基于内容偏好的移动客户互联网访问行为分析

文中主要研究基于内容偏好的移动客户互联网访问行为。首先,进行移动客户互联网访问偏好内容的细分,对原始数据进行剔除噪声数据及转化数据为布尔类型的预处理。其次,基于改进的ORAR关联规则算法分析布尔类型的数据,挖掘出各偏好间的关联程度。最后,根据移动公司提供的4万条移动客户互联网访问的随机数据对改进的ORAR关联规则算法进行验证,得到各个子偏好间的关联程度且改进的算法使结果更加准确。结果表明,根据关联程度能够能有效命中目标客户群的偏好访问内容,借此向特定用户推销相关的业务,从而达到精确营销、获得最大客户满意度的要求。

面向终端的移动用户行为可视化分析

该文面向移动门户网站设计实现了一个日志数据统计与挖掘系统,给出了实时的访问用户日志数据与获取的用户群体的网络行为数据的关联机制,实现了定性描述该机制的终端发售事件捕捉功能,建立了用户群体点击预制入口转化率提取模型,用以描述关联效率和价值,并得到了用户群体访问行为的分布。研究工作将为相关运营商提供有益的参考。

面向SNS用户访问行为的Web缓存预测替换

为了提高web缓存性能,在已有缓存替换算法的基础上加入预测机制,提出了一种面向社交网站(SNS)用户访问行为特征的预测替换算法.通过研究SNS的用户行为模型,引入预测对象集,减小了替换风险,提高了缓存命中率.为了验证所提算法的性能,进行了大量仿真实验,结果表明,该算法在基于SNS使用行为的缓存方面,具有提高命中率的优越性.

基于机器学习的僵尸网络DGA域名检测系统设计与实现

僵尸网络广泛采用域名生成算法(Domain Generation Algorithm,DGA)生成大量的随机域名来躲避检测。针对僵尸网络DGA域名问题,本文设计实现了一种DGA域名检测系统。首先使用基于随机森林算法的轻量级分类分析检测模块,通过分析域名字符特征区分正常域名与疑似恶意域名,满足现网实际应用中快速检测的要求;然后使用基于X-means算法的聚类分析检测模块,在分类分析检测的基础上,根据DGA域名的字符相似性和查询行为相似性,通过聚类和集合分析方法对疑似恶意域名进一步检测,降低系统误检率。通过部署基于Spark的检测系统对某运营商现网真实DNS日志数据进行连续20天的处理和分析,检测系统平均每天挖掘出约250万DGA域名,经过正则匹配分析,其中约55%属于5类已知的DGA;在前两个实验日,共发现13,000个已知DGA域名分属于3个DGA类别。实验结果表明检测系统可有效检测出多种DGA域名,此外,检测系统也可满足现网实际应用中快速检测的要求。