移動云服務(wù)環(huán)境下的用戶異常行為檢測.pdf

1、移動云計(jì)算是隨著云計(jì)算和移動互聯(lián)網(wǎng)的不斷發(fā)展和融合而產(chǎn)生的一種新型應(yīng)用模式。這種新型應(yīng)用模式突破了終端硬件的限制，使得移動終端更易實(shí)現(xiàn)便攜數(shù)據(jù)存取、智能負(fù)載均衡，降低管理和按需服務(wù)成本。移動云服務(wù)帶來便利的同時(shí)使得在“用戶-環(huán)境-服務(wù)”三個(gè)層面更易出現(xiàn)安全問題，因此，如何在云服務(wù)進(jìn)入實(shí)質(zhì)性服務(wù)流程之前甄別用戶身份及其行為的可信程度成為核心問題。
　　為了解決上述問題，本文從用戶可信性角度出發(fā)，采用遞進(jìn)方式研究移動云環(huán)境下的用戶異常

2、行為檢測方法。本文的主要貢獻(xiàn)與研究工作如下：
　　1.針對識別異常用戶行為常采用的聚類分析和相似性計(jì)算存在過擬合和特征信息淹沒等問題，提出一種基于神經(jīng)網(wǎng)絡(luò)聚類的用戶異常行為分析方法。該方法采用 SVD分解進(jìn)行降維和去噪，將信息熵引入神經(jīng)網(wǎng)絡(luò)的隱含層進(jìn)行軟化分，并利用信息熵求得的權(quán)重因子進(jìn)行相似性計(jì)算。仿真結(jié)果表明，該方案可以明顯提高檢測速度和聚類精度，更適用于移動云環(huán)境。
　　2.為了解決研究內(nèi)容1中采樣率不均造成的不平衡數(shù)

3、據(jù)學(xué)習(xí)問題，提出一種基于信譽(yù)投票的用戶行為異常協(xié)同分析方法。該方法結(jié)合異常檢測與誤用檢測技術(shù)，利用采樣率與剪枝技術(shù)構(gòu)造訓(xùn)練樣本，采用集成分類器進(jìn)行投票以分類用戶行為。在此基礎(chǔ)上，基分類器根據(jù)信譽(yù)值對用戶行為進(jìn)行投票，投票機(jī)制遵循少數(shù)服從多數(shù)的原則，進(jìn)一步提高識別速度的基礎(chǔ)上提升了檢測精度。
　　3.為了能夠提前判定用戶行為的異常與否及用戶意圖，提出一種基于模式增長的異常行為識別與自主優(yōu)化方法。該方法首先采用分層匹配的方法判定是否超

4、出可信容忍范圍；其次，采用功能流和數(shù)據(jù)流的分析方法對判定后的用戶行為進(jìn)行擴(kuò)散分析；最后采用模式增長的方法構(gòu)建較完備的正常結(jié)點(diǎn)子圖集和異常影響結(jié)點(diǎn)子圖集，實(shí)現(xiàn)對用戶行為的自主提前判定。
　　在移動云服務(wù)環(huán)境下識別異常行為已成為移動云計(jì)算領(lǐng)域的核心問題，本文針對用戶的歷史行為數(shù)據(jù)分析挖掘其行為模式，從而根據(jù)已有行為模式分析并識別異常行為。本文的研究方法保障了用戶對服務(wù)實(shí)施的操作總是處于用戶所屬規(guī)則允許范圍內(nèi)，為移動云服務(wù)向用戶提供低耗