• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于改進(jìn)K-means算法的網(wǎng)絡(luò)入侵行為取證研究

    2020-07-04 13:22:12許彩滇劉曉麗
    關(guān)鍵詞:歸類特征向量關(guān)聯(lián)

    許彩滇, 劉曉麗

    (中國刑事警察學(xué)院網(wǎng)絡(luò)犯罪偵查系, 遼寧沈陽 110035)

    0 引言

    隨著網(wǎng)絡(luò)交互的增多,記錄用戶網(wǎng)絡(luò)行為的數(shù)據(jù)(以下稱網(wǎng)絡(luò)行為數(shù)據(jù))呈現(xiàn)數(shù)據(jù)量大、類別繁多、分布稀疏等特點(diǎn)。同時(shí),當(dāng)前的網(wǎng)絡(luò)入侵行為取證主要依賴于人工統(tǒng)計(jì)分析及提取[1],或者人工操作取證軟件進(jìn)行取證。因此,面對(duì)復(fù)雜、量大、證據(jù)價(jià)值分散的網(wǎng)絡(luò)行為數(shù)據(jù),當(dāng)前的網(wǎng)絡(luò)入侵行為取證方法往往要耗費(fèi)大量人力和時(shí)間,操作人員須具備豐富的工作經(jīng)驗(yàn),才能合理完整地分析行為數(shù)據(jù)的自身及整體性規(guī)律,提煉整合分散的網(wǎng)絡(luò)入侵行為信息。

    針對(duì)上述問題,提出一種基于改進(jìn)K-means算法的網(wǎng)絡(luò)入侵行為取證方法,利用神經(jīng)網(wǎng)絡(luò)及機(jī)器學(xué)習(xí)減少取證過程的人力、時(shí)間及經(jīng)驗(yàn)依賴,提升網(wǎng)絡(luò)入侵行為取證效率。該方法首先預(yù)處理待取證的網(wǎng)絡(luò)行為數(shù)據(jù),去除冗余信息,并向量化網(wǎng)絡(luò)行為信息,將網(wǎng)絡(luò)行為信息集合映射為特征向量集,再利用改進(jìn)K-means算法對(duì)特征向量集進(jìn)行歸類,實(shí)現(xiàn)網(wǎng)絡(luò)行為數(shù)據(jù)的歸類自動(dòng)化。然后,基于已知IP的入侵行為信息,關(guān)聯(lián)出具有同種入侵行為的未知用戶IP及其入侵情況,并完整地發(fā)現(xiàn)已知入侵IP的具體入侵情況及相關(guān)行為,實(shí)現(xiàn)入侵行為間的關(guān)聯(lián)取證。

    1 網(wǎng)絡(luò)行為信息預(yù)處理及向量化

    網(wǎng)絡(luò)行為除了正常的網(wǎng)絡(luò)行為外,包含著拒絕訪問服務(wù)(DOS)、身份欺騙、垃圾搜尋、漏洞利用等入侵行為。本文以常見的分布式拒絕訪問服務(wù)(DDOS)入侵行為作為研究對(duì)象,選用Linux系統(tǒng)中的用戶認(rèn)證日志Auth.log[2]作為網(wǎng)絡(luò)行為數(shù)據(jù)集。該網(wǎng)絡(luò)行為數(shù)據(jù)集包含正常網(wǎng)絡(luò)行為信息、DDOS入侵行為信息和入侵相關(guān)行為信息,Auth.log的網(wǎng)絡(luò)行為信息示例見表1。

    為使網(wǎng)絡(luò)行為信息能夠被神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)算法理解歸類及關(guān)聯(lián)提取,需要在取證前對(duì)網(wǎng)絡(luò)行為信息中的文本內(nèi)容進(jìn)行向量化表達(dá),將文本信息映射為多維數(shù)值型特征向量,使算法能夠以向量間的相似度衡量網(wǎng)絡(luò)行為間的相似度[3],為基于改進(jìn)K-means算法的網(wǎng)絡(luò)入侵行為取證提供基礎(chǔ)。

    網(wǎng)絡(luò)行為信息中存在時(shí)間記錄、用戶IP記錄和行為描述信息,這3部分內(nèi)容是取證分析和關(guān)聯(lián)的主要依據(jù)。其中,行為描述信息代表著網(wǎng)絡(luò)行為的具體屬性。在取證前,應(yīng)對(duì)這3部分的信息進(jìn)行分別提取保存,既便于在關(guān)聯(lián)提取階段依據(jù)時(shí)間和用戶IP對(duì)入侵行為進(jìn)行取證,又便于直接利用行為描述進(jìn)行向量化。然而,網(wǎng)絡(luò)行為描述中存在部分無關(guān)信息,如無關(guān)標(biāo)點(diǎn)符號(hào)及停用詞等,且這些信息會(huì)干擾網(wǎng)絡(luò)行為向量化的準(zhǔn)確表達(dá)。因此,在向量化網(wǎng)絡(luò)行為信息前,應(yīng)對(duì)部分無關(guān)信息進(jìn)行處理去除。

    1.1 信息提取保存

    分別提取網(wǎng)絡(luò)行為信息的時(shí)間、用戶IP和行為描述,便于接下來去除無關(guān)信息、向量化、關(guān)聯(lián)及提取等。利用Python的re模塊和正則表達(dá)式語句,搜索和記錄每條網(wǎng)絡(luò)行為信息中的時(shí)間和用戶IP,并保留對(duì)應(yīng)的網(wǎng)絡(luò)行為描述,將結(jié)果記錄在信息存儲(chǔ)列表list。上述過程見圖1。

    圖1 網(wǎng)絡(luò)行為信息提取保存

    1.2 去除網(wǎng)絡(luò)行為描述的無關(guān)符號(hào)

    無關(guān)的標(biāo)點(diǎn)符號(hào)被空格符替代去除后,便于統(tǒng)一分詞及減少冗余信息。由于日志auth.log的每條行為描述以英文記錄,網(wǎng)絡(luò)行為描述的單詞多以空格間隔開,少部分被符號(hào)(如“,”“:”等)隔開,為了便于分詞及去停用詞,利用Python的replace函數(shù)將無關(guān)符號(hào)替換為空格,如圖2所示。

    圖2 無關(guān)符號(hào)的去除

    1.3 網(wǎng)絡(luò)行為描述分詞及去停用詞

    由于神經(jīng)網(wǎng)絡(luò)向量化模型是以詞匯為單位構(gòu)建特征向量的[4],故對(duì)網(wǎng)絡(luò)行為描述進(jìn)行分詞。停用詞是一種無特別含義且能在多種不同行為描述共存的冗余詞匯,分詞后進(jìn)行去除,能夠提升向量化模型的運(yùn)算速度,以及特征向量的準(zhǔn)確度。在每條行為描述去除無關(guān)符號(hào)后,每條行為描述的詞匯以空格間隔排列。因此,利用Python的split函數(shù),基于空格對(duì)每條行為描述進(jìn)行分詞。然后,參照常用的英文停用詞匯表,檢查每條行為描述中是否存在停用詞,若有則去除,僅保留非停用詞,上述過程如圖3所示。

    圖3 分詞及去停用詞過程

    1.4 向量化網(wǎng)絡(luò)行為描述

    網(wǎng)絡(luò)行為信息本質(zhì)上是一種文本信息,其可以通過詞袋模型或者神經(jīng)網(wǎng)絡(luò)模型,基于網(wǎng)絡(luò)行為信息集合全局和單個(gè)信息局部進(jìn)行特征向量構(gòu)建,實(shí)現(xiàn)每個(gè)網(wǎng)絡(luò)行為信息映射出相應(yīng)的特征向量。常見的詞袋模型有One-hot Representation和TF-IDF等[5],但詞袋模型構(gòu)建的特征向量缺少詞序信息的反映,不能夠準(zhǔn)確表達(dá)網(wǎng)絡(luò)行為信息的特征。而神經(jīng)網(wǎng)絡(luò)模型的出現(xiàn),使基于詞義和詞序構(gòu)建特征向量,變得準(zhǔn)確可行。

    PV-DM[6]是一種基于神經(jīng)網(wǎng)絡(luò)向量化文本信息的模型,其能夠準(zhǔn)確快速生成包含詞義和詞序信息的特征向量,且使特征向量間的關(guān)系反映出對(duì)應(yīng)文本間的關(guān)系。該模型利用單層神經(jīng)網(wǎng)絡(luò)以及隨機(jī)梯度下降,訓(xùn)練詞義向量和詞序向量,并基于詞義向量和詞序向量,通過梯度上升計(jì)算出句向量[7]。其中,詞義向量記錄單個(gè)詞義信息,由于各句子間大概率存在相同的詞匯,使得詞義信息會(huì)在各句子間交叉共享,具有全局關(guān)聯(lián)性;詞序向量記錄詞序信息,不與其他句子交叉共享,具有獨(dú)立唯一性[8]。如圖4所示,每一個(gè)句子被映射為一個(gè)固定長度的詞序向量,并作為矩陣D的一列;每一個(gè)詞也被映射為一個(gè)固定長度的詞義向量,并作為矩陣W的一列,然后模型以求平均或首尾相連的方法組合這些矩陣[9]。

    圖4 PV-DM向量化網(wǎng)絡(luò)行為描述

    2 在網(wǎng)絡(luò)入侵行為取證中應(yīng)用改進(jìn)的K-means算法

    2.1 K-means算法與網(wǎng)絡(luò)入侵行為取證

    網(wǎng)絡(luò)入侵行為取證主要分為3個(gè)過程:網(wǎng)絡(luò)行為信息預(yù)處理、網(wǎng)絡(luò)行為信息屬性判斷歸類、網(wǎng)絡(luò)入侵行為信息關(guān)聯(lián)提取。而K-means算法作為一種常用的數(shù)據(jù)聚類算法[10],其能夠通過聚合相似度較高的數(shù)據(jù)集群,實(shí)現(xiàn)數(shù)據(jù)屬性判斷及歸類,是一種基于數(shù)據(jù)的網(wǎng)絡(luò)行為信息分析方法。因此,在網(wǎng)絡(luò)行為信息預(yù)處理后,K-means算法可應(yīng)用于網(wǎng)絡(luò)入侵行為取證中的信息分析過程,實(shí)現(xiàn)網(wǎng)絡(luò)行為信息屬性判斷歸類,為接下來的入侵行為信息關(guān)聯(lián)提取提供基礎(chǔ)。

    然而,在網(wǎng)絡(luò)入侵行為取證中的信息分析過程中,K-means算法不能直接對(duì)網(wǎng)絡(luò)行為信息進(jìn)行判斷歸類,而是在網(wǎng)絡(luò)行為信息集合映射為相應(yīng)的特征向量集后,對(duì)特征向量集進(jìn)行聚類。由于網(wǎng)絡(luò)行為信息集合映射為相應(yīng)的特征向量集后,特征向量集內(nèi)各向量的關(guān)系等同于網(wǎng)絡(luò)行為信息集合內(nèi)各網(wǎng)絡(luò)行為間的關(guān)系[11],所以特征向量集的聚類結(jié)果即為網(wǎng)絡(luò)行為信息集合的聚類結(jié)果。基于K-means算法的網(wǎng)絡(luò)行為信息分析算法步驟如下:

    Step1:在特征向量集data中隨機(jī)選取K個(gè)初始簇中心Ci(i=1,…,K);

    Step2:計(jì)算每個(gè)向量與簇中心Ci的余弦相似度cosθ;

    Step3:將每個(gè)向量劃分到與其相似度最大的簇中心Ci,聚合成簇;

    Step5:循環(huán)Step2~Step4,當(dāng)簇中心不再改變時(shí),結(jié)束聚類;

    當(dāng)K-means聚類結(jié)束后,算法判斷出每一類網(wǎng)絡(luò)行為,并將同一類網(wǎng)絡(luò)行為劃分進(jìn)同一個(gè)簇內(nèi)。

    2.2 改進(jìn)K-means算法

    現(xiàn)實(shí)中,網(wǎng)絡(luò)行為信息條目數(shù)通常是以萬為單位計(jì)數(shù)的。當(dāng)K-means算法應(yīng)用于分析大樣本量的網(wǎng)絡(luò)行為信息集合時(shí),其K值(即網(wǎng)絡(luò)行為的種類數(shù)目)難以依靠人為經(jīng)驗(yàn)準(zhǔn)確判斷出來[12]。若K值的預(yù)設(shè)值過小,K-means算法會(huì)將兩個(gè)或兩個(gè)以上的不同類網(wǎng)絡(luò)行為判斷為同一類行為,造成錯(cuò)誤的分析結(jié)果,進(jìn)而會(huì)導(dǎo)致網(wǎng)絡(luò)入侵行為信息關(guān)聯(lián)提取不準(zhǔn)確。同時(shí),K-means聚類的初始簇中心是隨機(jī)選取的,這為聚類結(jié)果帶來隨機(jī)性[13],這將間接引起網(wǎng)絡(luò)入侵行為取證結(jié)果不穩(wěn)定。顯然,若取證結(jié)果不穩(wěn)定,該網(wǎng)絡(luò)入侵行為取證方法則不具有應(yīng)用價(jià)值,其結(jié)果將無法滿足訴訟過程的要求。

    針對(duì)上述K-means算法的不足,本文提出一種以凝聚態(tài)中心為初始聚類中心的K-means算法。該改進(jìn)的K-means算法,首先以處于凝聚態(tài)中心(即在各數(shù)據(jù)子集中向量間相似度和最大)的向量作為初始聚類中心,并默認(rèn)凝聚態(tài)中心的數(shù)目等于K值。然后,計(jì)算每個(gè)向量與各簇中心的相似度,將每個(gè)向量劃分到相似度最大的簇中心。并且,經(jīng)過多次迭代聚類和均值化更新簇中心后,能實(shí)現(xiàn)簇的優(yōu)化修正,保證聚類結(jié)果的準(zhǔn)確性。

    2.3 改進(jìn)的K-means算法步驟

    Step1:制作特征向量集data的副本向量集copydata;

    Step2:將向量集copydata中的每條記錄視作一個(gè)向量,計(jì)算每個(gè)向量Xi與其他向量Xj的余弦相似度cosθij;

    Step4:將COSi值最大的向量Xmax作為簇的初始中心,即Ci=Xmax;

    此次研究抽取的胃潰瘍患者76例,收治時(shí)間為2016年3月至2017年3月。將所有患者依據(jù)治療方法的差異性均分研究和參照兩組,患者各38例。研究組中,男性患者、女性患者分別為21例、17例,最大年齡為73歲,最小年齡為21歲,中位年齡統(tǒng)計(jì)后為(53.48士7.36)歲。參照組中,男性患者、女性患者分別為25例、13例,最大年齡為74歲,最小年齡為22歲,中位年齡統(tǒng)計(jì)后為(54.19士7.40)歲。在統(tǒng)計(jì)軟件SPSS19.0中將研究組和參照組胃潰瘍患者的基本信息輸入,組間差異呈P>0.05,則表示數(shù)據(jù)結(jié)果不具有統(tǒng)計(jì)學(xué)意義。

    Step5:計(jì)算初始簇中心Ci的凸點(diǎn)相似度cosmin;

    Step6:以Ci為圓心,將大于凸點(diǎn)相似度cosmin的向量從向量集copydata中去除;

    Step7:循環(huán)Step2~Step6,直到簇中心數(shù)不再變化;

    Step8:將Step2~Step7過程中得到的簇中心作為初始的聚類中心;

    Step9:在向量集data中,計(jì)算每個(gè)向量到各個(gè)聚類中心的余弦相似度cosθ;

    Step10:將每個(gè)向量劃分與其相似度最大的簇中心,聚合成簇;

    Step11:計(jì)算同一個(gè)簇所有向量的均值,將此均值點(diǎn)更新為新的簇中心;

    Step12:迭代循環(huán)Step9~Step11,當(dāng)簇中心不再改變時(shí),結(jié)束聚類過程;

    Step13:為每個(gè)簇的向量標(biāo)記類別號(hào),輸出各類的向量集datasetj及各類的中心向量Ci。

    凸點(diǎn)相似度cosmin:首先計(jì)算向量xi與其他向量xj的余弦相似度cosθij,將相似度集{j=1,…,n(j≠i)|cosθij}從大到小排序,得到新的相似度集{1≤m≤(n-1)|cosθm};然后以相似度集{1≤m≤(n-1)|cosθm}作“m-cosθm”曲線圖(橫坐標(biāo)為cosθm的序號(hào)m,縱坐標(biāo)為相似度cosθm);最后以最小二乘法的曲線擬合原理,利用三次方程擬合“m-cosθm”二維曲線;并利用一階求導(dǎo)得出曲線凸點(diǎn)對(duì)應(yīng)的縱坐標(biāo)值,此值為凸點(diǎn)相似度cosmin。

    3 基于改進(jìn)K-means算法進(jìn)行網(wǎng)絡(luò)入侵行為取證

    3.1 利用改進(jìn)K-means算法歸類及發(fā)現(xiàn)已知入侵行為的類

    待取證的網(wǎng)絡(luò)行為數(shù)據(jù)集經(jīng)過預(yù)處理和向量化后,得到PV-DM模型,并且從該模型中導(dǎo)出每個(gè)網(wǎng)絡(luò)行為信息對(duì)應(yīng)的特征向量,構(gòu)成待取證行為向量集。然后,將該向量集輸入改進(jìn)K-means算法中,使該向量集自動(dòng)劃分為不同類別的子集dataseti,并得到各類別的中心向量Ci,如圖5所示。

    在具有已知網(wǎng)絡(luò)入侵行為的情況下,可利用歸類過程中產(chǎn)生的PV-DM向量化模型及歸類結(jié)果,發(fā)現(xiàn)已知入侵行為的類。首先,預(yù)處理已知網(wǎng)絡(luò)入侵行為信息,輸入PV-DM模型中訓(xùn)練得到該入侵行為的特征向量n。然后,計(jì)算向量n與各類中心向量Ci的余弦相似度,判斷出與向量n最相似的j類中心Ci,并在歸類結(jié)果中找到j(luò)類的向量集datasetj,如圖6所示。最后,基于向量和網(wǎng)絡(luò)行為信息一一對(duì)應(yīng)的關(guān)系,利用向量集datasetj發(fā)現(xiàn)待取證的網(wǎng)絡(luò)行為數(shù)據(jù)集中已知入侵行為的類。

    圖5 待取證網(wǎng)絡(luò)行為數(shù)據(jù)歸類

    圖6 發(fā)現(xiàn)已知行為的類

    3.2 網(wǎng)絡(luò)入侵行為信息的關(guān)聯(lián)與提取

    在發(fā)現(xiàn)的已知入侵行為類中,利用各向量與已知入侵行為向量n的相似度對(duì)類中的網(wǎng)絡(luò)行為向量重新排序,實(shí)現(xiàn)行為間的關(guān)聯(lián),進(jìn)而讓入侵嫌疑越大的行為往前排列,便于取證人員判斷提取,然后在已知入侵行為類中提取所有未知IP,實(shí)現(xiàn)具有入侵行為的未知IP被及時(shí)發(fā)現(xiàn),如圖7所示。

    圖7 j類入侵行為的未知IP關(guān)聯(lián)提取

    對(duì)網(wǎng)絡(luò)入侵的行為往往不止單次,并且可能附帶其他類別的入侵行為。為了完整地對(duì)所有入侵行為進(jìn)行取證,一是需要發(fā)現(xiàn)同一入侵類別下某入侵IP的所有入侵行為,按時(shí)間線輸出;二是判斷入侵IP是否有其他類別入侵相關(guān)行為。

    發(fā)現(xiàn)同一入侵類別下某入侵IP的所有入侵行為。在發(fā)現(xiàn)的已知入侵行為類中,對(duì)照信息存儲(chǔ)列表list,將某入侵IP的網(wǎng)絡(luò)行為信息抽取出來,然后按時(shí)間排列,輸出保存為該IP的已知入侵行為集合。

    判斷入侵IP是否有其他類別入侵相關(guān)行為。首先,在信息存儲(chǔ)列表list中,將某入侵IP的網(wǎng)絡(luò)行為信息抽取出來,去除已知類別的入侵行為信息,然后取證人員對(duì)剩余信息進(jìn)行判斷,若發(fā)現(xiàn)入侵IP有其他類別入侵行為,判斷這些類別行為所屬的具體數(shù)據(jù)子集,進(jìn)行提取保存。此時(shí),其他類別入侵相關(guān)行為由未知轉(zhuǎn)化為已知,可利用這些入侵行為信息和上述的歸類、發(fā)現(xiàn)、關(guān)聯(lián)方法,發(fā)現(xiàn)同類的入侵行為集和未知的入侵IP,提升發(fā)現(xiàn)網(wǎng)絡(luò)入侵行為的能力。

    同時(shí),在利用改進(jìn)K-means算法歸類待取證網(wǎng)絡(luò)行為數(shù)據(jù)后,取證人員可以直接判斷各類網(wǎng)絡(luò)行為信息集合是否為入侵類別。對(duì)于入侵類別的網(wǎng)絡(luò)行為信息集合,取證人員可對(duì)照信息存儲(chǔ)列表list,提取其中的IP、時(shí)間和具體入侵行為。

    4 實(shí)驗(yàn)驗(yàn)證

    4.1 實(shí)驗(yàn)過程

    為驗(yàn)證的有效性,采用Linux系統(tǒng)中的用戶認(rèn)證日志Auth.log作為網(wǎng)絡(luò)行為數(shù)據(jù)集,該用戶認(rèn)證日志記錄86 939條用戶登陸連接行為信息。已知的入侵行為信息假設(shè)為“Nov 30 17:47:58 ip-172-31-27-153 sshd[22964]: Invalid user avconroot from 218.26.11.118”。

    日志Auth.log經(jīng)過預(yù)處理和向量化后,得到信息儲(chǔ)存列表list及PV-DM向量化模型,并從PV-DM中導(dǎo)出日志Auth.log中各條記錄的特征向量。然后,將這些特征向量作為數(shù)據(jù)集合輸入改進(jìn)的K-means算法中進(jìn)行歸類,得到8類網(wǎng)絡(luò)行為數(shù)據(jù)子集,以及各數(shù)據(jù)子集的中心向量。

    將實(shí)驗(yàn)假設(shè)的已知入侵行為信息導(dǎo)入PV-DM向量化模型,得到已知入侵行為向量n。然后計(jì)算向量n與各中心向量的相似度,將相似度最大的中心對(duì)應(yīng)的第5類數(shù)據(jù)子集導(dǎo)出,并且計(jì)算向量n與第5類數(shù)據(jù)子集中各向量的相似度,接著按相似度從大到小對(duì)第5類數(shù)據(jù)子集重新排序。

    最后,基于歸類關(guān)聯(lián)結(jié)果和信息儲(chǔ)存列表list進(jìn)行統(tǒng)計(jì)分析,對(duì)入侵行為信息進(jìn)行關(guān)聯(lián)提取。

    4.2 實(shí)驗(yàn)結(jié)果

    在完成已知入侵行為的數(shù)據(jù)子集(即第5類)發(fā)現(xiàn)后,提取其中的所有用戶IP地址及其對(duì)應(yīng)的入侵次數(shù),然后排除已知IP(218.26.11.118),得到第5類數(shù)據(jù)子集未知入侵IP情況,如表2所示。該結(jié)果是通過已知IP的具體入侵行為信息,關(guān)聯(lián)出具有同種入侵行為的且取證人員未知的入侵IP及其具體入侵次數(shù),便于取證人員發(fā)現(xiàn)未知入侵IP,也利于取證中的定性和定量分析。

    表2 第5類數(shù)據(jù)子集的部分入侵IP情況

    同時(shí),在已知入侵行為的數(shù)據(jù)子集(即第5類)中,顯示已知IP(218.26.11.118)共進(jìn)行108次入侵,并呈現(xiàn)出短間隔的時(shí)間規(guī)律,如表3所示。該結(jié)果可表明IP(218.26.11.118)以多次惡意連接進(jìn)行入侵,具體的入侵規(guī)律、次數(shù)和行為信息可作為其入侵行為的證明。

    表3 部分已知IP(218.26.11.118)的入侵時(shí)間分布

    在信息儲(chǔ)存列表list中排除已知IP(218.26.11.118)的第5類行為信息后,查看list中已知IP的其他行為,發(fā)現(xiàn)有其他兩類入侵相關(guān)行為:主動(dòng)斷開連接、IP及其主機(jī)名反解析,在聚類算法歸類結(jié)果中分別屬于第2和第4類。由此可判斷第2及第4類是入侵相關(guān)行為的數(shù)據(jù)子集,可進(jìn)一步在第2和第4類中關(guān)聯(lián)發(fā)現(xiàn)未知入侵IP,提取相關(guān)入侵信息。

    表4 已知IP(218.26.11.118)的其他入侵相關(guān)行為

    綜上所述,基于改進(jìn)K-means算法進(jìn)行網(wǎng)絡(luò)入侵行為取證,能夠利用聚類算法自動(dòng)判斷行為屬性進(jìn)行行為歸類,使得取證人員能夠基于已知行為關(guān)聯(lián)提取未知用戶IP及其入侵情況,并且保證完整提取到已知或未知IP的入侵情況,提高了取證效率。

    5 結(jié)語

    基于改進(jìn)K-means算法的網(wǎng)絡(luò)入侵行為取證研究,根據(jù)網(wǎng)絡(luò)行為數(shù)據(jù)環(huán)境行為多變、數(shù)據(jù)量大等特點(diǎn),構(gòu)建自適應(yīng)準(zhǔn)確設(shè)置初始聚類中心的K-means算法,使網(wǎng)絡(luò)行為數(shù)據(jù)自動(dòng)合理地按行為屬性歸類,可替代取證過程中人為判斷歸類的過程。同時(shí),基于改進(jìn)K-means算法的網(wǎng)絡(luò)入侵行為取證思路,提升關(guān)聯(lián)分析數(shù)據(jù)的效率和完整性。然而,發(fā)現(xiàn)已知入侵IP的其他相關(guān)行為仍依賴于人工判斷,并且存在誤判的可能。因此,下一步的研究將通過網(wǎng)絡(luò)行為特征向量間的關(guān)系,使算法自動(dòng)判斷出其他相關(guān)行為,進(jìn)一步提高取證效率。

    猜你喜歡
    歸類特征向量關(guān)聯(lián)
    二年制職教本科線性代數(shù)課程的幾何化教學(xué)設(shè)計(jì)——以特征值和特征向量為例
    克羅內(nèi)克積的特征向量
    電表“對(duì)”與“錯(cuò)”歸類巧掌握
    “一帶一路”遞進(jìn),關(guān)聯(lián)民生更緊
    Happiness through honorable actions
    一類特殊矩陣特征向量的求法
    奇趣搭配
    EXCEL表格計(jì)算判斷矩陣近似特征向量在AHP法檢驗(yàn)上的應(yīng)用
    分式方程應(yīng)用題歸類解說
    智趣
    讀者(2017年5期)2017-02-15 18:04:18
    日本猛色少妇xxxxx猛交久久| 99国产精品免费福利视频| 欧美人与性动交α欧美软件| 久久午夜综合久久蜜桃| 免费不卡黄色视频| 一本—道久久a久久精品蜜桃钙片| 麻豆国产av国片精品| 制服诱惑二区| 久久天躁狠狠躁夜夜2o2o | 免费观看a级毛片全部| 成人手机av| 人人妻人人澡人人爽人人夜夜| 精品视频人人做人人爽| av电影中文网址| 久久天躁狠狠躁夜夜2o2o | 国产女主播在线喷水免费视频网站| 久久久久久免费高清国产稀缺| 国产成人欧美在线观看 | 久久久久网色| 少妇人妻久久综合中文| 黑丝袜美女国产一区| 免费黄频网站在线观看国产| 国产一区二区 视频在线| 嫁个100分男人电影在线观看 | 18在线观看网站| 久久av网站| 国产精品久久久久久精品电影小说| 国产免费视频播放在线视频| 免费在线观看日本一区| 男女高潮啪啪啪动态图| 国产精品国产三级专区第一集| 曰老女人黄片| 国产亚洲欧美精品永久| 亚洲国产av影院在线观看| 女人精品久久久久毛片| 99香蕉大伊视频| 国产熟女午夜一区二区三区| 国产精品久久久久久人妻精品电影 | 欧美激情高清一区二区三区| 亚洲欧美一区二区三区黑人| 亚洲一码二码三码区别大吗| 狠狠婷婷综合久久久久久88av| 老司机影院毛片| 美女大奶头黄色视频| 精品福利永久在线观看| 中国美女看黄片| 这个男人来自地球电影免费观看| 大香蕉久久成人网| 国产成人精品无人区| 波野结衣二区三区在线| 久久人妻熟女aⅴ| 国产精品二区激情视频| 男女之事视频高清在线观看 | 日韩一卡2卡3卡4卡2021年| 久久99一区二区三区| 在线看a的网站| 一级,二级,三级黄色视频| 69精品国产乱码久久久| 成年人黄色毛片网站| av福利片在线| 亚洲伊人久久精品综合| 桃花免费在线播放| 极品人妻少妇av视频| 欧美日韩福利视频一区二区| 精品一区二区三区四区五区乱码 | 亚洲国产精品成人久久小说| 女人爽到高潮嗷嗷叫在线视频| 91精品伊人久久大香线蕉| 在现免费观看毛片| 亚洲欧美精品综合一区二区三区| 美女国产高潮福利片在线看| 天天躁日日躁夜夜躁夜夜| 久久久久国产精品人妻一区二区| 老汉色∧v一级毛片| 另类精品久久| 亚洲成人免费电影在线观看 | 又大又爽又粗| 免费高清在线观看视频在线观看| 美女主播在线视频| 多毛熟女@视频| 久久久久久亚洲精品国产蜜桃av| 十分钟在线观看高清视频www| 精品久久蜜臀av无| xxx大片免费视频| 一边亲一边摸免费视频| 欧美精品av麻豆av| 亚洲av片天天在线观看| 亚洲午夜精品一区,二区,三区| 热re99久久精品国产66热6| 老司机亚洲免费影院| 欧美日韩精品网址| 亚洲欧美色中文字幕在线| 国产日韩欧美在线精品| 国产精品 国内视频| av网站在线播放免费| 97人妻天天添夜夜摸| 成人午夜精彩视频在线观看| 两性夫妻黄色片| 亚洲精品av麻豆狂野| 婷婷色av中文字幕| 黑丝袜美女国产一区| 亚洲伊人久久精品综合| 日韩 亚洲 欧美在线| 国产欧美日韩一区二区三 | 日本wwww免费看| 亚洲欧美一区二区三区久久| 国产日韩欧美在线精品| 亚洲美女黄色视频免费看| 青春草亚洲视频在线观看| 天堂俺去俺来也www色官网| 免费看不卡的av| 日本av免费视频播放| 丰满迷人的少妇在线观看| 777久久人妻少妇嫩草av网站| 一区二区日韩欧美中文字幕| 欧美日韩视频精品一区| 国产成人精品久久二区二区免费| 日韩电影二区| 欧美精品一区二区免费开放| 99国产精品99久久久久| 无遮挡黄片免费观看| 亚洲黑人精品在线| 精品少妇久久久久久888优播| 丝袜在线中文字幕| 大陆偷拍与自拍| 十分钟在线观看高清视频www| 一区二区三区乱码不卡18| 免费少妇av软件| 伊人亚洲综合成人网| 国产精品欧美亚洲77777| 女性被躁到高潮视频| 国产又爽黄色视频| 免费看十八禁软件| 男男h啪啪无遮挡| 欧美+亚洲+日韩+国产| 精品国产乱码久久久久久男人| 亚洲综合色网址| 在线 av 中文字幕| www.999成人在线观看| 在线观看免费午夜福利视频| 欧美乱码精品一区二区三区| 欧美成人午夜精品| 啦啦啦 在线观看视频| 久久这里只有精品19| 一本综合久久免费| 国产91精品成人一区二区三区 | 中国美女看黄片| xxxhd国产人妻xxx| 国产在线一区二区三区精| 免费女性裸体啪啪无遮挡网站| 国产亚洲欧美精品永久| 国产精品久久久久久精品古装| 久久av网站| 中文欧美无线码| 国产成人免费无遮挡视频| 国产欧美日韩一区二区三区在线| 国产精品久久久久久人妻精品电影 | 午夜福利在线免费观看网站| 一级片'在线观看视频| 亚洲精品第二区| 一二三四社区在线视频社区8| 七月丁香在线播放| 国产精品一二三区在线看| 国产日韩欧美在线精品| 欧美激情极品国产一区二区三区| 首页视频小说图片口味搜索 | 亚洲欧美成人综合另类久久久| 不卡av一区二区三区| 午夜免费男女啪啪视频观看| 日本vs欧美在线观看视频| 国产成人免费无遮挡视频| av线在线观看网站| 亚洲人成电影观看| 免费一级毛片在线播放高清视频 | 乱人伦中国视频| 成在线人永久免费视频| 亚洲av电影在线观看一区二区三区| 晚上一个人看的免费电影| 免费女性裸体啪啪无遮挡网站| 国产高清国产精品国产三级| 亚洲av成人不卡在线观看播放网 | 大片电影免费在线观看免费| 超碰97精品在线观看| 国产亚洲欧美在线一区二区| √禁漫天堂资源中文www| 精品国产超薄肉色丝袜足j| 色网站视频免费| 男女国产视频网站| 亚洲图色成人| 91国产中文字幕| 中文字幕av电影在线播放| 成年av动漫网址| 亚洲欧美精品自产自拍| 久久午夜综合久久蜜桃| 日本五十路高清| 久久精品成人免费网站| av不卡在线播放| 国产欧美日韩一区二区三 | 亚洲国产中文字幕在线视频| 91字幕亚洲| 亚洲av日韩在线播放| 国产精品一区二区免费欧美 | 你懂的网址亚洲精品在线观看| av一本久久久久| 亚洲国产欧美日韩在线播放| 尾随美女入室| 久9热在线精品视频| 免费一级毛片在线播放高清视频 | 亚洲av成人精品一二三区| 高清不卡的av网站| 亚洲欧美中文字幕日韩二区| 精品人妻一区二区三区麻豆| 99精国产麻豆久久婷婷| 观看av在线不卡| 一本—道久久a久久精品蜜桃钙片| www.熟女人妻精品国产| 日韩免费高清中文字幕av| 飞空精品影院首页| 两个人免费观看高清视频| 五月开心婷婷网| 中文欧美无线码| 制服人妻中文乱码| 久久精品亚洲熟妇少妇任你| 精品亚洲成a人片在线观看| 国产三级黄色录像| 国产一区二区三区av在线| 欧美久久黑人一区二区| 一二三四在线观看免费中文在| 国产亚洲欧美在线一区二区| 欧美日韩视频高清一区二区三区二| 午夜影院在线不卡| 国产一区二区三区av在线| 老司机亚洲免费影院| 黄片小视频在线播放| 亚洲伊人久久精品综合| 久久久久久人人人人人| 青草久久国产| 九色亚洲精品在线播放| 精品久久久久久久毛片微露脸 | 大片免费播放器 马上看| 午夜免费男女啪啪视频观看| 久久久国产一区二区| 欧美+亚洲+日韩+国产| 日韩大码丰满熟妇| 黄色视频在线播放观看不卡| 老司机影院毛片| 久久人人爽av亚洲精品天堂| 无遮挡黄片免费观看| 一区在线观看完整版| 亚洲自偷自拍图片 自拍| 日本黄色日本黄色录像| 国产亚洲午夜精品一区二区久久| 涩涩av久久男人的天堂| 别揉我奶头~嗯~啊~动态视频 | 亚洲精品一二三| 可以免费在线观看a视频的电影网站| 国产无遮挡羞羞视频在线观看| 夫妻性生交免费视频一级片| 亚洲国产精品一区三区| 巨乳人妻的诱惑在线观看| 女警被强在线播放| 老司机靠b影院| 亚洲国产欧美一区二区综合| 不卡av一区二区三区| 国产亚洲欧美在线一区二区| 我的亚洲天堂| 国产精品国产av在线观看| 又大又黄又爽视频免费| 热re99久久精品国产66热6| 久久人妻福利社区极品人妻图片 | 国产有黄有色有爽视频| 王馨瑶露胸无遮挡在线观看| 婷婷色麻豆天堂久久| 久久精品国产综合久久久| 91精品三级在线观看| av又黄又爽大尺度在线免费看| 亚洲专区中文字幕在线| 一区二区三区精品91| 午夜福利在线免费观看网站| 亚洲国产精品一区三区| 精品一区二区三卡| av福利片在线| 在线观看www视频免费| 国产亚洲精品久久久久5区| 久久久久久久久免费视频了| 欧美激情 高清一区二区三区| 亚洲伊人久久精品综合| 成人国产一区最新在线观看 | 99久久人妻综合| 后天国语完整版免费观看| 老司机在亚洲福利影院| 亚洲七黄色美女视频| 亚洲av片天天在线观看| 色94色欧美一区二区| 男女国产视频网站| 一区福利在线观看| av网站在线播放免费| 国产日韩欧美亚洲二区| 中文字幕人妻熟女乱码| 激情视频va一区二区三区| 国产成人精品久久久久久| 精品国产国语对白av| 宅男免费午夜| 欧美国产精品一级二级三级| 搡老岳熟女国产| 日韩制服骚丝袜av| 日韩制服丝袜自拍偷拍| 日本色播在线视频| 另类精品久久| 免费高清在线观看视频在线观看| 日韩 亚洲 欧美在线| 男女免费视频国产| 99久久综合免费| 久久天堂一区二区三区四区| svipshipincom国产片| 免费少妇av软件| 国产成人免费观看mmmm| 在线观看人妻少妇| 操美女的视频在线观看| 国产野战对白在线观看| 少妇人妻久久综合中文| 好男人电影高清在线观看| 如日韩欧美国产精品一区二区三区| 精品福利观看| 亚洲欧美精品自产自拍| 女性被躁到高潮视频| 国产三级黄色录像| 在线观看免费高清a一片| 在线精品无人区一区二区三| 精品一区在线观看国产| 青春草视频在线免费观看| 首页视频小说图片口味搜索 | 男女高潮啪啪啪动态图| 久久精品熟女亚洲av麻豆精品| 国产国语露脸激情在线看| 一级黄片播放器| 精品福利永久在线观看| 国产黄色视频一区二区在线观看| 男女免费视频国产| 99国产精品一区二区三区| 国产有黄有色有爽视频| 久久精品国产综合久久久| 国产亚洲欧美在线一区二区| 啦啦啦视频在线资源免费观看| 亚洲精品一二三| 亚洲精品国产色婷婷电影| 亚洲国产毛片av蜜桃av| 日本vs欧美在线观看视频| 999精品在线视频| 久久久亚洲精品成人影院| 国产精品久久久久成人av| 国产在线免费精品| 日本av手机在线免费观看| 熟女av电影| 午夜久久久在线观看| 在线观看一区二区三区激情| 观看av在线不卡| 一级黄片播放器| 日韩av不卡免费在线播放| 精品福利观看| 免费高清在线观看视频在线观看| 另类精品久久| 亚洲色图 男人天堂 中文字幕| 激情视频va一区二区三区| 在线观看免费日韩欧美大片| 精品国产超薄肉色丝袜足j| 91国产中文字幕| 一级黄片播放器| 丝袜人妻中文字幕| 韩国高清视频一区二区三区| 免费观看a级毛片全部| 丝袜在线中文字幕| 久9热在线精品视频| 女人被躁到高潮嗷嗷叫费观| 精品国产乱码久久久久久小说| 亚洲精品国产区一区二| 免费在线观看黄色视频的| 亚洲专区中文字幕在线| 99热网站在线观看| 国产真人三级小视频在线观看| 又粗又硬又长又爽又黄的视频| 巨乳人妻的诱惑在线观看| av网站在线播放免费| 久久精品熟女亚洲av麻豆精品| 日韩中文字幕视频在线看片| 少妇精品久久久久久久| 成人国产av品久久久| av国产久精品久网站免费入址| 黑丝袜美女国产一区| 男男h啪啪无遮挡| 老汉色av国产亚洲站长工具| 热re99久久国产66热| 国产欧美亚洲国产| 国产av国产精品国产| 成人免费观看视频高清| 啦啦啦中文免费视频观看日本| 久久精品国产亚洲av涩爱| 午夜免费鲁丝| 亚洲精品美女久久久久99蜜臀 | 精品国产乱码久久久久久男人| 中文字幕精品免费在线观看视频| 精品福利永久在线观看| 亚洲三区欧美一区| 麻豆国产av国片精品| 久久久久久人人人人人| 操美女的视频在线观看| 男人添女人高潮全过程视频| www.精华液| 欧美变态另类bdsm刘玥| 黄片播放在线免费| 99re6热这里在线精品视频| 午夜免费鲁丝| 大香蕉久久网| 国语对白做爰xxxⅹ性视频网站| 国产熟女欧美一区二区| 亚洲午夜精品一区,二区,三区| 日韩一本色道免费dvd| 亚洲熟女毛片儿| 麻豆国产av国片精品| 日韩制服丝袜自拍偷拍| 大码成人一级视频| 男女无遮挡免费网站观看| 熟女少妇亚洲综合色aaa.| 午夜福利乱码中文字幕| 亚洲国产精品一区三区| 老汉色av国产亚洲站长工具| 午夜91福利影院| 欧美日韩亚洲综合一区二区三区_| 2021少妇久久久久久久久久久| 在线看a的网站| 女人爽到高潮嗷嗷叫在线视频| 成在线人永久免费视频| 亚洲国产精品成人久久小说| 青草久久国产| 乱人伦中国视频| 99久久精品国产亚洲精品| av在线老鸭窝| 男女国产视频网站| 啦啦啦 在线观看视频| netflix在线观看网站| 美女脱内裤让男人舔精品视频| 久久久久网色| 国产色视频综合| 91字幕亚洲| 爱豆传媒免费全集在线观看| 欧美黑人精品巨大| 看免费av毛片| 最近中文字幕2019免费版| 久久久国产精品麻豆| 熟女少妇亚洲综合色aaa.| 国产欧美日韩一区二区三 | 久久国产亚洲av麻豆专区| www.av在线官网国产| 99九九在线精品视频| 中文字幕人妻丝袜制服| 一边摸一边抽搐一进一出视频| 亚洲精品久久久久久婷婷小说| 晚上一个人看的免费电影| 亚洲av男天堂| 久久精品aⅴ一区二区三区四区| 亚洲av电影在线观看一区二区三区| 亚洲视频免费观看视频| 久久综合国产亚洲精品| 大陆偷拍与自拍| 丝袜脚勾引网站| 欧美精品人与动牲交sv欧美| 欧美成人午夜精品| 人人妻人人澡人人看| 97在线人人人人妻| 一边亲一边摸免费视频| 亚洲av美国av| 亚洲国产欧美网| 久久99一区二区三区| 一级黄色大片毛片| 美女主播在线视频| 搡老岳熟女国产| 久久影院123| 日本黄色日本黄色录像| av国产久精品久网站免费入址| 大型av网站在线播放| 亚洲中文字幕日韩| 一区二区av电影网| 天天影视国产精品| av天堂久久9| 欧美日本中文国产一区发布| 亚洲成人手机| 大型av网站在线播放| 亚洲精品在线美女| 成人国语在线视频| 久久久精品免费免费高清| 久久青草综合色| 天天添夜夜摸| 侵犯人妻中文字幕一二三四区| 在线观看免费午夜福利视频| 精品国产一区二区三区四区第35| 久久久久久久久免费视频了| 人体艺术视频欧美日本| 一级黄色大片毛片| 精品国产一区二区久久| 国产精品久久久av美女十八| 成人18禁高潮啪啪吃奶动态图| av有码第一页| 欧美精品啪啪一区二区三区 | 极品人妻少妇av视频| 丝袜喷水一区| 在线观看国产h片| 大香蕉久久网| 欧美日韩av久久| 国产一区二区三区av在线| videos熟女内射| 丰满人妻熟妇乱又伦精品不卡| 国产一区二区三区综合在线观看| 欧美精品啪啪一区二区三区 | 国产精品亚洲av一区麻豆| 国产不卡av网站在线观看| xxxhd国产人妻xxx| 美女脱内裤让男人舔精品视频| 侵犯人妻中文字幕一二三四区| bbb黄色大片| 精品视频人人做人人爽| 丰满迷人的少妇在线观看| 成人免费观看视频高清| 老司机影院成人| 国产色视频综合| av在线老鸭窝| 高潮久久久久久久久久久不卡| 亚洲九九香蕉| 麻豆乱淫一区二区| 桃花免费在线播放| 亚洲视频免费观看视频| 天天躁日日躁夜夜躁夜夜| 亚洲精品久久久久久婷婷小说| 日本五十路高清| 搡老乐熟女国产| 人体艺术视频欧美日本| 天堂俺去俺来也www色官网| 精品国产一区二区久久| 在线观看免费视频网站a站| 青青草视频在线视频观看| 精品国产一区二区三区久久久樱花| 黄色视频在线播放观看不卡| 99香蕉大伊视频| 成年动漫av网址| 一区二区三区四区激情视频| 男女下面插进去视频免费观看| 中文字幕亚洲精品专区| 免费久久久久久久精品成人欧美视频| 女人久久www免费人成看片| 午夜激情av网站| 欧美日韩一级在线毛片| 久久精品aⅴ一区二区三区四区| 在线观看免费高清a一片| 一级,二级,三级黄色视频| 午夜精品国产一区二区电影| 中文字幕色久视频| 99re6热这里在线精品视频| 免费日韩欧美在线观看| 欧美日韩成人在线一区二区| 十八禁高潮呻吟视频| 国产成人啪精品午夜网站| 成人亚洲精品一区在线观看| 美女国产高潮福利片在线看| 欧美人与性动交α欧美精品济南到| 免费少妇av软件| 高清不卡的av网站| 亚洲黑人精品在线| 乱人伦中国视频| av一本久久久久| 叶爱在线成人免费视频播放| 欧美日韩黄片免| 日韩av免费高清视频| 国产在线免费精品| 欧美日韩精品网址| 日本vs欧美在线观看视频| 亚洲人成网站在线观看播放| 午夜福利影视在线免费观看| 亚洲激情五月婷婷啪啪| 91成人精品电影| 欧美久久黑人一区二区| 高清黄色对白视频在线免费看| 国产精品国产三级国产专区5o| e午夜精品久久久久久久| 一本一本久久a久久精品综合妖精| 亚洲成人手机| 香蕉丝袜av| 一级a爱视频在线免费观看| 精品久久久久久电影网| 午夜福利,免费看| 一区二区三区四区激情视频| 香蕉丝袜av| 久久人人爽人人片av| 精品久久蜜臀av无| 亚洲精品美女久久久久99蜜臀 | av福利片在线| 国产主播在线观看一区二区 | 亚洲激情五月婷婷啪啪| 午夜福利视频在线观看免费| 91老司机精品| 久久久久久久久久久久大奶| 韩国精品一区二区三区| 久久人人爽av亚洲精品天堂| 欧美xxⅹ黑人| 黑人巨大精品欧美一区二区蜜桃| 黑人欧美特级aaaaaa片| 欧美激情高清一区二区三区| 久久久久久久大尺度免费视频| 亚洲欧洲日产国产| 国产熟女欧美一区二区| 中文字幕制服av| 国产人伦9x9x在线观看| 男女之事视频高清在线观看 | 制服诱惑二区| 日韩 欧美 亚洲 中文字幕| 99久久综合免费| 嫁个100分男人电影在线观看 |