移動云服務環(huán)境下的用戶異常行為檢測.pdf

1、移動云計算是隨著云計算和移動互聯(lián)網(wǎng)的不斷發(fā)展和融合而產(chǎn)生的一種新型應用模式。這種新型應用模式突破了終端硬件的限制，使得移動終端更易實現(xiàn)便攜數(shù)據(jù)存取、智能負載均衡，降低管理和按需服務成本。移動云服務帶來便利的同時使得在“用戶-環(huán)境-服務”三個層面更易出現(xiàn)安全問題，因此，如何在云服務進入實質(zhì)性服務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)絡聚類的用戶異常行為分析方法。該方法采用 SVD分解進行降維和去噪，將信息熵引入神經(jīng)網(wǎng)絡的隱含層進行軟化分，并利用信息熵求得的權重因子進行相似性計算。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)學習問題，提出一種基于信譽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，利用采樣率與剪枝技術構造訓練樣本，采用集成分類器進行投票以分類用戶行為。在此基礎上，基分類器根據(jù)信譽值對用戶行為進行投票，投票機制遵循少數(shù)服從多數(shù)的原則，進一步提高識別速度的基礎上提升了檢測精度。
　　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行擴散分析；最后采用模式增長的方法構建較完備的正常結(jié)點子圖集和異常影響結(jié)點子圖集，實現(xiàn)對用戶行為的自主提前判定。
　　在移動云服務環(huán)境下識別異常行為已成為移動云計算領域的核心問題，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實施的操作總是處于用戶所屬規(guī)則允許范圍內(nèi)，為移動云服務向用戶提供低耗