基于網(wǎng)絡數(shù)據(jù)流的用戶身份近似關聯(lián).pdf

1、隨著網(wǎng)絡的快速發(fā)展，網(wǎng)絡數(shù)據(jù)呈指數(shù)級增加，其包含了豐富的用戶信息，如何從海量數(shù)據(jù)中提取有價值的信息成為大數(shù)據(jù)研究的熱點，引起了各個行業(yè)的廣泛關注。本文以海量網(wǎng)絡數(shù)據(jù)流為研究對象，通過對其進行處理和分析，得到穩(wěn)定的用戶網(wǎng)絡行為模式并據(jù)此對用戶身份進行近似關聯(lián)和群劃分。本文首先并針對應用層的DDOS攻擊，提出基于主/輔mass函數(shù)D-S證據(jù)理論的二次清洗算法實現(xiàn)數(shù)據(jù)預處理；接著在數(shù)據(jù)處理過程中，提出了用戶網(wǎng)絡指紋的概念并設計了金字塔狀網(wǎng)絡指

2、紋更新框架，不定期的對用戶網(wǎng)絡指紋進行聚類處理，形成隨時間進化的穩(wěn)定的用戶網(wǎng)絡指紋，實現(xiàn)用戶身份關聯(lián)并標示其唯一性；由于用戶訪問網(wǎng)頁熱度值是構成用戶網(wǎng)絡指紋的重要組成部分，本文選擇采用兩種網(wǎng)頁分類方式參與計算用戶訪問熱度值，分別為基于數(shù)據(jù)庫匹配的網(wǎng)頁分類和基于樸素貝葉斯算法的網(wǎng)頁分類。首先采用前者，但待匹配的用戶訪問的網(wǎng)頁在數(shù)據(jù)庫分類匹配不成功的情況下將采用第二種分類算法進行處理，降低了系統(tǒng)的時間復雜度；對于網(wǎng)絡用戶群劃分問題，提出了基