基于贝叶斯层级模型的用户异常行为检测研究

大多数操作系统的安全防护主要依赖基于签名或基于规则的方法,因此现有大多数的异常检测方法精度较低。因此,利用贝叶斯模型为同类群体建模,并结合时间效应与分层原则,为用户实体行为分析(User and Entity Behavior Analytics,UEBA)研究提供精度更高的数据集。然后,将基于实际记录的用户行为数据与贝叶斯层级图模型推测出的数据进行比较,降低模型中的误报率。该方法主要分为两个阶段:在第1阶段,基于数据驱动的方法形成用户行为聚类,定义用户的个人身份验证模式;在第2阶段,同时考虑到周期性因素和分层原则,并通过泊松分布建模。研究表明,数据驱动的聚类方法在减少误报方面能够取得更好的结果,并减轻网络安全管理的负担,进一步减少误报数量。

行业间知识溢出与中国产业发展——基于贝叶斯层级模型的实证研究

二十一世纪以来,中国工业经济进入了平稳、快速增长时期。与此同时,中国工业经济中的结构性问题也日益凸显,主要表现为产业发展失衡、产业创新能力不足等。其中,产业研发投入不足,知识产出有限,是导致上述结构性问题的重要原因。而产业间的知识溢出则是影响各产业知识产出的重要因素。为此,本文在利用贝叶斯空间层级模型测度中国行业间知识溢出效应的基础上,致力于检验行业间知识溢出对中国产业发展的影响。实证结果显示:行业间知识溢出通过推动各产业的知识生产,能够有效促进产业发展。本文提出,应进一步加大产业,特别是具有较大知识溢出输出效应的基础性产业的研发投入,加快其人力资本开发和积累,以促进中国产业结构优化升级和长期稳定增长。

知识溢出、自主创新能力与外商直接投资

20世纪90年代以来,外商在华直接投资的地区分布非均衡问题逐渐凸显,由此引发了一系列深层次的问题和矛盾。本文在考虑知识溢出影响的情况下,探讨本地自主创新能力对外商直接投资的吸引效应,以期确认自主创新能力这一新兴因素对外商直接投资区位选择的影响。本文首先从理论上梳理知识溢出、自主创新能力与外商直接投资的交互关系;进而,构建贝叶斯空间层级模型,对知识溢出的规模和方向进行测度,并选取多维指标评估地区的自主创新能力;在此基础上,通过构建结构方程模型,对知识溢出、自主创新能力与外商直接投资的交互关系进行实证检验。结果显示:知识溢出净流入地区自主创新能力的提升,有助于吸引更多的知识溢出和外商直接投资流入,从而实现知识溢出、自主创新能力和外商直接投资三者的"良性互动";而知识溢出净流出地区自主创新能力的提高,会对外商直接投资产生不同方向的影响,其总体效应是不确定的。