异常行为模式匹配: 犯罪网络化、产业化态势下的治理范式 --以电信网络诈骗为例

在犯罪网络化、产业化的趋势下,侦查表现出了极大的局限性,如开展困难、成本极高以及社会效益不显著等问题。基于犯罪治理理论全局性、精准性特征的“全链条式”打击思路为解决以电信网络诈骗犯罪为代表的网络犯罪提供了思路,有助于将犯罪消弭在萌芽状态;具体实施上,借助于大数据的异常行为模式匹配为这一理论提供了路径选择。在应用流程上,首先应从数据中提炼异常行为模式,其次要加强监控,发现、匹配异常行为并对其采取相应的措施;在横向展开中,要构建基于异常行为的“全链条式”打击模式,从加强常态化管控和个案管控入手打击网络犯罪。当前,异常行为模式匹配在应用中还存在着缺乏顶层设计以及制度保障的问题。因此,应加强顶层设计和统筹规划、完善制度保障,畅通异常行为模式匹配在网络犯罪治理中的渠道。

Linux进程行为的模式提取与异常检测

Linux进程可由一系列的系统调用序列来表征, 因此,通过分析进程的系统调用序列可以分析进程的行为模式。 本文利用ART1网络对进程的系统调用序列进行模式提取, 据此进行异常检测, 并以实验数据初步验证了该方法的可行性。

基于AOI划分的室内轨迹可视分析方法

大型室内活动中获取的室内人员轨迹数据具有时空复杂性高、高维且不规则等特点,给可视分析带来了一定挑战。针对该问题,面向室内人员的时空模式、人群移动模式、异常行为模式等设计了一种基于兴趣区(AOI,area of interest)划分的室内轨迹可视分析方法 ,用户可自定义兴趣区并以此为单位进行室内轨迹分析,从而确定其时空模式、移动模式或异常行为。最后,使用China Vis2019挑战赛的数据验证了所提方法的有效性,达到了通过探索式分析室内人员轨迹获取有价值信息的目的。

“免疫系统”方法在系统级入侵检测中的应用

"免疫系统"方法是在研究了特权程序对应的系统调用短序列具有很强的稳定性的基础上提出的。一个基于"免疫系统"方法的Linux系统级入侵检测模型,并讨论了此入侵检测模型的实现技术。