●第1章 緒論
1.1 網絡態勢感知的需求分析
1.1.1 面向數據篩選的網絡態勢感知需求
1.1.2 面向目標監視的網絡態勢感知需求
1.1.3 面向行為異常監測的網絡態勢感知需求
1.2 網絡態勢感知應用價值分析
1.2.1 提供多層次多尺度的網絡全景態勢
1.2.2 牽引數據挖掘型數據分析模式變革
1.3 當前研究現狀與發展動態
1.3.1 網絡空數據描述模型研究
1.3.2 網絡結構分析技術研究現狀
1.3.3 網絡行為分析研究現狀
1.4 本書的主要內容與章節安排
第2章 基於跳數矩陣的隱含網絡結構推理
2.1 引言
2.2 基本概念
2.2.1 隱含網絡結構
2.2.2 跳數矩陣
2.3 基於跳數矩陣的隱含網絡結構推理算法
2.3.1 初始樹形結構生成
2.3.2 樹形結構生成
2.3.3 網絡結構生成
2.4 算法性能分析
2.4.1 基於完備跳數矩陣的結構推理性能分析
2.4.2 基於不完備跳數矩陣的結構推理性能分析
第3章 基於社區結構挖掘的業務網絡發現
3.1 引言
3.2 基本概念
3.3 基於鄰域相似性的社區結構挖掘方法
3.4 算法性能分析
3.4.1 數據集及性能指標
3.4.2 人工數據集性能測試結果
3.4.3 某通信繫統網絡A業務網絡發現的應用分析
第4章 通信繫統網絡多層多維多尺度目標行為實證分析
4.1 引言
4.2 通信繫統網絡多層多維多尺度目標行為分析框架
4.3 通信繫統網絡物理層目標行為實證分析
4.3.1 信號行為特征量分布行為分析
4.3.2 基於信號演化行為的近似關聯性分析
4.4 通信繫統網絡層目標行為實證分析
4.4.1 IP行為特征量分布行為分析
4.4.2 基於IP分布行為的近似關聯性分析
第5章 基於樸素貝葉斯推理的網絡目標屬性挖掘
5.1 引言
5.2 基本概念
5.2.1 樸素貝葉斯分類
5.2.2 樸素貝葉斯分類器的增量學習
5.3 聚類引導式的增量貝葉斯推理算法
5.3.1 增量學習的樣本選擇策略
5.3.2 聚類引導式增量樸素貝葉斯推理算法
5.4 算法性能分析
5.4.1 數據集及聚類質量衡量指標
5.4.2 UCI標準數據集實驗分析
5.4.3 針對通信繫統網絡信號出入向屬性判斷的性能分析
5.4.4 針對通信繫統網絡IP屬性判斷的性能分析
第6章 基於譜聚類的網絡目標關聯關繫挖掘
6.1 引言
6.2 基本概念
6.2.1 傳統譜聚類
6.2.2 目標交互行為相似性
6.3 自適應加權譜聚類算法
6.3.1 尺度參數的自適應調整算法
6.3.2 自適應加權譜聚類算法
6.4 算法性能分析
6.4.1 數據集及聚類質量衡量指標
6.4.2 人工數據集性能分析
6.4.3 UCI標準數據集性能分析
6.4.4 某通信繫統網絡I數據集應用分析
第7章 某通信繫統網絡態勢感知實驗繫統介紹
7.1 引言
7.2 通信繫統網絡態勢感知實驗繫統設計
7.2.1 設計思路、繫統組成與工作原理
7.2.2 網絡數據接入及預處理模塊
7.2.3 網絡結構/行為分析引擎
7.2.4 態勢可視化展示模塊
第8章 基於有向圖模型的網絡異常目標檢測
8.1 引言
8.2 基本概念
8.3 基於有向社交網絡的Sybil檢測方法
8.4 算法性能分析
8.4.1 Sybil檢測性能分析
8.4.2 與SybilDefender的性能比較
索引
參考文獻
