基于骨干通信网络流行为分析的端目标刻画与识别关键技术研究

Based on the analysis of flow behavior of end targets of backbone communication networks, carrying out research on end target identification, and anomaly detection and classification is to ensure effective monitoring of communication network, and this research topic is the cutting-edge science of academia and industry in the world. By studying the flow behavior of end targets, this project carries out end targets classification and evolution analysis, detects and classifies abnormal network behaviors and social events. For individual end target identification, we bring out a variety of end targets flow behaviors and evolution characteristics extraction methods. For the community classification and community evolution of end targets, we build similar/related graphs using complex network research approaches. For abnormal event detection and classification, through fuzzy analysis, we propose anomaly events detection and classification method based on flow behavior of network end targets. The main innovations of this project include: analysis of a variety of non-stationary and non-Gaussian feature of network application flows; Markov process based individual end target flow behaviors dynamic evolution analysis; Construction of network behavior similar/related graphs; multiple similar/related graphs based end targets classification, and dynamic evolution analysis of individual end targets, network community end targets an abnormal connection and community structure evolution anomaly detection, and abnormal social events detection and classification under the situation of incomplete information.

在骨干通信网络端目标的流行为特征分析基础上，开展端目标刻画和异常检测与分类研究，是确保通信网络有效监控的基础，是国内外学术界和工业界共同关注的前沿科学问题。项目通过研究端目标的流行为特征，开展端目标群体划分及演化分析，对异常网络行为和异常社会事件进行检测和分类。针对个体端目标刻画与识别，提出多种端目标流行为及演化特征提取方法；针对网络端目标社团结构划分及群体演化，提出构建流行为相似／关联图，借鉴复杂网络研究思路开展研究；针对异常事件检测与分类，以模糊分析为手段，提出基于网络端目标流行为特征异常检测与模糊分类方法。主要创新工作有：多种网络应用流行为的非平稳、非高斯特征分析，基于马尔科夫过程的个体端目标流行为动态演化分析，网络流行为相似／关联图的构建，基于多个相似／关联图的端目标群体划分及个体角色的动态演化分析，网络群体端目标异常连接行为与社团结构演化异常检测，信息不完备条件下的异常社会事件检测。

为了更好地控制和管理网络空间，构建可信、稳定的网络虚拟世界和现实世界，实时准确地对网络中流的各种行为特征进行分析、提取，通过网络流行为分析，发现与网络空间流行为异常变化相关的端目标异常事件（包括端目标本身的异常行为和异常的社会事件），提高对各种异常人物的网络空间监控能力和异常事件的识别和应对能力。为实现上述目标，本项研究以骨干通信网络中端目标的网络流行为特征分析为基础，开展与端目标网络流行为相关的刻画与识别研究，获得全面准确的骨干通信网络中端目标网络流行为特征和流行为变化特征，通过网络端目标社团结构划分、社团结构和个体角色演化特征分析，指导端目标的识别和端目标异常行为检测，进而实现异常社会事件的检测与识别。.本项目针对骨干通信网络中端目标的网络流行为的特点，采用多学科交叉融合的研究思路，围绕骨干通信网络中端目标的网络流行为特征分析与端目标刻画与识别两大科学问题进行重点攻关，在基于流行为特征分析的网络个体端目标刻画与识别方法研究、基于流行为特征分析的网络端目标社团结构划分及群体演化分析、基于流行为特征分析的网络端目标行为异常检测方法研究、基于端目标行为分析的异常社会事件检测与分类方法研究等方面取得了较好的成果。通过解决上述关键理论和技术问题，获得了全面准确的骨干通信网络中端目标网络流行为特征和流行为变化特征，通过网络端目标社团结构划分、端目标分类等技术实现目标的识别和端目标异常行为检测。本项目在实现原有目标的基础上，在多层网络社团划分方面进行了更加深入研究，取得了较好的研究成果，为下一代通信网络用户行为监控和安全服务系统的研制打下基础。.本项研究是对基于网络流行为对端目标进行刻画的一个探索，研究成果表明，网络流行为特征能够很好的对端目标进行表征，通过对表征结果进行深入分析和挖掘，能够对端目标的个体进行分类，对群里异常事件进行检测，为实现基于网络流行为的端目标分析开辟新的途径。