-
题名基于欠采样和多层集成学习的恶意网页识别
- 1
-
-
作者
王法玉
于晓文
陈洪涛
-
机构
天津理工大学计算机病毒防治技术国家工程实验室
-
出处
《计算机工程与设计》
北大核心
2024年第3期669-675,共7页
-
基金
国家自然科学基金项目(61571328)。
-
文摘
现实中恶意网页与良性网页比重严重失衡,传统的机器学习分类模型不能很好的应用,为此提出一种基于欠采样和多层集成学习的恶意网页检测模型。通过欠采样达到局部数据平衡;通过第一层基于权重和阈值的集成学习确保模型的准确度;通过第二层基于投票的集成学习保证全局信息的完整性。实验结果表明,所提模型在不平衡数据集上的恶意网页识别性能优于传统机器学习模型。
-
关键词
恶意网页识别
不平衡数据
多层分类器
欠采样
机器学习
集成学习
检测效果
-
Keywords
malicious web page identification
unbalanced data
multilayer classifier
under sampling
machine learning
integrated learning
detection effect
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于区块链的网络配置管理模型及方法
被引量：5
- 2
-
-
作者
王煜荷
王劲松
李懿
张洪玮
张洪豪
-
机构
天津理工大学天津市智能计算及软件新技术重点实验室
天津理工大学计算机病毒防治技术国家工程实验室
天津理工大学计算机科学与工程学院
-
出处
《天津理工大学学报》
2021年第6期41-46,64,共7页
-
基金
天津市自然科学基金(20KPZDRC00040,19ZXZNGX00080)
天津市新一代人工智能科技重大专项(18JCZDJC30700)
天津市技术创新引导专项(企业科技特派员项目)(20YDTPJC00520)。
-
文摘
近年来,随着网络规模的迅速扩大和企业信息化水平的提高,企业网络的运行维护管理日趋复杂,由于内部人员操作不当或误操作造成的数据安全问题不断涌现,网络设备所能支持的功能越来越多,导致网络配置错误经常出现。统一配置管理方法通过设置中间服务器的方式,能够实现对人员和账号的统一管理和权限控制,规范运维操作,保证网络系统的安全运行。作为核心部件,服务器的安全性至关重要,但目前的中心化架构可能出现单点故障问题,并且难以抵御网络攻击,存在潜在的安全风险。针对这一问题,本文利用区块链去中心化的特性,提出了一种基于区块链的网络配置管理模型,在区块链架构下实现账号管理、权限控制和日志记录功能,避免了可能出现的单点故障问题,提高攻击成本,提升整个系统的可靠性和安全性。
-
关键词
区块链
网络管理
配置管理
数据安全
-
Keywords
blockchain
network management
configuration management
data security
-
分类号
TP393.0
[自动化与计算机技术—计算机应用技术]
-
-
题名面向区块链交易可视分析的地址增量聚类方法
被引量：5
- 3
-
-
作者
王劲松
吕志梅
赵泽宁
张洪玮
-
机构
天津理工大学计算机科学与工程学院
天津理工大学天津市智能计算及软件新技术重点实验室
天津理工大学计算机病毒防治技术国家工程实验室
-
出处
《计算机工程》
CAS
CSCD
北大核心
2020年第8期14-20,共7页
-
基金
国家重点研发计划(2018YFC0831405)
天津市自然科学基金(18JCZDJC30700)。
-
文摘
比特币是一种基于区块链的加密货币,其因具备伪匿名性而常被用于异常交易活动中。目前比特币实体识别多通过启发式聚类方法实现,但此类方法未考虑新数据出现后的结果融合问题,导致算法效率较低。针对该问题,提出一种基于比特币交易数据的增量聚类方法。对区块数据进行分析以获取钱包地址的可聚类交易,构成聚类地址组,并通过查找地址索引表提取聚类实体间的关系。利用并查集算法对该区块钱包地址数据进行增量聚类,得到新的比特币实体关系,进而推测实体类型。同时,对实体进行识别和标注,实现实体交易行为的可视分析。实验结果表明,该方法可以准确地对地址进行增量聚类,体现比特币实体的演变过程,与启发式聚类方法相比时间复杂度更低。
-
关键词
比特币
区块链交易
可视分析
增量聚类
并查集
-
Keywords
Bitcoin
blockchain transaction
visual analysis
incremental clustering
union-find set
-
分类号
TP399
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进随机森林的比特币用户地址分类方法
被引量：3
- 4
-
-
作者
陶峰
王劲松
吕垛斌
赵泽宁
张洪玮
石凯
-
机构
天津理工大学计算机科学与工程学院
天津理工大学天津市智能计算及软件新技术重点实验室
天津理工大学计算机病毒防治技术国家工程实验室
-
出处
《天津理工大学学报》
2022年第1期53-58,共6页
-
基金
天津市新一代人工智能科技重大专项(19ZXZNGX00080)
天津市研究生科研创新项目(2019YJSS047)
天津市科学技术普及项目重点项目(20KPZDRC00040)。
-
文摘
比特币作为第一个去中心化的加密货币,由于具有匿名性这一特点,被大量用在各种交易服务中,如博彩、跨境支付等,同时也被恶意交易所利用。目前比特币用户地址分类主要通过启发式聚类方法实现,受到比特币协议的变化影响,该方法对出现的新输出地址、单输入地址以及参与混币交易的地址无法分类,因此仅适用于现有比特币地址中很小一部分。针对该问题,本文提出一种基于改进随机森林的比特币地址分类方法,对区块链原始区块数据进行解析,直接提取用于机器学习的地址特征,进而学习一个随机森林分类器,能对任何一个没有标签的比特币地址进行分类,同时为了降低特征集中的冗余,对传统的随机森林进行改进以获取最终有助于地址分类的重要特征。实验结果表明,该方法可以准确地对比特币用户地址进行分类,仅仅需要14个重要特征。
-
关键词
比特币
随机森林
特征选择
匿名性
-
Keywords
bitcoin
random forest
feature selection
anonymity
-
分类号
TP393.0
[自动化与计算机技术—计算机应用技术]
-
