要手段.本文基于对信息内容安全事件中网络舆情治理困境的分析,提出完善网络舆情治理模式、优化重大突发事件网络舆情应对机制、完善网络舆情治理保障体系、健全相关法律法规四项基本措施,以期为各级政府解决信息内容安全事件中的网络舆情治理提供借鉴.