• <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
    国产精品.久久久| 三上悠亚av全集在线观看| 国产精品久久久久久久久免| 深夜精品福利| 国产 一区精品| 亚洲精品国产色婷婷电影| 又黄又粗又硬又大视频| 精品人妻一区二区三区麻豆| 国产熟女欧美一区二区| 操出白浆在线播放| 国产精品人妻久久久影院| 亚洲少妇的诱惑av| 国产精品蜜桃在线观看| 久久久久久免费高清国产稀缺| 一级毛片我不卡| 嫩草影院入口| 2021少妇久久久久久久久久久| 国产老妇伦熟女老妇高清| 97精品久久久久久久久久精品| 最近2019中文字幕mv第一页| 国产无遮挡羞羞视频在线观看| 中文字幕制服av| 亚洲国产毛片av蜜桃av| 男女无遮挡免费网站观看| 欧美黄色片欧美黄色片| 国产在线视频一区二区| 成人亚洲欧美一区二区av| 亚洲欧美精品自产自拍| 老鸭窝网址在线观看| 日韩一卡2卡3卡4卡2021年| 日日摸夜夜添夜夜爱| 老汉色∧v一级毛片| 久久av网站| 视频在线观看一区二区三区| 久久ye,这里只有精品| 九色亚洲精品在线播放| 亚洲精品久久成人aⅴ小说| 亚洲一码二码三码区别大吗| videosex国产| 别揉我奶头~嗯~啊~动态视频 | videosex国产| 人人妻人人澡人人看| 丁香六月欧美| 丁香六月天网| 国产成人精品在线电影| 日日撸夜夜添| 热99国产精品久久久久久7| av在线老鸭窝| av网站免费在线观看视频| 自拍欧美九色日韩亚洲蝌蚪91| 无限看片的www在线观看| 亚洲av在线观看美女高潮| 亚洲中文av在线| 操出白浆在线播放| 中文字幕精品免费在线观看视频| avwww免费| 午夜福利网站1000一区二区三区| 国产精品一区二区在线不卡| 亚洲国产成人一精品久久久| 女人久久www免费人成看片| 精品国产乱码久久久久久小说| 国产99久久九九免费精品| 性色av一级| 免费在线观看完整版高清| 日韩大码丰满熟妇| 在线观看国产h片| 亚洲熟女毛片儿| 国产伦理片在线播放av一区| 一区二区三区精品91| 国产精品女同一区二区软件| 999久久久国产精品视频| 国产成人精品福利久久| 成人国产av品久久久| 国产精品二区激情视频| 欧美精品一区二区免费开放| 嫩草影院入口| 久久狼人影院| 大香蕉久久成人网| 亚洲色图综合在线观看| 精品人妻一区二区三区麻豆| 狠狠婷婷综合久久久久久88av| 一级片免费观看大全| 国产成人系列免费观看| 国产日韩欧美视频二区| 熟妇人妻不卡中文字幕| 国产成人精品福利久久| 久久久久国产一级毛片高清牌| 久久久久网色| 热99久久久久精品小说推荐| 看非洲黑人一级黄片| 卡戴珊不雅视频在线播放| 国产爽快片一区二区三区| videosex国产| 狂野欧美激情性xxxx| 亚洲欧美清纯卡通| 国产一卡二卡三卡精品 | 日韩欧美精品免费久久| 青春草视频在线免费观看| 人成视频在线观看免费观看| 男女高潮啪啪啪动态图| 亚洲成人一二三区av| 精品人妻熟女毛片av久久网站| 69精品国产乱码久久久| 热99国产精品久久久久久7| 一区福利在线观看| 午夜av观看不卡| 啦啦啦在线免费观看视频4| www.自偷自拍.com| 永久免费av网站大全| 一级毛片电影观看| 亚洲美女搞黄在线观看| 男女之事视频高清在线观看 | 午夜免费鲁丝| 国产乱人偷精品视频| 亚洲第一区二区三区不卡| 一级片'在线观看视频| 国产黄色视频一区二区在线观看| 九草在线视频观看| 美女扒开内裤让男人捅视频| 国产精品久久久久久久久免| 高清黄色对白视频在线免费看| 国产淫语在线视频| 国产黄色免费在线视频| 中文字幕高清在线视频| 久久婷婷青草| 国产极品天堂在线| 亚洲国产欧美网| 在线观看一区二区三区激情| 亚洲国产欧美一区二区综合| 亚洲色图综合在线观看| avwww免费| 国产黄频视频在线观看| 一区二区三区乱码不卡18| 巨乳人妻的诱惑在线观看| 天天躁夜夜躁狠狠久久av| 欧美久久黑人一区二区| 国产日韩欧美亚洲二区| av网站免费在线观看视频| 青青草视频在线视频观看| 成年av动漫网址| 肉色欧美久久久久久久蜜桃| 两个人看的免费小视频| 成人亚洲欧美一区二区av| 亚洲一级一片aⅴ在线观看| 下体分泌物呈黄色| 久久久久久久久久久免费av| 国产成人啪精品午夜网站| 天堂俺去俺来也www色官网| 国产在线免费精品| 国产一区二区在线观看av| 久久国产亚洲av麻豆专区| 国产片特级美女逼逼视频| 国产日韩欧美亚洲二区| 99re6热这里在线精品视频| 亚洲精品,欧美精品| 欧美另类一区| 一本久久精品| 国产日韩欧美视频二区| 美国免费a级毛片| 婷婷成人精品国产| 蜜桃在线观看..| 亚洲一卡2卡3卡4卡5卡精品中文| 欧美乱码精品一区二区三区| 黄片小视频在线播放| 亚洲精品日韩在线中文字幕| 亚洲av日韩在线播放| 欧美精品高潮呻吟av久久| 巨乳人妻的诱惑在线观看| 人人妻人人爽人人添夜夜欢视频| 亚洲精品aⅴ在线观看| 免费不卡黄色视频| 亚洲精品av麻豆狂野| 国产精品一二三区在线看| 欧美黑人精品巨大| 中文字幕人妻丝袜制服| 亚洲av成人精品一二三区| av国产精品久久久久影院| 黄网站色视频无遮挡免费观看| 高清在线视频一区二区三区| 国产免费现黄频在线看| 国产男女内射视频| 精品亚洲乱码少妇综合久久| 在线观看免费日韩欧美大片| 老司机影院成人| 国产一卡二卡三卡精品 | 日韩欧美精品免费久久| 国产探花极品一区二区| 美女扒开内裤让男人捅视频| 亚洲伊人色综图| 亚洲av欧美aⅴ国产| 久久精品久久精品一区二区三区| 80岁老熟妇乱子伦牲交| 桃花免费在线播放| 欧美成人精品欧美一级黄| 天堂中文最新版在线下载| 国产一区二区 视频在线| 国产在线一区二区三区精| av网站免费在线观看视频| 久久97久久精品| 美女午夜性视频免费| 亚洲色图 男人天堂 中文字幕| 高清欧美精品videossex| 国产毛片在线视频| 亚洲国产中文字幕在线视频| 女人高潮潮喷娇喘18禁视频| 一区在线观看完整版| 精品一区二区免费观看| 啦啦啦在线免费观看视频4| 国产色婷婷99| 操出白浆在线播放| 最近的中文字幕免费完整| 亚洲精品美女久久久久99蜜臀 | 老司机深夜福利视频在线观看 | 成年动漫av网址| 婷婷色综合大香蕉| 99热全是精品| 中文字幕人妻丝袜制服| 久久精品久久精品一区二区三区| 欧美97在线视频| 欧美人与性动交α欧美精品济南到| 不卡av一区二区三区| 精品少妇黑人巨大在线播放| 丰满乱子伦码专区| 亚洲第一av免费看| 亚洲伊人久久精品综合| 国产一级毛片在线| 久久天躁狠狠躁夜夜2o2o | 一区二区三区激情视频| 人成视频在线观看免费观看| 精品国产国语对白av| 男人添女人高潮全过程视频| 国产97色在线日韩免费| 999久久久国产精品视频| 色精品久久人妻99蜜桃| 五月天丁香电影| www.av在线官网国产| 男女边吃奶边做爰视频| 一级爰片在线观看| 亚洲国产av影院在线观看| 久久人人爽人人片av| 99精国产麻豆久久婷婷| 亚洲色图综合在线观看| 亚洲国产精品999| 国产成人欧美在线观看 | 欧美激情极品国产一区二区三区| 国产精品免费大片| 国产乱人偷精品视频| 久久性视频一级片| 国产精品免费视频内射| 国产熟女欧美一区二区| 啦啦啦视频在线资源免费观看| 少妇被粗大的猛进出69影院| 777米奇影视久久| 免费黄网站久久成人精品| 亚洲精品久久久久久婷婷小说| 我要看黄色一级片免费的| 国产欧美亚洲国产| 天堂8中文在线网| 男女无遮挡免费网站观看| 国产一区二区在线观看av| 妹子高潮喷水视频| 久久久亚洲精品成人影院| 热re99久久国产66热| 免费在线观看完整版高清| 亚洲综合色网址| 伊人久久大香线蕉亚洲五| 汤姆久久久久久久影院中文字幕| 国产精品99久久99久久久不卡 | 亚洲欧美日韩另类电影网站| 国产福利在线免费观看视频| 又黄又粗又硬又大视频| av有码第一页| 国产99久久九九免费精品| 国产午夜精品一二区理论片| 午夜久久久在线观看| 极品少妇高潮喷水抽搐| 少妇人妻 视频| 亚洲成人一二三区av| 久久久久久久久久久久大奶| 美女国产高潮福利片在线看| 精品免费久久久久久久清纯 | 国产在线一区二区三区精| 黄片无遮挡物在线观看| 韩国av在线不卡| 国产女主播在线喷水免费视频网站| 午夜91福利影院| 亚洲在久久综合| 亚洲欧洲日产国产| h视频一区二区三区| 十分钟在线观看高清视频www| 欧美成人精品欧美一级黄| 亚洲精品久久久久久婷婷小说| 在线 av 中文字幕| 久久精品国产亚洲av高清一级| 99久久综合免费| 91精品三级在线观看| 国产精品 欧美亚洲| 无遮挡黄片免费观看| 99热国产这里只有精品6| 天堂俺去俺来也www色官网| 丁香六月欧美| 宅男免费午夜| 免费av中文字幕在线| 国产精品麻豆人妻色哟哟久久| 免费在线观看黄色视频的| 国产亚洲av高清不卡| 国产成人精品无人区| 午夜91福利影院| 亚洲久久久国产精品| 亚洲av男天堂| 无限看片的www在线观看| 免费少妇av软件| 日韩av在线免费看完整版不卡| 免费观看性生交大片5| 久久精品国产a三级三级三级| 汤姆久久久久久久影院中文字幕| 免费黄色在线免费观看| 交换朋友夫妻互换小说| 欧美日韩av久久| 亚洲七黄色美女视频| 久久久久久久精品精品| 亚洲精品美女久久av网站| 搡老乐熟女国产| h视频一区二区三区| 精品午夜福利在线看| 新久久久久国产一级毛片| 日韩不卡一区二区三区视频在线| 九九爱精品视频在线观看| 亚洲天堂av无毛| 国产精品一二三区在线看| 亚洲av中文av极速乱| 丝袜脚勾引网站| 亚洲欧美一区二区三区黑人| 超碰成人久久| 国产成人精品无人区| av不卡在线播放| 人体艺术视频欧美日本| 亚洲综合精品二区| 黄频高清免费视频| 2021少妇久久久久久久久久久| 叶爱在线成人免费视频播放| 精品久久久精品久久久| 免费观看av网站的网址| 高清欧美精品videossex| 欧美日韩亚洲综合一区二区三区_| 精品少妇内射三级| 国产精品一区二区在线观看99| 国产免费视频播放在线视频| 日韩熟女老妇一区二区性免费视频| xxxhd国产人妻xxx| 九草在线视频观看| 大片免费播放器 马上看| 久久久久久久久久久免费av| 午夜91福利影院| 国产高清不卡午夜福利| 亚洲综合精品二区| 亚洲av日韩在线播放| 国产精品熟女久久久久浪| 中文字幕人妻丝袜制服| 在线 av 中文字幕| 日韩一本色道免费dvd| a 毛片基地| 人成视频在线观看免费观看| 久热爱精品视频在线9| 在线看a的网站| 女性被躁到高潮视频| 亚洲欧美一区二区三区黑人| a 毛片基地| 美女大奶头黄色视频| 9热在线视频观看99| 纵有疾风起免费观看全集完整版| 九色亚洲精品在线播放| 超色免费av| 国产亚洲一区二区精品| 国产精品成人在线| 建设人人有责人人尽责人人享有的| 国产极品天堂在线| 老汉色∧v一级毛片| av免费观看日本| 飞空精品影院首页| 国产麻豆69| 韩国精品一区二区三区| 人人妻人人澡人人看| 韩国精品一区二区三区| 一本—道久久a久久精品蜜桃钙片| 精品人妻一区二区三区麻豆| 亚洲av福利一区| 无遮挡黄片免费观看| 大码成人一级视频| 日韩欧美一区视频在线观看| 搡老乐熟女国产| 欧美黄色片欧美黄色片| 亚洲精品av麻豆狂野| 久久久久久久久久久免费av| 一本久久精品| 交换朋友夫妻互换小说| 国产乱来视频区| 大香蕉久久成人网| 三上悠亚av全集在线观看| 成人国产麻豆网| 97在线人人人人妻| 国产成人欧美在线观看 | 国产成人精品无人区| 丝袜脚勾引网站| 亚洲精品视频女| 亚洲熟女毛片儿| 国产精品无大码| 老司机靠b影院| bbb黄色大片| 亚洲国产精品国产精品| 啦啦啦在线观看免费高清www| 久久精品aⅴ一区二区三区四区| 欧美另类一区| 亚洲精品美女久久久久99蜜臀 | 亚洲av成人不卡在线观看播放网 | 美女主播在线视频| 伊人久久国产一区二区| 午夜激情久久久久久久| 宅男免费午夜| 久久青草综合色| 亚洲中文av在线| 欧美乱码精品一区二区三区| 男女之事视频高清在线观看 | 晚上一个人看的免费电影| 成人国产麻豆网| 国产亚洲av片在线观看秒播厂| 中文字幕色久视频| 国产av一区二区精品久久| 制服人妻中文乱码| 在线天堂中文资源库| 毛片一级片免费看久久久久| 精品国产露脸久久av麻豆| 不卡av一区二区三区| 国产精品 国内视频| 秋霞在线观看毛片| 99热国产这里只有精品6| 极品少妇高潮喷水抽搐| 一边亲一边摸免费视频| 高清视频免费观看一区二区| 色播在线永久视频| 成年美女黄网站色视频大全免费| 国产精品免费视频内射| 欧美人与性动交α欧美精品济南到| 亚洲av成人不卡在线观看播放网 | 国产极品粉嫩免费观看在线| av在线老鸭窝| 欧美精品av麻豆av| 伦理电影大哥的女人| 日韩免费高清中文字幕av| 午夜福利网站1000一区二区三区| 麻豆精品久久久久久蜜桃| 亚洲一卡2卡3卡4卡5卡精品中文| 国产亚洲av片在线观看秒播厂| 日韩av免费高清视频| 1024香蕉在线观看| 国产免费视频播放在线视频| 亚洲七黄色美女视频| 亚洲五月色婷婷综合| 国产免费又黄又爽又色| 中国三级夫妇交换| 午夜福利乱码中文字幕| 久久久久久久久免费视频了| 午夜福利免费观看在线| 五月天丁香电影| 超色免费av| 亚洲专区中文字幕在线 | 亚洲,欧美精品.| 丰满迷人的少妇在线观看| 国产成人精品福利久久| 免费在线观看视频国产中文字幕亚洲 | 超碰成人久久| 婷婷色麻豆天堂久久| 欧美成人精品欧美一级黄| 女人精品久久久久毛片| 国产av一区二区精品久久| 日本爱情动作片www.在线观看| 97精品久久久久久久久久精品| 如日韩欧美国产精品一区二区三区| 亚洲av成人不卡在线观看播放网 | 亚洲国产av影院在线观看| 日韩视频在线欧美| 黑人欧美特级aaaaaa片| 日韩熟女老妇一区二区性免费视频| 超碰成人久久| 大香蕉久久成人网| 国产亚洲一区二区精品| 久久99精品国语久久久| 亚洲精品第二区| 大话2 男鬼变身卡| 一本久久精品| 人人妻人人澡人人爽人人夜夜| 久久久久久久精品精品| 国产精品二区激情视频| 丰满迷人的少妇在线观看| 午夜福利一区二区在线看| 大片电影免费在线观看免费| 亚洲第一av免费看| 国产淫语在线视频| 一本色道久久久久久精品综合| 国产亚洲av片在线观看秒播厂| 日日撸夜夜添| 精品亚洲成a人片在线观看| e午夜精品久久久久久久| 久久精品国产a三级三级三级| 视频区图区小说| 天天躁夜夜躁狠狠躁躁| 免费在线观看黄色视频的| 纯流量卡能插随身wifi吗| 操出白浆在线播放| 18禁观看日本| 日韩av免费高清视频| 国产一区二区三区综合在线观看| 一本大道久久a久久精品| 超色免费av| 十八禁高潮呻吟视频| svipshipincom国产片| 九草在线视频观看| av女优亚洲男人天堂| 日本午夜av视频| 国产又爽黄色视频| 看免费av毛片| 叶爱在线成人免费视频播放| 99热全是精品| 日日撸夜夜添| 欧美黄色片欧美黄色片| 最近手机中文字幕大全| 欧美精品一区二区大全| 晚上一个人看的免费电影| 亚洲国产欧美在线一区| 国产在线视频一区二区| 久久久久网色| 国产欧美日韩综合在线一区二区| 日韩电影二区| 卡戴珊不雅视频在线播放| 老鸭窝网址在线观看| 18禁动态无遮挡网站| 一本色道久久久久久精品综合| 日韩电影二区| 伦理电影免费视频| 久久精品国产亚洲av涩爱| 色播在线永久视频| 男女免费视频国产| 一二三四在线观看免费中文在| 街头女战士在线观看网站| 女的被弄到高潮叫床怎么办| 婷婷色综合大香蕉| 中文字幕亚洲精品专区| 亚洲伊人久久精品综合| 亚洲国产毛片av蜜桃av| 一级片'在线观看视频| 人妻 亚洲 视频| 两个人看的免费小视频| 国产探花极品一区二区| 中文字幕av电影在线播放| 色94色欧美一区二区| 亚洲欧美一区二区三区久久| 欧美激情高清一区二区三区 | 一级毛片黄色毛片免费观看视频| 国产精品熟女久久久久浪| 国产精品 国内视频| 国产精品国产三级国产专区5o| 午夜av观看不卡| 国产欧美日韩一区二区三区在线| 欧美人与性动交α欧美精品济南到| 999久久久国产精品视频| 亚洲国产av影院在线观看| 国产不卡av网站在线观看| 国产免费一区二区三区四区乱码| 免费高清在线观看视频在线观看| 波多野结衣av一区二区av| 天美传媒精品一区二区| 永久免费av网站大全| 久久人人97超碰香蕉20202| svipshipincom国产片| 黑丝袜美女国产一区| 久久精品久久久久久久性| 国产男人的电影天堂91| 伦理电影大哥的女人| 秋霞在线观看毛片| 亚洲精品乱久久久久久| 亚洲国产日韩一区二区| 最近2019中文字幕mv第一页| e午夜精品久久久久久久| 欧美人与善性xxx| 久久久久网色| 日本wwww免费看| 熟女av电影| 欧美国产精品va在线观看不卡| 操出白浆在线播放| 1024香蕉在线观看| 不卡av一区二区三区| 久久精品久久久久久噜噜老黄| 国产午夜精品一二区理论片| 一本久久精品| 中文字幕人妻熟女乱码| av视频免费观看在线观看| 一区二区三区乱码不卡18| 免费观看a级毛片全部| 久久久精品免费免费高清| 美国免费a级毛片| 国产熟女午夜一区二区三区| 久久精品aⅴ一区二区三区四区| 丰满少妇做爰视频| 免费观看a级毛片全部| 午夜福利一区二区在线看| 女人爽到高潮嗷嗷叫在线视频| 两性夫妻黄色片| 欧美黑人精品巨大| av电影中文网址| 欧美人与性动交α欧美精品济南到| 国产av一区二区精品久久| 无限看片的www在线观看| 99热国产这里只有精品6| a级片在线免费高清观看视频| 老司机亚洲免费影院|