基于用户画像技术的内部威胁检测框架研究
摘要 | 第4-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第14-22页 |
1.1 研究背景及意义 | 第14-15页 |
1.2 研究现状 | 第15-19页 |
1.2.1 内部威胁的定义 | 第15-16页 |
1.2.2 内部威胁检测模型研究 | 第16页 |
1.2.3 内部威胁中用户内在特征研究 | 第16-17页 |
1.2.4 内部威胁中的用户行为特征研究 | 第17-19页 |
1.2.5 前人研究存在的不足 | 第19页 |
1.3 研究内容 | 第19-20页 |
1.4 章节安排 | 第20-22页 |
第二章 背景知识与技术 | 第22-32页 |
2.1 用户画像的相关知识 | 第22-24页 |
2.1.1 用户画像的定义与分类 | 第22-23页 |
2.1.2 用户画像的应用 | 第23页 |
2.1.3 用户画像的基本流程 | 第23-24页 |
2.2 异常检测技术 | 第24-27页 |
2.2.1 基础数据预处理 | 第24-25页 |
2.2.2 行为特征选取 | 第25-26页 |
2.2.3 异常检测方法 | 第26-27页 |
2.3 聚类算法介绍 | 第27-30页 |
2.3.1 相似性度量 | 第27-29页 |
2.3.2 常用聚类算法介绍 | 第29页 |
2.3.3 KMeans聚类算法及其过程 | 第29-30页 |
2.4 本章小结 | 第30-32页 |
第三章 基于本体理论的用户属性画像方法 | 第32-44页 |
3.1 引言 | 第32页 |
3.2 方法设计与实现流程 | 第32-38页 |
3.2.1 设计思路 | 第33页 |
3.2.2 数据的获取及隐私问题 | 第33-34页 |
3.2.3 用户本体构建方法与过程 | 第34-36页 |
3.2.4 用户相似性度量方法与相似用户画像聚类 | 第36-38页 |
3.3 实验结果及分析 | 第38-43页 |
3.3.1 数据准备 | 第38页 |
3.3.2 实验过程 | 第38-40页 |
3.3.3 实验结果及分析 | 第40-43页 |
3.4 本章小结 | 第43-44页 |
第四章 基于全文搜索引擎的全细节行为画像方法 | 第44-56页 |
4.1 引言 | 第44页 |
4.2 方法设计与实现流程 | 第44-50页 |
4.2.1 设计思路 | 第44-45页 |
4.2.2 审计日志获取和数据准备 | 第45-46页 |
4.2.3 行为特征自动提取方法 | 第46-48页 |
4.2.4 全细节行为画像方法 | 第48-50页 |
4.3 实验结果及分析 | 第50-55页 |
4.3.1 数据准备 | 第50页 |
4.3.2 实验过程 | 第50-51页 |
4.3.3 分类模型评估方法 | 第51-55页 |
4.4 本章小结 | 第55-56页 |
第五章 基于LSTM的行为过程画像方法 | 第56-66页 |
5.1 引言 | 第56-57页 |
5.2 LSTM简介 | 第57-59页 |
5.2.1 循环神经网络 | 第57-58页 |
5.2.2 LSTM中的记忆单元 | 第58-59页 |
5.3 方法设计与实现流程 | 第59-62页 |
5.3.1 设计思路 | 第59-60页 |
5.3.2 日志的解析与序列划分 | 第60-61页 |
5.3.3 模型训练方法 | 第61-62页 |
5.4 实验结果及分析 | 第62-65页 |
5.4.1 数据准备 | 第63页 |
5.4.2 实验过程 | 第63页 |
5.4.3 实验结果及分析 | 第63-65页 |
5.5 本章小结 | 第65-66页 |
第六章 基于画像技术的内部威胁检测框架 | 第66-72页 |
6.1 整体框架结构 | 第66-67页 |
6.2 系统介绍 | 第67-69页 |
6.2.1 用户画像部分 | 第67页 |
6.2.2 异常判别部分 | 第67-69页 |
6.2.3 系统特点 | 第69页 |
6.3 实验结果与分析 | 第69-71页 |
6.4 本章小结 | 第71-72页 |
第七章 总结与展望 | 第72-74页 |
7.1 总结 | 第72页 |
7.2 下一步工作 | 第72-74页 |
致谢 | 第74-76页 |
参考文献 | 第76-80页 |
作者简历 | 第80页 |