移动网络行为的多态聚类及其演化研究

Network behavioral analysis is capable of discovering the inherent patterns hidden in the massive data sets, which is a cutting-edge scientific issue receiving considerable attention from academia and industry community at home and abroad, since it is bound to exert a significant effect on understanding users' social characteristics, optimizing network design, promoting network management and enhancing network security. Existing analysis techniques lack good temporal model, cannot deal with objects with multiple attributes and cannot apply to the large-scale mobile networks. In this work, we propose polymorphism clustering to meet the diverse requirements of various applications, and further we put forward the evolutionary clustering to study the temporal aspect of users' behaviors. We first express users' trace in fine grain using multi-dimensional matrix and flat property links; combining with the Project Pursuit theory to find the best projection direction and index, we effectively avoid "the curse of dimensionality" and obtain good matching between the multi-objective demand and polymorphism behavior. Then, we study the comprehensive characteristics from both the local and global evolutionary aspects. Last but not the least, we take worm propagation and blocking in mobile networks as a concrete research case, utilizing the proposed polymorphism and evolutionary clustering methods to design proper virus defense and blocking mechanisms. The study of this project will support the rapid developing mobile network both theoretically and technically, and also provide new ideas for the innovation of exciting applications and network security.

移动网络行为分析可挖掘出大规模数据中的内在规律，对了解用户社会特性、优化网络设计、提高服务管理水平和增强网络安全具有重要意义，是目前国内外学术和工业界共同关注的前沿科学问题。现有网络行为分析方法缺乏对时序特性的建模，不适用于多属性的研究对象，无法应对大规模移动网络场景。本课题提出多态聚类方案应对移动网络应用中需求的多样化，并采用演化聚类方法研究行为的演化特性。课题首先采用多维属性矩阵和扁平化属性链路对网络行为进行细粒度表示，结合投影寻踪理论，采用最佳投影方向和投影指标规避维数灾难问题，合理实现需求多态与行为多态的精确对应；接着从局部演化与全局演化两个角度研究网络行为的全面特征；最后以移动网络蠕虫传播与封堵作为应用案例，利用多态聚类与演化聚类方法，设计适用于移动网络的病毒防御机制。本课题的实施一方面为当前迅猛发展的移动网络提供理论与技术支撑，另一方面为移动网络的应用创新及网络安全提供新思路。

当前移动网络尤其是移动社交网络的迅猛发展，为网络管理、网络安全保护提出了新的挑战。本项目针对移动网络节点行为分析其内在规律，对了解用户社会特性、优化网络设计、提高服务管理水平和增强网络安全具有重要意义。项目首先对多态聚类进行了研究，传统网络空间数据聚类通常以连接紧密程度、距离远近作为相似性的度量指标。然而，随着动态移动网络的发展，这种相似性度量指标已经不能满足需求。为此项目提出了多态聚类概念。这是一种以多标准作为相似性度量指标的聚类框架，该方法拓宽和创新了观察数据的角度，有利于解决移动网络应用中需求的多样化；其次项目重点对当前网络的演化问题进行了深入研究，移动网络一个重要组成是移动社交网络，社交网络的演化特征决定了网络管理与网络防护的机制与策略，项目提出了基于社区生命力的社区演化量化机制，并根据社交网络演化特性研究了基于事件的动态社区的演化过程，同时结合改进的重叠社区划分算法，对动态复杂网络进行划分，刻画出动态社区演化的整个过程；最后项目以病毒传播与防御为实例对动态网络的演化应用进行了研究，提出了演化的动态网络病毒免疫策略，该策略在免疫资源受限的情况下，根据社区网络动态演化量化指标，优化免疫种子的投放过程，取得较好的免疫效果。项目在实施过程中，也发现了一些新的动态社交网络的病毒传播与免疫的因素，一是网络中的节点自我恢复对病毒传播与免疫的影响，另外是当前社交网络的一个重要推动力-搜索引擎对病毒传播的影响。这些研究成果为动态网络的安全防御有着积极的推动作用。项目基本完成了预期的研究目标，项目组在该课题的支撑下，学术研究水平得到不断提升，课题组首次在Q1区发表论文；举行多次国际交流，与澳大利亚迪肯大学、芬兰的奥卢大学以及英国的埃克塞特大学建立起良好的学术合作关系。项目组当前继续深入探讨移动网络的安全防护问题，并重点针对移动恶意代码的分析、传播与防御问题进行分析，将进一步扩充项目成果。