數(shù)字化校園中用戶網(wǎng)絡(luò)行為大數(shù)據(jù)的分析與監(jiān)控?

任華 張玲 葉煜

數(shù)字化校園中用戶網(wǎng)絡(luò)行為大數(shù)據(jù)的分析與監(jiān)控?

任華 張玲 葉煜

（成都農(nóng)業(yè)科技職業(yè)學(xué)院電子信息分院 成都 611130）

針對(duì)日益發(fā)展的數(shù)字化校園中不規(guī)范的用戶網(wǎng)絡(luò)行為，創(chuàng)新提出了一種基于用戶網(wǎng)絡(luò)通信大數(shù)據(jù)分析和監(jiān)控的系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)。本文首先分析了監(jiān)控技術(shù)的方向；其次從數(shù)字化校園建設(shè)出發(fā)介紹了在校園局域網(wǎng)中產(chǎn)生的大數(shù)據(jù)監(jiān)控系統(tǒng)的架構(gòu)思想；然后詳細(xì)描述了架構(gòu)中大數(shù)據(jù)采集、大數(shù)據(jù)分析、大數(shù)據(jù)處理及存儲(chǔ)的方法和算法。其中大數(shù)據(jù)存儲(chǔ)和處理主要采用Hadoop分布式處理平臺(tái)完成設(shè)計(jì)（包括HDFS文件和Hbase數(shù)據(jù)庫）；最后通過實(shí)驗(yàn)驗(yàn)證了該算法真實(shí)可行。本文的技術(shù)創(chuàng)新點(diǎn)在大數(shù)據(jù)分析算法中采用矩陣模式合并不同的文件數(shù)據(jù)，規(guī)避出錯(cuò)率，提高數(shù)據(jù)處理效率。

數(shù)字化校園；大數(shù)據(jù)；用戶網(wǎng)絡(luò)行為；監(jiān)控；Hadoop

AbstractIn view of the increasingly development of the digital campus，the user’s network behavior is not standardized，and the design and implementation of a system based on the analysis and monitoring of large data communication based on user network is proposed.Firstly the monitoring technology direction is analyzed，secondly from the construction of digital campus are introduced in this paper.The big data monitoring system in the campus network of ideological framework，then a detailed description of the ar?chitecture in data collection，data analysis，data processing and storage methods and algorithms.Big data storage and processing is mainly used Hadoop distributed processing platform to complete the design（including the HDFS file and Hbase database），finally through the experiment proved that the algorithm is feasible and practical.In this paper，the technology innovation points in the big data analysis algorithm using matrix model combined with different file data，to avoid the error rate，improve the efficiency of data processing.

Key Wordsdigital campus，big data，user network behavior，monitoring，Hadoop

Class NumberTP393.2

1 引言

如今互聯(lián)網(wǎng)應(yīng)用早已進(jìn)入多元化時(shí)代，隨著數(shù)字化校園發(fā)展步伐的加快，我校校園網(wǎng)絡(luò)覆蓋率基本達(dá)到95%以上，無處不在的網(wǎng)絡(luò)，隨身攜帶的智能手機(jī)，隨時(shí)隨地的網(wǎng)絡(luò)通信，這些都將產(chǎn)生大量的數(shù)據(jù)，我們已經(jīng)悄悄走進(jìn)“大數(shù)據(jù)”時(shí)代。

這些海量數(shù)據(jù)背后是各種各樣復(fù)雜的用戶行為：或在瀏覽網(wǎng)頁、或在搜索熱點(diǎn)新聞、或在社交聊天、或在觀看視頻、或者聽音樂、或在玩游戲等等，通過網(wǎng)絡(luò)數(shù)據(jù)可以分析用戶行為，了解用戶習(xí)慣和愛好。在數(shù)字化校園建設(shè)中，這樣的用戶行為分析用在進(jìn)入教室學(xué)習(xí)的同學(xué)身上，可以及時(shí)杜絕學(xué)生在課堂中偷偷利用手機(jī)做與課堂無關(guān)的事；用在寢室、校園中可以發(fā)現(xiàn)問題學(xué)生（游戲成癮、電影不離手等），及時(shí)進(jìn)行教育和引導(dǎo)；用在辦公場所可以監(jiān)控工作時(shí)間不務(wù)正業(yè)：上網(wǎng)、看視頻、下電影、購物、玩游戲等不良行為。因此，長遠(yuǎn)來說在數(shù)字化校園建設(shè)中對(duì)用戶網(wǎng)絡(luò)行為數(shù)據(jù)進(jìn)行分析和監(jiān)控是非常有必要的。

2 監(jiān)控技術(shù)

2.1 網(wǎng)絡(luò)流量監(jiān)控

網(wǎng)絡(luò)流量監(jiān)控是指對(duì)網(wǎng)絡(luò)通信數(shù)據(jù)進(jìn)行檢測和調(diào)節(jié)，主要體現(xiàn)在：網(wǎng)絡(luò)帶寬限制，網(wǎng)絡(luò)運(yùn)行與維護(hù)、如何提高網(wǎng)絡(luò)使用效率、網(wǎng)絡(luò)通信數(shù)據(jù)分析等方面。目前我們所采用的監(jiān)測技術(shù)是硬件探針監(jiān)測和Deep Packet Inspection（簡稱DPI）進(jìn)行流量監(jiān)測。

2.2 用戶網(wǎng)絡(luò)行為數(shù)據(jù)分析方法

用戶網(wǎng)絡(luò)行為的數(shù)據(jù)分析是指從用戶上網(wǎng)所產(chǎn)生的龐大數(shù)據(jù)中挖掘出有價(jià)值有意義的數(shù)據(jù)。目前大數(shù)據(jù)挖掘和分析使用的方法主要有：數(shù)學(xué)分析法、覆蓋正例排斥反例法、決策樹法、數(shù)據(jù)集成法、神經(jīng)網(wǎng)絡(luò)探索分析法、粗集法、統(tǒng)計(jì)分析法、模糊集法、證據(jù)理論法、數(shù)據(jù)分析法、近似推理法、信息聚類分析法、數(shù)理統(tǒng)計(jì)法、遺傳算法、計(jì)算機(jī)學(xué)習(xí)法等。

3 網(wǎng)絡(luò)大數(shù)據(jù)監(jiān)控架構(gòu)

本網(wǎng)絡(luò)大數(shù)據(jù)的分析和監(jiān)控主要包括：網(wǎng)絡(luò)大數(shù)據(jù)采集、大數(shù)據(jù)分析、大數(shù)據(jù)處理及存儲(chǔ)3大模塊。如圖1所示。

圖1 監(jiān)控系統(tǒng)架構(gòu)圖

在大數(shù)據(jù)采集模塊主要通過結(jié)合探針監(jiān)測和DPI獲取用戶請(qǐng)求；大數(shù)據(jù)分析是針對(duì)用戶請(qǐng)求分析用戶即將執(zhí)行的行為，主要是對(duì)HTTP報(bào)文和DNS報(bào)文數(shù)據(jù)分析；數(shù)據(jù)處理是將分析的結(jié)果分類放入自定義的表中（用戶請(qǐng)求實(shí)時(shí)表、分類匯總用戶請(qǐng)求日表、分類匯總用戶請(qǐng)求月表），將表中數(shù)據(jù)存放到數(shù)據(jù)庫中提供有效檢索，進(jìn)一步分析用戶的行為。

4 網(wǎng)絡(luò)大數(shù)據(jù)監(jiān)控實(shí)施

4.1 大數(shù)據(jù)采集

我們將大數(shù)據(jù)采集設(shè)備連接在教學(xué)樓每層的局域網(wǎng)出口處，由此獲取校園內(nèi)師生的網(wǎng)絡(luò)通信數(shù)據(jù)和流量，下文簡稱為網(wǎng)絡(luò)數(shù)據(jù)監(jiān)控設(shè)備。該設(shè)備具備路由功能，采用DPI技術(shù)識(shí)別UDP、TCP報(bào)文。針對(duì)UDP主要識(shí)別行為關(guān)鍵字，針對(duì)TCP主要捕獲用戶IP地址、傳輸協(xié)議類型、目的端口地址。當(dāng)用戶發(fā)起請(qǐng)求時(shí)，該請(qǐng)求會(huì)通過網(wǎng)關(guān)中的監(jiān)控設(shè)備向外傳送，若該請(qǐng)求解析出的數(shù)據(jù)與監(jiān)控設(shè)備中數(shù)據(jù)相匹配，則該請(qǐng)求自動(dòng)撤銷，不能通過網(wǎng)關(guān)發(fā)送出去，這樣服務(wù)器接受不到請(qǐng)求自然不會(huì)反饋請(qǐng)求結(jié)果，通過此網(wǎng)絡(luò)數(shù)據(jù)監(jiān)控設(shè)備更好的管理用戶網(wǎng)絡(luò)行為。無數(shù)個(gè)網(wǎng)絡(luò)數(shù)據(jù)監(jiān)控設(shè)備有效組成了網(wǎng)絡(luò)監(jiān)控平臺(tái)，我們將捕獲到的網(wǎng)絡(luò)數(shù)據(jù)存放到HBase中進(jìn)行集中管理和數(shù)據(jù)分析。由此，網(wǎng)絡(luò)監(jiān)控平臺(tái)不僅可以有效獲取用戶數(shù)據(jù)，同時(shí)可以針對(duì)數(shù)據(jù)對(duì)用戶行為進(jìn)行分析，為教育教學(xué)提供客觀依據(jù)。

大數(shù)據(jù)采集中我們將采集到的數(shù)據(jù)按時(shí)間段做周期化分類匯總，將匯總數(shù)據(jù)以文件的形式進(jìn)行存儲(chǔ)。以學(xué)生上課時(shí)間為參照，我們劃分了兩個(gè)階段：學(xué)習(xí)期（8：30-20：30）和休息期（20：30-次日8：30），其中學(xué)習(xí)期周期為每2小時(shí)統(tǒng)計(jì)一次數(shù)據(jù)，休息期周期為每4小時(shí)統(tǒng)計(jì)一次數(shù)據(jù)，如此每天有9個(gè)文件統(tǒng)計(jì)文件。統(tǒng)計(jì)文件參數(shù)表如表1所示

表1 文件參數(shù)統(tǒng)計(jì)表

按周期將采集到的數(shù)據(jù)存在上表中，主要包含統(tǒng)計(jì)A和統(tǒng)計(jì)B兩部分，13個(gè)參數(shù)指標(biāo)。每個(gè)周期都會(huì)生成一張這樣的表文件，當(dāng)一天結(jié)束后，就會(huì)把當(dāng)天按周期統(tǒng)計(jì)的9個(gè)文件合并成一個(gè)新的大文件統(tǒng)一上傳。

4.2 大數(shù)據(jù)分析

大數(shù)據(jù)采集中本身就存在問題：獲取到的信息基本是非連續(xù)的，是一個(gè)累計(jì)的結(jié)果；不同的統(tǒng)計(jì)數(shù)據(jù)混合在同一文件中。因此我們要運(yùn)用Map功能消除數(shù)據(jù)的重疊性和不真實(shí)性。Map最終會(huì)生成一個(gè)指向同一會(huì)話的文件。這個(gè)大數(shù)據(jù)分析過程如下

1）初始化一個(gè)［24，2］的空矩陣；2）文件首行內(nèi)容放入［0，0］中；

3）判斷文件是否已經(jīng)執(zhí)行到最后一行，如果是最后一行直接結(jié)束，如果不是則讀取下一行；

4）判斷是否在同一周期，即學(xué)習(xí)期間隔2h以上，休息期間隔4h以上，如果是同一周期則跳轉(zhuǎn)5），否則跳轉(zhuǎn)6）；

5）由4）跳轉(zhuǎn)來，同一周期，下一行是否可用，若可用，則存入模式1并轉(zhuǎn)到3）繼續(xù)執(zhí)行。若不可用，則存入模式2；

6）由4）跳轉(zhuǎn)來，不同周期，判斷是否發(fā)生過重置，若有重置，則返回5），判斷下一行是否可用，若沒有重置繼續(xù)7）；

7）判斷下一行是否可用，如果不可用得到模式3，可用得到模式4。

其中，模式1、模式2、模式3、模式4如圖2所示

圖2 數(shù)據(jù)信息分析模式圖

其中，模式2中，數(shù)據(jù)合并算法公式如下

xi表示平均值，yi表示差方。i表示采集到數(shù)據(jù)樣本的個(gè)數(shù)。

4.2.1 用戶行為分析算法

我們通過詞頻-逆向文件頻率（term frequen?cy-inverse document frequency）統(tǒng)計(jì)用戶的網(wǎng)絡(luò)行為。詞頻（TF）用來統(tǒng)計(jì)用戶行為關(guān)鍵字出現(xiàn)的頻率。逆向文件頻率表示該關(guān)鍵字的重要程度，即在某個(gè)文檔的出現(xiàn)的頻率，頻率越小則說明該詞在文檔中的特征性越少。計(jì)算公式如下

4.2.2 數(shù)據(jù)過濾

大數(shù)據(jù)分析是針對(duì)有用有意義的數(shù)據(jù)，在大數(shù)據(jù)采集中需要過濾一些計(jì)算機(jī)運(yùn)行時(shí)后臺(tái)自動(dòng)運(yùn)行的安全數(shù)據(jù)。例如：防火墻、殺毒軟件、360管家等固定的后臺(tái)程序。我們?yōu)檫@些域名在數(shù)據(jù)庫中創(chuàng)建一份白名單，大數(shù)據(jù)分析前，先與白名單匹配，直接過濾掉域名相同的安全后臺(tái)應(yīng)用程序。

為提高大數(shù)據(jù)分析效率，我們還將白名單上的域名進(jìn)行分類，另一類是大眾知曉的通用域名，如：百度、騰訊、新浪等；第二類是大眾不常用但特定群體訪問量巨大的域名，如：各類大型出版社官網(wǎng)、大學(xué)官網(wǎng)等；第三類是無法解析地址的，但也是安全被大眾訪問的。白名單上的域名也是不斷增加和更新的。

4.3 數(shù)據(jù)處理及存儲(chǔ)

數(shù)據(jù)處理采用開源的分布式框架Hadoop，主要包括MapReduce和HDFS。MapReaduce的好處在于可以分解任務(wù)，多任務(wù)同時(shí)運(yùn)行，最后對(duì)任務(wù)進(jìn)行匯總。我們可以將編寫好的MapReduce程序上傳到子計(jì)算機(jī)中分別運(yùn)行，配合HDFS分布式文件存儲(chǔ)系統(tǒng)就可以同步進(jìn)行、存儲(chǔ)大數(shù)據(jù)，提高效率。Hadoop系統(tǒng)框架如圖3所示。

圖3 Hadoop系統(tǒng)框架圖

圖中，通信數(shù)據(jù)采集：是從用戶提交的網(wǎng)絡(luò)請(qǐng)求中獲取數(shù)據(jù)，是整個(gè)系統(tǒng)中大數(shù)據(jù)的來源地，數(shù)據(jù)類型多，主要通過對(duì)HTTP報(bào)文和DNS報(bào)文解析、檢測手段實(shí)現(xiàn)大數(shù)據(jù)采集功能。

·文件管理及存儲(chǔ)：是通過HDFS分布式文件系統(tǒng)對(duì)數(shù)據(jù)進(jìn)行管理和存儲(chǔ)。Hadoop處理的數(shù)據(jù)都是通過HDFS獲取，將不同的數(shù)據(jù)文件存儲(chǔ)到對(duì)應(yīng)的地址并上傳到上層。多文件處理同步運(yùn)行，提高文件處理效率；

·數(shù)據(jù)存儲(chǔ)：將大數(shù)據(jù)存儲(chǔ)到HBase分布式數(shù)據(jù)庫或Hcatalog用戶自定表中。存儲(chǔ)的同時(shí)還做了編程輸入處理；

·編程/建模：通過MapReduce模型分布處理大數(shù)據(jù)，是整個(gè)系統(tǒng)框架的核心部分。是對(duì)任務(wù)的邏輯處理進(jìn)行有效的分解和合并。

·數(shù)據(jù)分析：為Client客戶端用戶提供兩種不同的分析工具：Pig和Hive，Pig可簡化Hadooop工作任務(wù)，如快速加載數(shù)據(jù)（日志文件等）、存儲(chǔ)結(jié)果，好處在于對(duì)mapreduce算法（框架）實(shí)現(xiàn)了一套shell腳本。Hive類似SQL，進(jìn)行數(shù)據(jù)的查詢等管理工作。

1）HTTP報(bào)文處理

將采集到的HTTP報(bào)文進(jìn)行解析，得到規(guī)范有用的數(shù)據(jù)。HTTP報(bào)文處理后獲得字段及數(shù)據(jù)格式如表2所示。

表2 HTTP報(bào)文處理格式

2）DNS報(bào)文處理

將采集到的DNS報(bào)文進(jìn)行解析，得到規(guī)范有用的數(shù)據(jù)。DNS報(bào)文處理后獲得字段及數(shù)據(jù)格式如表3所示。

表3 DNS報(bào)文處理格式

5 驗(yàn)證

我們在公共大機(jī)房按上述進(jìn)行部署，讓212名同學(xué)同時(shí)分別進(jìn)入3個(gè)大機(jī)房上網(wǎng)進(jìn)行測試，只要求了同學(xué)們統(tǒng)一打開QQ和百度，其他自由上網(wǎng)。我們希望得到的最高訪問量是QQ和百度。測試計(jì)算參考式（3）、式（4）、式（5）測試結(jié)果如表4所示。

表4 TF-IDF結(jié)果

從表中明顯看出，做了要求的騰訊和百度TF和IDF明顯高于其他網(wǎng)絡(luò)的訪問。實(shí)驗(yàn)結(jié)果和預(yù)期期望一致，驗(yàn)證成功。

6 結(jié)語

隨著網(wǎng)絡(luò)用戶數(shù)量的不斷擴(kuò)大，網(wǎng)絡(luò)應(yīng)用也逐漸發(fā)展為多元化。如何對(duì)用戶異常網(wǎng)絡(luò)行為進(jìn)行監(jiān)控還校園網(wǎng)絡(luò)一個(gè)干凈的天空，是數(shù)字化校園建設(shè)中網(wǎng)絡(luò)良性發(fā)展的必然趨勢。本文首先分析了監(jiān)控技術(shù)方向；其次從本校校園網(wǎng)建設(shè)出發(fā)介紹了建立校園網(wǎng)絡(luò)大數(shù)據(jù)監(jiān)控系統(tǒng)的架構(gòu)思想；然后詳細(xì)描述了架構(gòu)中大數(shù)據(jù)采集、大數(shù)據(jù)分析、大數(shù)據(jù)處理及存儲(chǔ)的方法和算法，大數(shù)據(jù)分析中算法創(chuàng)新點(diǎn)在于采用矩陣模式合并不同的數(shù)據(jù)，存儲(chǔ)和處理都采用Hadoop的分布式處理平臺(tái)提高大數(shù)據(jù)處理效率；最后通過實(shí)驗(yàn)驗(yàn)證了該算法的可行性。后期我們希望能在分布式算法上進(jìn)一步改進(jìn)，在遠(yuǎn)程教育中引入該監(jiān)控模式，對(duì)學(xué)生的學(xué)習(xí)情況數(shù)據(jù)做客觀分析。希望這種網(wǎng)絡(luò)大數(shù)據(jù)的分析和監(jiān)控可以應(yīng)用于更多領(lǐng)域。

［1］陸悠，李偉，羅軍舟，等.一種基于選擇性協(xié)同學(xué)習(xí)的網(wǎng)絡(luò)用戶異常行為檢測方法［J］.計(jì)算機(jī)學(xué)報(bào)，2014，37（1）：28-40.

LU You，LI Wei，LUO Junzhou，et al.A Network User’s Abnormal Behavior Detection Approach Based on Selec?tive Collaborative Learning［J］.Chinese Journal of Com?puters，2014，37（1）：28-40.

［2］蔣昌俊，丁志軍，王俊麗，等.面向互聯(lián)網(wǎng)金融行業(yè)的大數(shù)據(jù)資源服務(wù)平臺(tái)［J］.科學(xué)通報(bào)，2014，59（36）：3547-3554.

JIANG Changjun，DING Zhijun，WANG Junli，et al.Big data resource sevice platform for the inernet financial［J］.Chinese Science Bulletin，2014，59（36）：3547-3554.

［3］任磊，杜一，馬帥，等.大數(shù)據(jù)可視分析綜述［J］.軟件學(xué)報(bào)，2014（9）：1909-1936.

REN Lei，DU Yi，MA Shuai，et al.Visual Analytics To?wards Big Data［J］.Journal of Software，2014（9）：1909-1936.

［4］陶彩霞，謝曉軍，陳康，等.基于云計(jì)算的移動(dòng)互聯(lián)網(wǎng)大數(shù)據(jù)用戶行為分析引擎設(shè)計(jì)［J］.電信科學(xué)，2013（3）：27-31.

TAO Caixia，XIE Xiaojun，CHEN Kang，et al.Design of Mobile Internet Big Data User Behavior Analysis Engine Based on Cloud Computing［J］.Telecommunications Sci?ence，2013（3）：27-31.

［5］程學(xué)旗，靳小龍，王元卓，等.大數(shù)據(jù)系統(tǒng)和分析技術(shù)綜述［J］.軟件學(xué)報(bào)，2014，25（9）：1889-1908.

CHENG Xueqi，JIN Xiaolong，WANG Yuanzhuo，et al.Survey on Big Data System and Analytic Technology［J］.Journal of Software，2014，25（9）：1889-1908.

［6］賴英旭，李秀龍，楊震，等.基于流量監(jiān)測的用戶流量行為 分 析［J］.北 京 工 業(yè) 大 學(xué) 學(xué) 報(bào) ，2013，39（11）：1692-1699.

LAI Yingxu，LI Xiulong，YANG Zhen，et al.User’s Traffic Behavior Analysis Based on Network Traffic Monitoring［J］.Journal of Beijing University of Technology，2013，39（11）：1692-1699.

［7］李喬，何慧，方濱興，等.基于信任的網(wǎng)絡(luò)群體異常行為發(fā)現(xiàn)［J］.計(jì)算機(jī)學(xué)報(bào)，2014，37（1）：1-14.

LI Qiao，HE Hui，F(xiàn)ANG Binxing，et al.Awareness of the Network Group Anomalous Behaviors Based on Network Trust［J］.Chinese Journal of Computers，2014，37（1）：1-14.

［8］李學(xué)龍，龔海剛.大數(shù)據(jù)系統(tǒng)綜述［J］.中國科學(xué)：信息科學(xué)，2015，45（1）：1-44.

LI Xuelong，GONG Haigang.Survey on Big Data System［J］.Science China，2015，45（1）：1-44.

［9］袁書寒，陳維斌，傅順開.位置服務(wù)社交網(wǎng)絡(luò)用戶行為相似性分析［J］.計(jì)算機(jī)應(yīng)用，2012，32（2）：322-325.

YUAN Shuhan，CHWN Weibin，F(xiàn)U Shunkai.User Behav?ior Similarity Analysis of Location Based Social Network［J］.Journal of Computer Applications，2012，32（2）：322-325.

［10］張蕾，章毅.大數(shù)據(jù)分析的無限深度神經(jīng)網(wǎng)絡(luò)方法［J］.計(jì)算機(jī)研究與發(fā)展，2016，53（1）：68-79.

ZHANG Lei，ZHANG Yi.Big Data Analysis by Infinite Deep Neural Networks［J］.Journal of Computer Re?search and Development，2016，53（1）：68-79.

［11］席兵，駱云龍，王建.LTE網(wǎng)絡(luò)用戶行為分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)［J］.重慶郵電大學(xué)學(xué)報(bào)（自然科學(xué)版），Generation Function Based on C#.NET［J］.Computer En?gineering and Applications，2008，44（9）：104-106.

［12］譚賀春.基于Excel模板的報(bào)表導(dǎo)出框架的設(shè)計(jì)與實(shí)現(xiàn)［C］//中國電子學(xué)會(huì)第十七屆信息論學(xué)術(shù)年會(huì)論文集.西安：國防工業(yè)出版社，2010：74-78.

TAN Hechun.Design and Implementation of Report Ex?port Framework Based on Excel Template［C］//Proceed?ings of the Seventeenth Annual Conference on informa?tion theory of Chinese Electronic Society.Xi’an：National Defense Industry Press，2010：74-78.

［13］鄭明釗，張建強(qiáng).基于NPOI的通信工程概預(yù)算系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)［J］.軟件，2016，37（12）：54-58.

ZHENGMingzhao，ZHANG Jianqiang.Design and Imple?mentation of Budget System for the Telecommunication Engineering Based on NPOI［J］.Computer Engineering&Software，2016，37（12）：54-58.

［14］李志秀，張軍，楊麗紅.獨(dú)立應(yīng)用系統(tǒng)間數(shù)據(jù)交換的研究及實(shí)現(xiàn)［J］.云南大學(xué)學(xué)報(bào)（自然科學(xué)版），2013，35（S2）：135-137.

LI Zhixiu，ZHANG Jun，YANG Lihong.The Solutions and Implementations to Exchange Data between Indepen?dent Applications［J］.Journal of Yunnan University（Nat?ural Sciences Edition），2013，35（S2）：135-137.

［15］李冰山.COM組件技術(shù)及其應(yīng)用［D］.大連：大連理工大學(xué)，2000：58-60.

LI Bingshan.Technology and Application of COM［D］.Dalian：Dalian University of Technology，2000：58-60.

［16］李碩.一種高效率的.NET平臺(tái)Excel文件控制方法［J］.軟件導(dǎo)刊，2013，12（11）：26-28.

LI Shuo.An efficient Excel file control method for.NET platform［J］.Software Guide，2013，12（11）：26-28.2015，27（2）：208-212.

XI Bing，LUO Yunlong，WANG Jian.Design and imple?mentation of user behavior analysis system in LTE net?work［J］.Journal of Chongqing University of Posts and Telecommunica-tions（Natural Science Edition），2015，27（2）：208-212.

［12］Rahat Iqbal，F(xiàn)aiyaz Doctor，Brian More，Shahid Mahmud，Usman Yousuf.Big Data Analytics：computational intel?ligence techniques and application areas［J］.Internation?al Journal of Information Management，2016（10）：51-55.

［12］Victor Chang，Muthu Ramachandran，Gary Wills，Robert John Walters，Chung-Sheng Li，Paul Watters.Editorial for FGCSspecial issue：Big Data in the cloud［J］.Future Generation Computer Systems，2016（8）：103-108.

Analysis and M onitoring of Big Data of User’s Network Behavior in Digital Cam pus

REN Hua ZHANG Ling YE Yu
（School of Electronic Information，Chengdu Vocational College of Agricultural Science and Technology，Chengdu 611130）

TP393.2

10.3969/j.issn.1672-9722.2017.09.026

2017年3月9日，

2017年4月13日

成都農(nóng)業(yè)科技職業(yè)學(xué)院院級(jí)科研課題（編號(hào)：cny14-13）資助。

任華，女，碩士，講師，研究領(lǐng)域：軟件工程，計(jì)算機(jī)應(yīng)用。張玲，女，碩士，講師，研究領(lǐng)域：圖形圖像。葉煜，女，碩士，副教授，研究領(lǐng)域：計(jì)算機(jī)應(yīng)用。